冒泡排序 Bubble Sort
排序方式:每次两两比较,大的在后面,每一趟排序都会确定一个元素的最终位置。
import java.lang.reflect.Array;
import java.util.Arrays;
import java.util.Random;
/*
完成冒泡排序的优化算法
*/
public class BubbleSort {
public static void main(String[] args) {
//向数组中加入10个随机数(inflate返回的是一个数组)
int[] bubble = inflate(10);
System.out.println("排序前数组");
//可以用Arrays.toString(),来输出数组,不需要重写toString()方法
System.out.print(Arrays.toString(bubble));
System.out.println();
System.out.println("排序后数组");
//对bubblesort数组进行冒泡排序
bubbleSort(bubble);
}
public static int[] inflate(int size){//产生随机数
Random random = new Random();//Random()类返回一个随机数
int[] ints = new int[size];
for (int j = 0; j < size ; j++) {
ints[j] = random.nextInt(1000);//产生一个1000以内的随机数
}
return ints;
}
public static void bubbleSort(int[] target){
//从小到大排列
int len = target.length - 1;//len用来代表数组的下标,0 ~ length - 1
boolean flag = true; //标志位,
for (int i = 0; i <len ; i++) {//外层循环用来计数
flag = false;//flag 表示是否进行交换
for (int j = 1; j < len; j++) {//内层循环用来完成数组交换
if(target[j - 1] > target[j]){
swap(target,j ,j-1);
flag = true;
}
}
}
for (int i = 0; i <len ; i++) {
System.out.print(target[i] +"\t");
}
}
private static void swap(int[] target, int little, int large) {
int temp ;
temp = target[little];
target[little] = target[large];
target[large] = temp;
}
}
插入排序
排序思路:在一个数组中分为三部分:1.有序序列 2.待插入元素 3.无序序列
每次将待插入元素插入有序序列,然后再令无序序列第一个元素成为待插入元素。
for (int i = 1;i < traget.length ; i++ ){ //i指向当前待插入元素,int ai = target[i];
int j;
for (j = i - 1;j >= 0 && ai < target[j] ; j-- ){
target[j + 1] = target[j]; //target[i+1—j]为无序序列,target[0— i-1]为有序序列
}
}
选择排序
排序思路:每次从无序序列中选最小值(擂台法),和第一个交换放入有序序列。public static void selectSort(int[] target) {
int len = target.length - 1;
for (int i = 0; i < len; i++) {
int minIndex = getMin(target, i, target.length - 1);
swap(target, i, minIndex);
}
}
private static int getMin(int[] target, int startPos, int endPos) {
int minIndex = startPos;
int min = target[startPos];
for (int j = startPos + 1; j <= endPos; j++) {
if (target[j] < min) {
minIndex = j;
min = target[j];
}
}
return minIndex;
}
测试:
public static int[] inflate(int size) {
int[] elements = new int[size];
Random random = new Random();
for(int i = 0; i < size; i++) {
elements[i] = random.nextInt(1000);
}
return elements;
}
public static int[] inflate(int size){
int[] elements = new int[size];
Random random = new Random();
for( int i = 0; i<size ;i++){
elements[i] = random.nextIne(1000)
}
}
归并排序(难点在 递归 )
两种归并 :1.两个数组归并成一个数组 2.一个数组,分解成单个元素,则单个元素可以看出有序的,然后两两归并第一种好理解,用两个指针,分别指向两个数组的第一个结点,然后不断比较放入新数组
第二种归并:
代码思路:先将无序数组不断分裂(递归),直到成为一个个的单个元素,然后再进行两两归并,
把每次的元素按位置给到一个新数组,然后将每次的结果返回给原数组,表示此次归并完成
public class merge {
public static void mergeSort(int[] target) {
int[] tmp = new int[target.length]; //临时数组
mergeSort(target,0,target.length - 1,tmp)
private static void mergeSort(int[] target, int start, int end, int[] tmp) {
if(start < end){
mid = (start + end) / 2;
}
//开始分解左边[0-mid]
mergeSort(target,0,mid,tmp)
//开始分解右边[mid+1,target.length-1]
mergeSort(target,mid+1,target.length -1,tmp)
//分解完了,开始归并
merge(target , start , mid , end , tmp)
}
}
public static void merge(int[] target , int start , int mid , int end , int[] tmp){
//待归并的左边
int lstart = start;
int lend = mid;
//待归并的右边
int rstart = mid + 1;
int rend = end;
int k = start;
//如果 每边的 start <= end,说明元素还没有比较完
while(lstart <= lend && rstart <= rend){
//如果一表的第一个值 < 二表的第一个值,则将一表的第一个值给到新表tmp。指针均后移
if(target[lstart] < target[rstart){
tmp[k++] = target[lstart++];
}else{
//否则将二表的第一个值给到新表
tmp[k++] = target[rstart];
}
}
//某一个表比较完了,另一个表的其他元素就是最大的一些元素了,直接放入新表
while(lstart <= lend){//表示左表还没比完
tmp[k++] = target[lstart];
}
while(rstart <= rend){
tmp[k++] = target[rstart];
}
//需要把tmp 里面的值重新给到 target,不能target = tmp,这样给到的是地址的引用
//必须要遍历赋值
for (int i = 0; i < target.length ; i++ ){
target[i] = tmp[i];
}
}
}
归并详解
归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。
这其实就是归并排序的最主要想法和实现,归并排序的做法是:
将一个数组一直对半分,问题的规模就减小了,再重复进行这个过程,直到元素的个数为一个时,一个元素就相当于是排好顺序的。
首先考虑下如何将将二个有序数列合并。这个非常简单,只要从比较二个数列的第一个数,谁小就先取谁,取了后就在对应数列中删除这个数。然后再进行比较,如果有数列为空,那直接将另一个数列的数据依次取出即可。
- //将有序数组a[]和b[]合并到c[]中
- void MemeryArray(int a[], int n, int b[], int m, int c[])
- {
- int i, j, k;
- i = j = k = 0;
- while (i < n && j < m)
- {
- if (a[i] < b[j])
- c[k++] = a[i++];
- else
- c[k++] = b[j++];
- }
- while (i < n)
- c[k++] = a[i++];
- while (j < m)
- c[k++] = b[j++];
- }
可以看出合并有序数列的效率是比较高的,可以达到O(n)。
解决了上面的合并有序数列问题,再来看归并排序,其的基本思路就是将数组分成二组A,B,如果这二组组内的数据都是有序的,那么就可以很方便的将这二组数据进行排序。如何让这二组组内数据有序了?
可以将A,B组各自再分成二组。依次类推,当分出来的小组只有一个数据时,可以认为这个小组组内已经达到了有序,然后再合并相邻的二个小组就可以了。这样通过先递归的分解数列,再合并数列就完成了归并排序。
- //将有二个有序数列a[first...mid]和a[mid...last]合并。
- void mergearray(int a[], int first, int mid, int last, int temp[])
- {
- int i = first, j = mid + 1;
- int m = mid, n = last;
- int k = 0;
- while (i <= m && j <= n)
- {
- if (a[i] <= a[j])
- temp[k++] = a[i++];
- else
- temp[k++] = a[j++];
- }
- while (i <= m)
- temp[k++] = a[i++];
- while (j <= n)
- temp[k++] = a[j++];
- for (i = 0; i < k; i++)
- a[first + i] = temp[i];
- }
- void mergesort(int a[], int first, int last, int temp[])
- {
- if (first < last)
- {
- int mid = (first + last) / 2;
- mergesort(a, first, mid, temp); //左边有序
- mergesort(a, mid + 1, last, temp); //右边有序
- mergearray(a, first, mid, last, temp); //再将二个有序数列合并
- }
- }
- bool MergeSort(int a[], int n)
- {
- int *p = new int[n];
- if (p == NULL)
- return false;
- mergesort(a, 0, n - 1, p);
- delete[] p;
- return true;
- }
归并排序的效率是比较高的,设数列长为N,将数列分开成小数列一共要logN步,每步都是一个合并有序数列的过程,时间复杂度可以记为O(N),故一共为O(N*logN)。因为归并排序每次都是在相邻的数据中进行操作,所以归并排序在O(N*logN)的几种排序方法(快速排序,归并排序,希尔排序,堆排序)也是效率比较高的。
在本人电脑上对冒泡排序,直接插入排序,归并排序及直接使用系统的qsort()进行比较(均在Release版本下)
对20000个随机数据进行测试:
对50000个随机数据进行测试:
再对200000个随机数据进行测试:
注:有的书上是在mergearray()合并有序数列时分配临时数组,但是过多的new操作会非常费时。因此作了下小小的变化。只在MergeSort()中new一个临时数组。后面的操作都共用这一个临时数组
排序详细过程的代码实现:
基本思想
n个记录的文件的直接选择排序可经过n-1趟直接选择排序得到有序结果:
- 初始状态:无序区为R[1..n],有序区为空。
- 第1趟排序: 在无序区R[1..n]中选出关键字最小的记录R[k],将它与无序区的第1个记录R[1] 交换,使R[1..1]和R[2..n]分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区。
- ……
- 第i趟排序: 第i趟排序开始时,当前有序区和无序区分别为R[1..i-1]和R[i..n](1≤i≤n-1)。 该趟排序从当前无序区中选出关键字最小的记录R[k],将它与无序区的第1个记录R[i]交换,使R[1..i] 和R[i+1..n]分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区。
这样,n个记录的文件的直接选择排序可经过n-1趟直接选择排序得到有序结果。
算法实现
归并排序算法,Java实现,代码如下所示:
public abstract class Sorter { public abstract void sort(int[] array); } public class MergeSorter extends Sorter { @Override public void sort(int[] array) { int[] auxArray = new int[array.length]; mergeSort(array, auxArray, 0, array.length - 1); } /** * 基于分治思想,执行归并排序 * @param low 待排序数组下标下界 * @param high 待排序数组下标上界 */ private void mergeSort(int[] array, int[] auxArray, int low, int high) { int dividedIndex = 0; // 分治位置索引变量 if (low < high) { dividedIndex = (low + high) / 2; // 计算分治位置(采用简单的二分思想) mergeSort(array, auxArray, low, dividedIndex); // 左侧递归归并排序 mergeSort(array, auxArray, dividedIndex + 1, high); // 右侧递归归并排序 merge(array, auxArray, low, dividedIndex, high); // 合并分治结果 } } private void merge(int[] array, int[] auxArray, int low, int dividedIndex, int high) { int i = low; // 指向左半分区数组的指针 int j = dividedIndex + 1; // 指向右半分区数组的指针 int auxPtr = 0; // 指向辅助区数组的指针 // 合并两个有序数组:array[low..dividedIndex]与array[dividedIndex+1..high]。 while (i <= dividedIndex && j <= high) { // 将两个有序的数组合并,排序到辅助数组auxArray中 // 左侧数组array[low..dividedIndex]中的array[i]大于右侧数组array[dividedIndex+1..high]中的array[j] if (array[i] > array[j]) { auxArray[auxPtr++] = array[j++]; } else { auxArray[auxPtr++] = array[i++]; } } // 如果array[low..dividedIndex].length>array[dividedIndex+1..high].length,经过上面合并 // array[low..dividedIndex]没有合并完, //则直接将array[low..dividedIndex]中没有合并的元素复制到辅助数组auxArray中去 while (i <= dividedIndex) { auxArray[auxPtr++] = array[i++]; } // 如果array[low..dividedIndex].length<array[dividedIndex+1..high].length,经过上面合并 // array[dividedIndex+1..high]没有合并完, //则直接将array[dividedIndex+1..high]中没有合并的元素复制到辅助数组auxArray中去 while (j <= high) { auxArray[auxPtr++] = array[j++]; } // 最后把辅助数组auxArray的元素复制到原来的数组中去,归并排序结束 for (auxPtr = 0, i = low; i <= high; i++, auxPtr++) { array[i] = auxArray[auxPtr]; } } }
假设待排序数组为array = {94,12,34,76,26,9,0,37,55,76,37,5,68,83,90,37,12,65,76,49},数组大小为20,我们以该数组为例,执行归并排序的具体过程,如下所示:
[94,12,34,76,26,9,0,37,55,76, 37,5,68,83,90,37,12,65,76,49]
[94,12,34,76,26, 9,0,37,55,76]
[94,12,34, 76,26]
[94,12, 34]
[94, 12]
{12, 94}
{12,34, 94}
[76, 26]
{26, 76}
{12,26,34, 76,94}
[9,0,37, 55,76]
[9,0, 37]
[9, 0]
{0, 9}
{0,9, 37}
[55, 76]
{55, 76}
{0,9,37, 55,76}
{0,9,12,26,34, 37,55,76,76,94}
[37,5,68,83,90, 37,12,65,76,49]
[37,5,68, 83,90]
[37,5, 68]
[37, 5]
{5, 37}
{5,37, 68}
[83, 90]
{83, 90}
{5,37,68, 83,90}
[37,12,65, 76,49]
[37,12, 65]
[37, 12 ]
{12, 37 }
{12,37, 65 }
[76, 49 ]
{49, 76}
{12,37,49, 65,76}
{5,12,37,37,49, 65,68,76,83,90}
{0,5,9,12,12,26,34,37,37,37, 49,55,65,68,76,76,76,83,90,94}
上面示例的排序过程中,方括号表示“分解”操作过程中,将原始数组进行递归分解,直到不能再继续分割为止;花括号表示“归并”的过程,将上一步分解后的数组进行归并排序。因为采用递归分治的策略,所以从上面的排序过程可以看到,“分解”和“归并”交叉出现。
算法分析:
- 时间复杂度
对长度为n的文件,需进行FLOOR(logn) 趟二路归并,每趟归并的时间为O(n),故其时间复杂度无论是在最好情况下还是在最坏情况下均是O(nlgn)。
- 空间复杂度
需要一个辅助向量来暂存两有序子文件归并的结果,故其辅助空间复杂度为O(n),显然它不是就地排序。
- 排序稳定性
归并排序是一种稳定的排序。
转载原地址:http://shiyanjun.cn/archives/820.html
- //归并排序复杂度分析:
- 一趟归并需要将待排序列中的所有记录 扫描一遍,因此耗费时间为O(n),而由完全二叉树的深度可知, 整个归并排序需要进行[log2n],因此,总的时间复杂度为 O(nlogn),而且这是归并排序算法中最好、最坏平均的时间性能
- //空间复杂度:由于归并过程中需要与原始记录序列同样数量级的 存储空间去存放归并结果及递归深度为log2N的栈空间,因此空间复杂度为O(n+logN)
- //也就是说,归并排序是一种比较占内存,但却效率高且稳定的算法
迭代法
非递归的方法,避免了递归时深度为log2N的栈空间,空间只是用到归并临时申请的跟原来数组一样大小的空间,并且在时间性能上也有一定的提升,因此,使用归并排序是,尽量考虑用非递归的方法。
#include<stdio.h>#include<stdlib.h>
#define MAXSIZE 10
void MergeSort(int k[],int n)
{
int i,next,left_min,left_max,right_min,right_max;
//开辟一个与原来数组一样大小的空间用来存储用
int *temp = (int *)malloc(n * sizeof(int));
//逐级上升,第一次比较2个,第二次比较4个,第三次比较8个。。。
for(i=1; i<n; i*=2)
{
//每次都从0开始,数组的头元素开始
for(left_min=0; left_min<n-i; left_min = right_max)
{
right_min = left_max = left_min + i;
right_max = left_max + i;
//右边的下标最大值只能为n
if(right_max>n)
{
right_max = n;
}
//next是用来标志temp数组下标的,由于每次数据都有返回到K,
//故每次开始得重新置零
next = 0;
//如果左边的数据还没达到分割线且右边的数组没到达分割线,开始循环
while(left_min<left_max&&right_min<right_max)
{
if(k[left_min] < k[right_min])
{
temp[next++] = k[left_min++];
}
else
{
temp[next++] = k[right_min++];
}
}
//上面循环结束的条件有两个,如果是左边的游标尚未到达,那么需要把
//数组接回去,可能会有疑问,那如果右边的没到达呢,其实模拟一下就可以
//知道,如果右边没到达,那么说明右边的数据比较大,这时也就不用移动位置了
while(left_min < left_max)
{
//如果left_min小于left_max,说明现在左边的数据比较大
//直接把它们接到数组的min之前就行
k[--right_min] = k[--left_max];
}
while(next>0)
{
//把排好序的那部分数组返回该k
k[--right_min] = temp[--next];
}
}
}
}
int main(){
int i,a[10] = {5,2,6,0,3,9,1,7,4,8};
MergeSort(a,10);
printf("排序后的结果是:");
for(i=0; i<10; i++)
{
printf("%d",a[i]);
}
printf("\n\n");
return 0;
}
快速排序
快排的思路:每次选取无序数组的第一个数代码实现:
public class Sorts {
public static void quickSort(int[] target) {
quickSort(target, 0, target.length - 1);
}
private static void quickSort(int[] target, int start, int end) {
if(start < end) {
int pivot = target[start];
int pivotPostion = partion(target, start, end, pivot);
//左表
quickSort(target, start, pivotPostion - 1);
//右表
quickSort(target, pivotPostion + 1, end);
}
}
private static int partion(int[] target, int start, int end, int value) {
int pivot = value;
//其实,看上去形式上是双重循环,但实质上一个循环的效果,
// 是因为循环的终结条件只考虑是否遍历完数组的条件(start < end)
while(start < end) {
while(start < end && target[end] >= pivot) end--;
target[start] = target[end];
while(start < end && target[start] < pivot) start++;
target[end] = target[start];
}
target[start] = pivot;
return start;
}
}
测试:
public class Test {
public static void main(String[] args) {
int[] elments = inflate(10);
//对比
System.out.println("origin is : " + Arrays.toString(elments));
Sort.quickSort(elements);
System.out.println("after is : " + Arrays.toString(elments));
}
//产生随机数
public static int[] inflate(int size) {
int[] elements = new int[size];
Random random = new Random();
for(int i = 0; i < size; i++) {
elements[i] = random.nextInt(1000);
}
return elements;
}
}
堆排序(难点在理解 建堆过程)
代码思路:
1.先建堆(大根堆满足:父节点大于儿子结点,Ki >= K(2i) , Ki >= K(2i+1))
2.然后将堆的根节点和最后一个元素对换,然后 size--,表示最大的元素已经删除出数组
3.然后再重新构建大根堆,然后再重复步骤2
难点:1.如何删除堆顶元素
2.如何重构堆
代码实现:
import java.lang.annotation.ElementType;
import java.util.Arrays;
public class HomeWork1_Heap {
//成员变量
int[] elements;
int size;
//构造方法
public HomeWork1_Heap(int[] target){
int len = target.length;
int[] temp = new int[len + 1];
System.arraycopy(target,0, temp ,1, len);
elements = temp;
size = len;
heapify();
}
//构造堆
public void heapify(){
for (int i = size / 2; i >= 1 ; i--) {
fixDown(i,size);
}
}
//堆排序
public void heapSort(){
for (int i = size; i > 1 ; ) {
//交换第一个和最后一个元素
swap(elements,1, i);
//elements中元素个数减少一个
i--;
//再重新构造堆
fixDown(1,i);
}
}
private void fixDown(int index , int size) {
if(index <= size) {
int child = 2 * index;
if(child > size) {
return;
}
if(child + 1 <= size && elements[child + 1] > elements[child]) {
child++;
}
if(elements[index] < elements[child]) {
swap(elements, index, child);
fixDown(child,size);
}
}
}
private void swap(int[] elements, int child, int index) {
int tmp;
tmp = elements[child];
elements[child] = elements[index];
elements[index] = tmp;
}
//重写toString
public String toString(){
StringBuilder builder = new StringBuilder();
if(size == 0){
builder.append("[]");
}
builder.append("[");
for (int i = 1; i < size ; i++) {
builder.append(elements[i]+" ");
builder.append(",");
}
builder.append(elements[size]);
builder.append("]");
return builder.toString();
}
}
测试:
public class TestHeap {
public static void main(String[] args) {
int[] arr = {20,50,30,80,10,60};
//已经在new的时候构造好了堆
HomeWork1_Heap homeWork1_heap = new HomeWork1_Heap(arr);
System.out.println("原始堆为" + homeWork1_heap);
//进行堆排序
homeWork1_heap.heapSort();
System.out.println("排序后" + homeWork1_heap);
//如果用默认的输出结果是 [0,....],因为index是从1开始的,所以0号位为默认值
System.out.println("排序后" + Arrays.toString(homeWork1_heap.elements));
}
}
输出结果:
原始堆为[80 ,50 ,60 ,20 ,10 ,30]
排序后[10 ,20 ,30 ,50 ,60 ,80]
排序后[0, 10, 20, 30, 50, 60, 80]