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:
- 2n+20 和 2n 随着 n 变大,执行曲线无限接近, 20 可以忽略
- 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:
- 2n2+3n+10 和 2n2 随着 n 变大, 执行曲线无限接近, 可以忽略 3n+10
- 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:
- 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。
- 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
- 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。
- 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)。
- 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(nk)
- 指数阶 O(2n)
常见的时间复杂度对应的图:
说明:
- 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(nk) <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。
- 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(nk)
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
- 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。
- 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。
- 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
- 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。
- 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。
- 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