文章目录
排序划分
内部排序
1.直接插入排序
基本思想
通常人们整理桥牌的方法是一张一张的来,将每一张牌插入到其他已经有序的牌中的适当位置。在计算机的实现中,为了要给插入的元素腾出空间,我们需要将其余所有元素在插入之前都向右移动一位。
算法描述
一般来说,插入排序采用in-place在数组上实现.具体算法如下:
1.从第一个元素开始,该元素可以认为已经被排序.
2.取出下一个元素,在已经排序的元素序列中从后向前扫描.
3.如果该元素(已排序)大于新元素,将该元素移到下一个位置
4. 重复步骤3,直到找到已排序的元素小于或者等于新元素的位置
5. 将新元素插入到该位置后
6. 重复步骤2~5
动态效果如下:
算法实现
public class 直接插入排序 {
//通过全交换让数组变得有序
public static void sort1(int[] a)
{
for(int i=0;i<a.length-1;i++)
{
//由于每一次排序比较时,前i-1个是有序的,这里用了全排会浪费许多查询时间
for(int j=i+1;j>0;j--)
{
//从小到大排序,不满足条件交换
if (a[j]<a[j-1]) {
int temp=a[j];
a[j]=a[j-1];
a[j-1]=temp;
}
}
}
}
//对sort1进行优化,加入终止查询的条件,避免无谓的时间损耗
public static void sort2(int[] a)
{
for(int i=1;i<a.length-1;i++)
{
int num=a[i];
int j;
//升序排序,如果左边的数小于num,终止查询,否则这些数右移一位
for (j = i; j>0 && a[j-1]>num; j--) {
a[j]=a[j-1];
}
a[j]=num;
}
}
public static void main(String[] args) {
// TODO Auto-generated method stub
int a[]= {4,6,2,7,5,9};
sort2(a);
for (int i = 0; i < a.length; i++) {
System.out.print(a[i]+" ");
}
}
}
总结:
平均时间复杂度 | 最好情况 | 最坏情况 | 空间复杂度 |
---|---|---|---|
O(n²) | O(n²) | O(n²) | O(1) |
- 插入排序所需的时间取决于输入元素的初始顺序。例如,对一个很大且其中的元素已经有序(或接近有序)的数组进行排序将会比随机顺序的数组或是逆序数组进行排序要快得多。
2.希尔排序(递减增量排序)
基本思想
将待排序数组按照步长increment进行分组,然后将每组的元素利用直接插入排序的方法进行排序;每次再将increment折半减小,循环上述操作;当increment=1时,利用直接插入,完成排序。
可以看到步长的选择是希尔排序的重要部分。只要最终步长为1任何步长序列都可以工作。一般来说最简单的步长取值是初次取数组长度的一半为增量,之后每次再减半,直到增量为1。更好的步长序列取值可以参考维基百科。
算法描述
1.选择一个增量序列 t1,t2,……,tk,其中 ti > tj, tk = 1;
2.按增量序列个数 k,对序列进行 k 趟排序;
3.每趟排序,根据对应的增量 ti,将待排序列分割成若干长度为 m 的子序列,分别对各子表进行直接插入排序。仅增量因子为 1 时,整个序列作为一个表来处理,表长度即为整个序列的长度。
效果如下:
算法实现:
/**希尔排序的原理:根据需求,如果你想要结果从大到小排列,它会首先将数组进行分组,然后将较大值移到前面,较小值
* 移到后面,最后将整个数组进行插入排序,这样比起一开始就用插入排序减少了数据交换和移动的次数,可以说希尔排序是加强
* 版的插入排序
* 拿数组5, 2, 8, 9, 1, 3,4来说,数组长度为7,当increment为3时,数组分为两个序列
* 5,2,8和9,1,3,4,第一次排序,9和5比较,1和2比较,3和8比较,4和比其下标值6小increment(3)的数组值相比较
* 此例子是按照从大到小排列,所以大的会排在前面,第一次排序后数组为9, 2, 8, 5, 1, 3,4
* 第一次后increment的值变为3/2=1,此时对数组进行插入排序,
*实现数组从大到小排
*/
public class 希尔排序 {
public static void shellSort(int[] data)
{
int j=0;
int temp=0;
for(int increment=data.length/2;increment>0;increment/=2) {
for(int i=increment;i<data.length;i++)
{
temp=data[i];
for(j=i;j>=increment;j=j-increment) {
if (temp>data[j-increment]) {
data[j]=data[j-increment];
}else
{
break;
}
}
//决定数组下标j的元素位置
data[j]=temp;
for(int k=0;k<data.length;k++)
{
System.out.print(data[k]+" ");
}
System.out.println();
}
}
for(int i=0;i<data.length;i++)
{
System.out.print(data[i]+" ");
}
}
public static void main(String[] args) {
// TODO Auto-generated method stub
int[] data={5, 2, 8, 9, 1, 3,4};
shellSort(data);
}
}
总结:
平均时间复杂度 | 最好情况 | 最坏情况 | 空间复杂度 |
---|---|---|---|
O(nlog2 n) | O(nlog2 n) | O(nlog2 n) | O(1) |
- 希尔排序更高效的原因是它权衡了子数组的规模和有序性。排序之初,各个子数组都很短,排序之后子数组都是部分有序的,这两种情况都很适合插入排序。
3.简单选择排序
基本思想
选择排序(Selection sort)是一种简单直观的排序算法。它的工作原理如下。首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。
选择排序的主要优点与数据移动有关。如果某个元素位于正确的最终位置上,则它不会被移动。选择排序每次交换一对元素,它们当中至少有一个将被移到其最终位置上,因此对 n个元素的表进行排序总共进行至多 n-1 次交换。在所有的完全依靠交换去移动元素的排序方法中,选择排序属于非常好的一种。
算法描述
1.从未排序序列中,找到关键字最小的元素
2.如果最小元素不是未排序序列的第一个元素,将其和未排序序列第一个元素互换
3.重复1、2步,直到排序结束。
动态效果:
算法实现:
/*
* 简单选择排序是一种最原始的排序算法,就是挑最小或者最大,然后逐次减少每轮遍历次数
*/
public class 简单选择排序 {
public static void sort(int[] a) {
for (int i = 0; i < a.length; i++) {
//把当前的i当作最小数下标
int min=i;
//找出最小数下标
for(int j=i+1;j<a.length;j++)
{
if (a[j]<a[min]) {
min=j;
}
}
//如果最小下标不一样,就将这两个下标对应数组的值交换
if (min!=i) {
int temp=a[i];
a[i]=a[min];
a[min]=temp;
}
}
}
}
总结:
平均时间复杂度 | 最好情况 | 最坏情况 | 空间复杂度 |
---|---|---|---|
O(n²) | O(n²) | O(n²) | O(1) |
- 选择排序的简单和直观名副其实,这也造就了它”出了名的慢性子”,无论是哪种情况,哪怕原数组已排序完成,它也将花费将近n²/2次遍历来确认一遍。即便是这样,它的排序结果也还是不稳定的。 唯一值得高兴的是,它并不耗费额外的内存空间。
4.堆排序
基本思想
已知堆的定义如下:
- 把此序列对应的二维数组看成一个完全二叉树。那么堆的含义就是:完全二叉树中任何一个非叶子节点的值均不大于(或不小于)其左,右孩子节点的值。
- 由上述性质可知大顶堆的堆顶的关键字肯定是所有关键字中最大的,小顶堆的堆顶的关键字是所有关键字中最小的。
- 因此我们可使用大顶堆进行升序排序, 使用小顶堆进行降序排序。
此处以大顶堆为例,堆排序的过程就是将待排序的序列构造成一个堆,选出堆中最大的移走,再把剩余的元素调整成堆,找出最大的再移走,重复直至有序。
算法描述
- 先将初始序列K[1…n]K[1…n]建成一个大顶堆, 那么此时第一个元素K1K1最大, 此堆为初始的无序区.
- 再将关键字最大的记录K1K1 (即堆顶, 第一个元素)和无序区的最后一个记录 KnKn 交换, 由此得到新的无序区K[1…n−1]K[1…n−1]和有序区K[n]K[n], 且满足K[1…n−1].keys⩽K[n].keyK[1…n−1].keys⩽K[n].key
- 交换K1K1 和 KnKn 后, 堆顶可能违反堆性质, 因此需将K[1…n−1]K[1…n−1]调整为堆. 然后重复步骤2, 直到无序区只有一个元素时停止。
动态效果:
算法实现:
从算法描述来看,堆排序需要两个过程,一是建立堆,二是堆顶与堆的最后一个元素交换位置。所以堆排序有两个函数组成。一是建堆函数,二是反复调用建堆函数以选择出剩余未排元素中最大的数来实现排序的函数。
public class 堆排序 {
/*
* 构建最大堆
* i=第一个非叶子节点
* 叶子节点可以看作已符合堆要求的节点,根节点就是它自己
*/
public static void max_heapify(int[] a,int n) {
int child;
for(int i=(n-1)/2;i>=0;i--)
{
//n的父节点的左子节点
child=2*i+1;
//如果n不是父节点的左子节点 并且 左子节点小于右子节点,将右子节点设为child
//目的是找出值最大的子节点与父节点比较大小
if (child!=n&&a[child]<a[child+1]) {
child++;
}
//如果父节点小于右子节点交换父节点与左右子节点中的最大值
if (a[i]<a[child]) {
int temp=a[i];
a[i]=a[child];
a[child]=temp;
}
}
}
//创建最大堆并排序
public static void build_Max_Heapandsort(int[] a)
{
//for循环调整数组为最大堆,然后把最大的数与数组末尾的数交换,最后得到排好序的数组
for(int i=a.length-1;i>0;i--) {
max_heapify(a, i);
int temp=a[0];
a[0]=a[i];
a[i]=temp;
}
}
}
函数意义:
- 创建最大堆(Build_Max_Heap):将堆所有数据重新排序
- 最大堆调整(Max_Heapify):将堆的末端子节点作调整,使得子节点永远小于父节点
- 堆排序(HeapSort):移除位在第一个数据的根节点,并作最大堆调整的递归运算.
对于堆节点的访问: - 父节点i的左子节点在位置:
(2*i+1)
; - 父节点i的右子节点在位置:
(2*i)+2
; - 子节点i的父节点在位置:
(i-1)/2;
总结
平均时间复杂度 | 最好情况 | 最坏情况 | 空间复杂度 |
---|---|---|---|
O(nlog2n) | O(nlog2n) | O(nlog2n) | O(1) |
- 由于堆排序中初始化堆的过程比较次数较多, 因此它不太适用于小序列。 同时由于多次任意下标相互交换位置, 相同元素之间原本相对的顺序被破坏了, 因此, 它是不稳定的排序。
5.冒泡排序
基本思想
冒泡排序(Bubble Sort)是一种简单的排序算法。它重复地走访过要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。
算法描述
- 比较相邻的元素。如果第一个比第二个大,就交换他们两个。
- 对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对。这步做完后,最后的元素会是最大的数。
- 针对所有的元素重复以上的步骤,除了最后一个。
- 持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较。
动态演示:
算法实现:
public class 冒泡排序 {
/*
* 古老的算法,找最大,放最后,遍历次数减1
*/
public static void sort(int[] a) {
for(int i=0;i<a.length;i++) {
for (int j = 0; j < a.length-i-1; j++) {
//前面的元素比后面大就交换
if (a[j] > a[j + 1]) {
int temp = a[j];
a[j] = a[j + 1];
a[j + 1] = temp;
}
}
}
}
}
总结
平均时间复杂度 | 最好情况 | 最坏情况 | 空间复杂度 |
---|---|---|---|
O(n²) | O(n) | O(n²) | O(1) |
- 冒泡排序是最容易实现的排序, 最坏的情况是每次都需要交换, 共需遍历并交换将近n²/2次, 时间复杂度为O(n²). 最佳的情况是内循环遍历一次后发现排序是对的, 因此退出循环, 时间复杂度为O(n). 平均来讲, 时间复杂度为O(n²). 由于冒泡排序中只有缓存的temp变量需要内存空间, 因此空间复杂度为常量O(1).
- 由于冒泡排序只在相邻元素大小不符合要求时才调换他们的位置, 它并不改变相同元素之间的相对顺序, 因此它是稳定的排序算法。
6.快速排序
基本思想
快速排序的基本思想:挖坑填数+分治法。
快速排序使用分治法(Divide and conquer)策略来把一个串行(list)分为两个子串行(sub-lists)。
快速排序又是一种分而治之思想在排序算法上的典型应用。本质上来看,快速排序应该算是在冒泡排序基础上的递归分治法。
快速排序的名字起的是简单粗暴,因为一听到这个名字你就知道它存在的意义,就是快,而且效率高!它是处理大数据最快的排序算法之一了。虽然 Worst Case 的时间复杂度达到了 O(n²),但是人家就是优秀,在大多数情况下都比平均时间复杂度为 O(n logn) 的排序算法表现要更好。
算法描述
- 从数列中挑出一个元素,称为"基准"(pivot)。
- 重新排序数列,所有比基准值小的元素摆放在基准前面,所有比基准值大的元素摆在基准后面(相同的数可以到任一边)。在这个分区结束之后,该基准就处于数列的中间位置。这个称为分区(partition)操作。
- 递归地(recursively)把小于基准值元素的子数列和大于基准值元素的子数列排序。
动态演示:
算法实现:
/*
* 很像二分排序,只不过分界点是数组的第一个数
*/
//递归实现快排
public static void sort(int[] a,int low,int high)
{
//如果排完了
if(low>=high) {
return;
}
int left=low;
int right=high;
//保存精准值
int pivot=a[left];
while(left<right) {
//从后向前找到比基准小的元素
while(left<right && a[right]>=pivot) {
right--;
}
a[left]=a[right];
//从前往后找到比基准大的元素
while(left<right&&a[left]<=pivot) {
left++;
}
a[right]=a[left];
}
//放置基准值,准备分治递归快排
a[left]=pivot;
sort(a, low, left-1);
sort(a, left+1, high);
}
总结
平均时间复杂度 | 最好情况 | 最坏情况 | 空间复杂度 |
---|---|---|---|
O(nlog₂n) | O(nlog₂n) | O(n²) | O(1) |
7.并归排序
基本思想
归并排序算法是将两个(或两个以上)有序表合并成一个新的有序表,即把待排序序列分为若干个子序列,每个子序列是有序的。然后再把有序子序列合并为整体有序序列。
算法描述
归并排序可通过两种方式实现:
- 自上而下的递归
- 自下而上的迭代
递归法(假设序列共有n个元素):
- 将序列每相邻两个数字进行归并操作,形成 floor(n/2)个序列,排序后每个序列包含两个元素;
- 将上述序列再次归并,形成 floor(n/4)个序列,每个序列包含四个元素;
- 重复步骤2,直到所有元素排序完毕。
迭代法
- 申请空间,使其大小为两个已经排序序列之和,该空间用来存放合并后的序列
- 设定两个指针,最初位置分别为两个已经排序序列的起始位置
- 比较两个指针所指向的元素,选择相对小的元素放入到合并空间,并移动指针到下一位置
- 重复步骤3直到某一指针到达序列尾
- 将另一序列剩下的所有元素直接复制到合并序列尾
动态演示:
算法实现:
归并排序其实要做两件事:
- 分解:将序列每次折半拆分
- 合并:将划分后的序列段两两排序合并
因此,归并排序实际上就是两个操作,拆分+合并
public class 归并排序 {
/*
* 递归实现归并排序
*/
//并归所需的辅助数组
private static int[] aux;
public static void sort(int[] a) {
//一次性分配空间
aux=new int[a.length];
sort(a,0,a.length-1);
}
public static void sort(int[] a,int low,int high) {
if (low>=high) {
return;
}
int mid=(low+high)/2;
//将左半边排序
sort(a,low,mid);
//将右半边排序
sort(a, mid+1, high);
merge(a,low,mid,high);
}
/*
* 该方法先将所有元素复制到aux[]中,然后归并回a[]中,方法归并时
* 进行了4个条件判断:
* 如果左半边用尽(取右半边的元素)
* 如果右半边用尽(取左半边的元素)
* 如果右半边的当前元素小于左半边的当前元素(取右半边的元素)
* 如果右半边的当前元素大于等于左半边的当前元素(取右半边的元素)
*/
public static void merge(int[] a,int low,int mid,int high)
{
int i=low,j=mid+1;
for(int k=low;k<=high;k++)
{
aux[k]=a[k];
}
for(int k=low;k<=high;k++)
{
if(i>mid)
{a[k]=aux[j++];}
else if(j>high)
{a[k]=aux[i++];}
else if(aux[j]<aux[i])
{
a[k]=aux[j++];
}else {
a[k]=aux[i++];
}
}
}
public static void main(String[] args) {
int[] a= {4,7,5,1,9,2,6,3};
sort(a);
}
}
总结
平均时间复杂度 | 最好情况 | 最坏情况 | 空间复杂度 |
---|---|---|---|
O(nlog₂n) | O(nlog₂n) | O(nlog₂n) | O(n) |
从效率上看,归并排序可算是排序算法中的”佼佼者”. 假设数组长度为n,那么拆分数组共需logn,, 又每步都是一个普通的合并子数组的过程, 时间复杂度为O(n), 故其综合时间复杂度为O(nlogn)。另一方面, 归并排序多次递归过程中拆分的子数组需要保存在内存空间, 其空间复杂度为O(n)。
归并排序最吸引人的性质是它能够保证将任意长度为N的数组排序所需时间和NlogN成正比,它的主要缺点则是他所需的额外空间和N成正比。
8.基数排序
基数排序(Radix sort)是一种非比较型整数排序算法,其原理是将整数按位数切割成不同的数字,然后按每个位数分别比较。由于整数也可以表达字符串(比如名字或日期)和特定格式的浮点数,所以基数排序也不是只能使用于整数。
基本思想
它是这样实现的:将所有待比较数值(正整数)统一为同样的数位长度,数位较短的数前面补零。然后,从最低位开始,依次进行一次排序。这样从最低位排序一直到最高位排序完成以后,数列就变成一个有序序列。
基数排序按照优先从高位或低位来排序有两种实现方案:
-
MSD(Most significant digital) 从最左侧高位开始进行排序。先按k1排序分组, 同一组中记录, 关键码k1相等, 再对各组按k2排序分成子组, 之后, 对后面的关键码继续这样的排序分组, 直到按最次位关键码kd对各子组排序后. 再将各组连接起来, 便得到一个有序序列。MSD方式适用于位数多的序列。
-
LSD (Least significant digital)从最右侧低位开始进行排序。先从kd开始排序,再对kd-1进行排序,依次重复,直到对k1排序后便得到一个有序序列。LSD方式适用于位数少的序列。
算法描述
我们以LSD为例,从最低位开始,具体算法描述如下:
- 取得数组中的最大数,并取得位数;
- arr为原始数组,从最低位开始取每个位组成radix数组;
- 对radix进行计数排序(利用计数排序适用于小范围数的特点);
算法实现:
通过序列中各个元素的值,对排序的N个元素进行若干趟的“分配”与“收集”来实现排序。
-
分配:我们将L[i]中的元素取出,首先确定其个位上的数字,根据该数字分配到与之序号相同的桶中
-
收集:当序列中所有的元素都分配到对应的桶中,再按照顺序依次将桶中的元素收集形成新的一个待排序列L[]。对新形成的序列L[]重复执行分配和收集元素中的十位、百位…直到分配完该序列中的最高位,则排序结束
import java.util.Arrays;
public class 基数排序 {
//LSD实现
public static void sort(int[] arr)
{
if (arr.length<=1) {
return;
}
//取得数组中的最大数,并取得位数
int max=0;
for(int i=0;i<arr.length;i++)
{
if (max<arr[i]) {
max=arr[i];
}
}
int maxDigit=1;
while(max/10>0) {
maxDigit++;
max=max/10;
}
//申请桶空间
int[][] buckets=new int[10][arr.length];
int base=10;
//从低位到高位,对每一位遍历,将所有元素分配到桶中
for(int i=0;i<maxDigit;i++)
{
//记录各个桶中存储元素的数量
int[] bktLen=new int[10];
//将所有元素分配到桶中
for(int j=0;j<arr.length;j++)
{
int whichBucket=(arr[j]%base)/(base/10);
buckets[whichBucket][bktLen[whichBucket]]=arr[j];
bktLen[whichBucket]++;
}
//将不同桶里数据挨个捞出来,为下一轮高位排序(下一轮比较位数+1)做准备,由于靠近桶底的元素排名靠前,因此从桶底先捞
int k = 0;
for (int b = 0; b < buckets.length; b++) {
for (int p = 0; p < bktLen[b]; p++) {
arr[k++] = buckets[b][p];
}
}
System.out.println("Sorting: " + Arrays.toString(arr));
base *= 10;
}
}
}
总结
平均时间复杂度 | 最好情况 | 最坏情况 | 空间复杂度 |
---|---|---|---|
O(d*(n+r)) | O(d*(n+r)) | O(d*(n+r)) | O(n+r) |
其中,d 为位数,r 为基数,n 为原数组个数。在基数排序中,因为没有比较操作,所以在复杂上,最好的情况与最坏的情况在时间上是一致的,均为 O(d*(n + r))。