05 排序算法【数据结构与算法学习笔记(Java)】

数据结构与算法（Java实现）

我的学习资料：
视频：尚硅谷Java数据结构与java算法（Java数据结构与算法）
书籍：《大话数据结构》
笔记中包括学习的内容，代码，同时自己总结了知识点速记（部分会带页内跳转，可点击跳转）供快速回顾和记忆学到的知识点。

六、排序算法（Sort Algorithm）

排序也称排序算法(SortAlgorithm)，排序是将 一组数据，依 指定的顺序进行 排列的过程。

6.1 分类

• 内部排序法（重点）
  指将需要处理的所有数据都加载到 内部存储器( 内存)中进行排序。

• 外部排序法
  数据量过大，无法全部加载到内存中，需要借助 外部存储( 文件等)进行排序。

• 常见的排序算法分类如图：
  

6.2 算法的时间复杂度

6.2.1 度量一个程序(算法)执行时间的两种方法

• 事后统计的方法
  把程序这段程序运行起来，然后计时。这种方法可行, 但是有两个问题：一是要想对设计的算法的运行性能进行评测，需要实际运行该程序；二是所得时间的统计量依赖于计算机的硬件、软件等环境因素, 这种方式，要在同一台计算机的相同状态下运行，才能比较哪个算法速度更快。

• 事前估算的方法
  通过分析某个算法的时间复杂度来判断哪个算法更优。

6.2.2 时间频度

时间频度：一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。 一个算法中的语句执行次数称为语句频度或时间频度。记为 T(n)。

• 举例说明-基本案例
  比如计算 1-100 所有数字之和, 我们设计两种算法：
  
• 举例说明-忽略常数项
  
  结论:

1. 2n+20 和 2n 随着 n 变大，执行曲线无限接近, 20 可以忽略
2. 3n+10 和 3n 随着 n 变大，执行曲线无限接近, 10 可以忽略

• 举例说明-忽略低次项
  
  结论:

1. 2n²+3n+10 和 2n² 随着 n 变大, 执行曲线无限接近, 可以忽略 3n+10
2. n²+5n+20 和 n²随着 n 变大,执行曲线无限接近, 可以忽略 5n+20

• 举例说明-忽略系数
  
  结论:

1. 随着 n 值变大，5n²+7n 和 3n² + 2n ，执行曲线重合, 说明 这种情况下, 5 和 3 可以忽略。
2. 而 n³+5n 和 6n³+4n ，执行曲线分离，说明多少次方式关键。

6.2.3 时间复杂度

1. 一般情况下， 算法中的基本操作语句的重复执行次数是问题规模 n 的某个函数，用 T(n)表示，若有某个辅助函数 f(n)，使得当 n 趋近于无穷大时，T(n) / f(n) 的极限值为不等于零的常数，则称 f(n)是 T(n)的同数量级函数。记作 T(n)= Ｏ( f(n) )，称Ｏ( f(n) ) 为算法的渐进时间复杂度，简称时间复杂度。
2. T(n) 不同，但时间复杂度可能相同。 如：T(n)=n²+7n+6 与 T(n)=3n²+2n+2 它们的 T(n) 不同，但时间复杂度相同，都为 O(n²)。
3. 计算时间复杂度的方法：

• 用常数 1 代替运行时间中的所有加法常数 T(n)=n²+7n+6 => T(n)=n²+7n+1
• 修改后的运行次数函数中，只保留最高阶项 T(n)=n²+7n+1 => T(n) = n²
• 去除最高阶项的系数 T(n) = n² => T(n) = n² => O(n²)

6.2.4 常见的时间复杂度

• 常数阶 O(1)
• 对数阶 O(log2n)
• 线性阶 O(n)
• 平方阶 O(n²)
• 立方阶 O(n³)
• k 次方阶 O(n^k)
• 指数阶 O(2ⁿ)

常见的时间复杂度对应的图:

说明：

1. 常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n²)＜Ο(n³)＜ Ο(n^k) ＜Ο(2ⁿ) ，随着问题规模 n 的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
2. 从图中可见，我们应该尽可能避免使用指数阶的算法。

• 常数阶
  
• 对数阶 O(log2n)
  
• 线性阶 O(n)
  
• 线性对数阶 O(nlogN)
  
• 平方阶 O(n²)
  
• 立方阶 O(n³)、K 次方阶 O(n^k)
  说明：参考上面的 O(n²) 去理解就好了，O(n³)相当于三层 n 循环，其它的类似

6.2.5 平均时间复杂度和最坏时间复杂度

1. 平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下，该算法的运行时间。
2. 最坏情况下的时间复杂度称最坏时间复杂度。 **一般讨论的时间复杂度均是最坏情况下的时间复杂度。**这样做的原因是：最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限，这就保证了算法的运行时间不会比最坏情况更长。
3. 平均时间复杂度和最坏时间复杂度是否一致，和算法有关(如图:)。
   

6.3 算法的空间复杂度简介

6.3.1 基本介绍

1. 类似于时间复杂度的讨论，一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间，它也是问题规模 n 的函数。
2. 空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度。有的算法需要占用的临时工作单元数与解决问题的规模 n 有关，它随着 n 的增大而增大，当 n 较大时，将占用较多的存储单元，例如快速排序和归并排序算法, 基数排序就属于这种情况。
3. 在做算法分析时，主要讨论的是时间复杂度。 从用户使用体验上看 ， 更看重的程序执行的速度。一些缓存产品(redis, memcache)和算法(基数排序)本质就是用空间换时间。

6.4 冒泡排序（Bubble Sorting）

6.4.1 基本介绍

冒泡排序（Bubble Sorting）的基本思想是：通过对待排序序列从前向后（从下标较小的元素开始）, 依次比较相邻元素的值，若发现逆序则交换，使值较大的元素逐渐从前移向后部，就象水底下的气泡一样逐渐向上冒。
优化：
因为排序的过程中，各元素不断接近自己的位置， 如果一趟比较下来没有进行过交换 ， 就说明序列有序，因此要在排序过程中设置一个标志 flag 判断元素是否进行过交换。从而减少不必要的比较。(这里说的优化，可以在冒泡排序写好后，再进行)

6.4.2 演示冒泡过程的例子（图解）

小结上面的图解过程:
(1) 一共进行 【数组的大小 - 1】 次大的循环，第i次大循环都将确定第i大的数的位置，放在倒数第i的位置上，i次大循环中需要比较的次数为【数组内未通过大循环确定位置的数-1-已经确定数的个数】，理解：因为是数两两比较，2个数比1次，3个数比2次。
(2)每一趟排序的次数在逐渐的减少
(3) 如果我们发现在某趟排序中，没有发生一次交换， 可以提前结束冒泡排序。这个就是优化。

• 代码演示冒泡排序的具体过程：
  
  第1次大循环将第1大的数10的位置确定，在倒数第1的位置上
  
  
  第2次大循环将第2大的数9的位置确定，在倒数第2的位置上
  
  以此类推，一共应该进行【数组大小-1】次大循环，即5-1=4趟：
  
  
  结果：
  

6.4.3 冒泡排序代码

冒泡排序法的时间复杂度O(n²)

public class BubbleSort {
   
    public static void main(String[] args) {
   
        int[]  arr={
   3,9,-1,10,-2};
        BubbleSort.bubbleSort(arr);
        System.out.println(Arrays.toString(arr));
    }

    public static void bubbleSort(int[] arr){
   
        int temp = 0;

        for (int i=0;i< arr.length-1;i++){
   
            
            for ( int j =0;j<arr.length-1-i;j++){
   
                if (arr[j]>arr[j+1]){
   
                    temp = arr[j];
                    arr[j]=arr[j+1];
                    arr[j+1]=temp;
                }
            }
        }
    }

}

• 运行结果
  

6.4.4 冒泡排序优化代码

优化方法：
设置一个标志标识在某次大循环中是否发生过交换，若没有发生过交换，证明已经有序，可以退出排序。

public class BubbleSort {
   
    public static void main(String[] args) {
   
        int[]  arr={
   3,9,-1,10,-2};
        BubbleSort.bubbleSort(arr);

    }

    public static void bubbleSort(int[] arr){
   
        int temp = 0;
        boolean flag =false;//标识变量，交换true，未交换false
        for (int i=0;i< arr.length-1;i++){
   

            for ( int j =0;j<arr.length-1-i;j++){
   
                if (arr[j]>arr[j+1]){
   
                    flag=true;
                    temp = arr[j];
                    arr[j]=arr[j+1];
                    arr[j+1]=temp;
                }
            }
            System.out.println("第"+(i+1)+"趟排序后的数组");
            System.out.println(Arrays.toString(arr));
            
            //进行优化的地方：如果在一趟排序中未发生过交换次序，则证明已经有序，可以退出排序
            if (flag){
   
                flag =false;//如果发生过排序flag已经变为true，需要重置为false进行下次判断
            }else{
   
                break;//如果没交换，则有序，所以退出
            }
        }
    }

}

6.4.5 冒泡排序时间测试

测试冒泡排序的速度，创建包含80000个随机数的数组。
记录开始时间和结束时间，使用System.currentTimeMillis()

    public static void main(String[] args) {
   
//        int[]  arr={3,9,-1,10,-2};
//        BubbleSort.bubbleSort(arr);
        int[] arr =new int[80000];
        for (int i=0;i<arr.length;i++){
   
            arr[i] = (int)(Math.random()*80000);//生成[0,80000)之间的数
        }

        long startTime = System