8大排序算法

排序算法

排序算法的介绍

排序也称排序算法(Sort Algorithm)，排序是将一组数据，依指定的顺序进行排列的过程。

排序的分类：

• 内部排序: 指将需要处理的所有数据都加载到内部存储器中进行排序。
• 外部排序法：数据量过大，无法全部加载到内存中，需要借助外部存储进行排序。

常见的排序算法分类（8类）

算法的时间复杂度

度量一个程序(算法)执行时间的两种方法：

• 事后统计的方法。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，要在同一台计算的相同状态下运行，才能比较那个算法速度更快。
• 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。

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)
比如:计算1-100所有数字之和, 设计两种算法：

时间频度的计算：
T(n)=2n^3 +n^2 +3
忽略常数项、忽略低次项、忽略系数，即T(n)=n^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)

常见的时间复杂度

1. 常数阶O(1)
2. 对数阶O(log₂n)
3. 线性阶O(n)
4. 线性对数阶O(nlog₂n)
5. 平方阶O(n^2)
6. 立方阶O(n^3)
7. k次方阶O(n^k)
8. 指数阶O(2^n)
   

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(n^2)＜Ο(n^3)＜ Ο(n^k) ＜Ο(2^n) ，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

举例说明：

（1）常数阶O(1)

上述代码在执行的时候，它消耗的时候并不随着某个变量的增长而增长，那么无论这类代码有多长，即使有几万几十万行，只要是没有循环等复杂结构，都可以用O(1)来表示它的时间复杂度。

（2）对数阶O(log₂n)

在while循环里面，每次都将 i 乘以 2，乘完之后，i 距离 n 就越来越近了。假设循环x次之后，i 就大于 2 了，此时这个循环就退出了，也就是说 2 的 x 次方等于 n，那么 x = log₂n；也就是说当循环 log₂n 次以后，这个代码就结束了。
因此这个代码的时间复杂度为：O(log₂n) 。 O(log₂n) 的这个2，时间上是根据代码变化的，若 i = i * 3 ，则时间复杂度是 O(log₃n)

（3）线性阶O(n)

这段代码，for循环里面的代码会执行n遍，因此它消耗的时间是随着n的变化而变化的，因此这类代码都可以用O(n)来表示它的时间复杂度

（4）线性对数阶O(nlog_aN)

线性对数阶O(nlog_aN) 其实非常容易理解，就是将时间复杂度为O(log_an)的代码循环N遍，它的时间复杂度就是 n * O(log_aN)，也就是了O(nlog_aN)

（5）平方阶O(n²)

平方阶O(n²) 就更容易理解了，如果把 O(n) 的代码再嵌套循环一遍，它的时间复杂度就是 O(n²)，这段代码其实就是嵌套了2层n循环，它的时间复杂度就是 O(nn)，即 O(n²) 如果将其中一层循环的n改成m，那它的时间复杂度就变成了 O(mn)
（6）立方阶O(n³)、K次方阶O(n^k)。和平方阶同理

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:)。

算法的空间复杂度

• 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。

交换排序

冒泡排序

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，若发现逆序则交换该两元素，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。
一个小优化：
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。

冒泡排序应用实例：
将五个无序的数：3, 9, -1, 10, -2 使用冒泡排序法将其排成一个从小到大的有序数列。

图解思路：

代码实现：

package com.atguigu.sort;

import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;

/**
 * @author Mustang
 * @create 2022-05-10 19:34
 */
public class BubbleSort4 {

    public static void main(String[] args) {

        //测试是否正确
        int[] array = {3, 9, -1, 10, -2};
        System.out.println("排序前：");
        System.out.println(Arrays.toString(array));
        bubbleSort(array);
        System.out.println("排序后：");
        System.out.println(Arrays.toString(array));

        //测速
        int[] arr1 = new int[80000];
        for (int i = 0; i < 80000; i++) {
            arr1[i] = (int) (Math.random() * 8000000);
        }
        Date date1 = new Date();
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss+SSS");
        String ft1 = sdf.format(date1);
        System.out.println("冒泡排序前时间：" + ft1 + "(ms)");
        bubbleSort(arr1);
        Date date2 = new Date();
        String ft2 = sdf.format(date2);
        System.out.println("冒泡排序后时间：" + ft2 + "(ms)");
    }

    //冒泡排序
    public static void bubbleSort(int[] array) {
        int temp = 0;
        //标识变量，表示是否进行过交换
        boolean flag = false;
        for (int i = 0; i < array.length - 1; i++) { //n个数需排n-1趟
            for (int j = 0; j < array.length - 1 - i; j++) { //每一趟次数逐渐减少
                if (array[j] > array[j + 1]) {
                    flag = true;
                    temp = array[j];
                    array[j] = array[j + 1];
                    array[j + 1] = temp;
                }
            }
            if (!flag) {
                break;
            } else {
                //重置flag,进行下次判断
                flag = false;
            }
        }
    }
}

运行结果

快速排序

快速排序（Quicksort）是对冒泡排序的一种改进。基本思想是：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列

快速排序法示意图:

应用实例：
对 [-9,78,0,23,-567,70] 进行从小到大的排序，要求使用快速排序法
思路图解：

代码实现：

package com.atguigu.sort;

import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;

/**
 * @author Mustang
 * @create 2022-05-10 22:37
 */
public class QuickSort5 {

    public static void main(String[] args) {

        //测试是否正确
        int[] arr = {-9, 78, 0, -567, 23, 70, -1, 23, 4561};
//        int[] arr = {-9, 78, 0, -567, 23, 70};
        System.out.println("快速排序前：");
        System.out.println(Arrays.toString(arr));
        quickSort(arr, 0, arr.length - 1);
        System.out.println("快速排序后：");
        System.out.println(Arrays.toString(arr));

        //测速
        int[] arr1 = new int[80000];
        for (int i = 0; i < arr1.length; i++) {
            arr1[i] = (int) (Math.random() * 8000000);
        }
        Date date1 = new Date();
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss+SSS");
        String ft1 = sdf.format(date1);
        System.out.println("快速排序前时间：" + ft1);
        quickSort(arr1, 0, arr1.length - 1);
        Date date2 = new Date();
        String ft2 = sdf.format(date2);
        System.out.println("快速排序后时间：" + ft2);
    }

    /**
     * 快排
     *
     * @param arr
     * @param left  数组左下标,初始是数组首索引
     * @param right 数组右下标,初始是数组末索引
     */
    public static void quickSort(int[] arr, int left, int right) {

        int l = left;
        int r = right;
        //中轴值
        int pivot = arr[(left + right) / 2];
        int temp = 0;

        //while循环的目的是让比pivot值小的放到左边，比pivot值大的放到右边
        while (l < r) {
            //在pivot值的左边一直找,找到大于等于pivot值再退出
            while (arr[l] < pivot) {
                l += 1;
            }
            //在pivot值的右边一直找,找到小于等于pivot值,才退出
            while (arr[r] > pivot) {
                r -= 1;
            }
            //如果 l >= r 说明pivot左右两边的值，已经按照左边全部是小于等于pivot值，右边全部是大于等于pivot值放好
            if (l >= r) {
                break;
            }
            //交换左右两边的元素
            temp = arr[l];
            arr[l] = arr[r];
            arr[r] = temp;

            //一个小优化：若值相等，则下一轮while循环不用再去比较它，因为上面的代码已经比较过了。
            //如果交换完后，发现这个 arr[l] == pivot值相等,则 r--，前移；
            //因为交换之后右边的值一定大于等于pivot值，所以下一轮while循环不用再去比较右边的值
            if (arr[l] == pivot) {
                r -= 1;
            }
            //如果交换完后，发现这个arr[r] == pivot值相等,则 l++，后移
            if (arr[r] == pivot) {
                l += 1;
            }
            //注意：直接r--,l++是错误的写法，会出现栈溢出
            //r--;
            //l++;
        }
        //如果 l == r,则必须 l++, r--,否则出现栈溢出
        if (l == r) {
            l += 1;
            r -= 1;
        }
        //向左递归
        if (left < r) {
            quickSort(arr, left, r);
        }
        //向右递归
        if (right > l) {
            quickSort(arr, l, right);
        }
    }
}

运行结果：可见速度比冒泡排序快了6-7倍！！！

插入排序

插入式排序属于内部排序法，是对于欲排序的元素以插入的方式找寻该元素的适当位置，以达到排序的目的。

直接插入排序

直接插入排序（Insertion Sorting）的基本思想是：把n个待排序的元素看成为一个有序表和一个无序表，开始时有序表中只包含一个元素，无序表中包含有n-1个元素，排序过程中每次从无序表中取出第一个元素，把它的排序码依次与有序表元素的排序码进行比较，将它插入到有序表中的适当位置，使之成为新的有序表。
直接插入排序思路图:

应用实例:
有一群小牛, 考试成绩分别是 101, 34, 119, 1 请从小到大排序

代码实现：

package com.atguigu.sort;

import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;

/**
 * @author Mustang
 * @create 2022-05-11 8:57
 */
public class InsertSort4 {

    public static void main(String[] args) {
        int[] arr = {20, 10, 5, 70, 40};
        System.out.println("排序前：");
        System.out.println(Arrays.toString(arr));
        insertSort(arr);
        System.out.println("排序后：");
        System.out.println(Arrays.toString(arr));

        int[] arr1 = new int[80000];
        for (int i = 0; i < arr1.length; i++) {
            arr1[i] = (int) (Math.random() * 8000000);
        }
        Date date1 = new Date();
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss+SSS");
        String ft1 = sdf.format(date1);
        System.out.println("直接插入排序前时间：" + ft1);
        insertSort(arr1);
        Date date2 = new Date();
        String ft2 = sdf.format(date2);
        System.out.println("直接插入排序后时间：" + ft2);
    }


    //直接插入排序（从小到大）
    public static void insertSort(int[] arr) {
        //待插入的数(无序表中的第一个元素)
        int insertVal = 0;
        //待插入的数要插入的索引位置(有序表中的索引位置)
        int insertIndex = 0;
        for (int i = 1; i < arr.length; i++) {
            insertVal = arr[i];
            insertIndex = i - 1;
            //给insertVal在有序表中找到合适的插入的位置（一一和有序表中的元素相比较,从有序表中的末端开始比较到首端）
            //1.insertIndex >= 0 保证在给insertVal找插入位置时不越界
            //2.insertVal < arr[insertIndex] 表示待插入的数，还没有找到插入位置
            //3.就需要将 arr[insertIndex] 后移
            while (insertIndex >= 0 && insertVal > arr[insertIndex]) {
                arr[insertIndex + 1] = arr[insertIndex];
                insertIndex--;
            }
            //当退出while循环时，说明插入的位置找到, insertIndex + 1
            //判断是否需要赋值,等于i时是它本身，不用交换元素
            if (insertIndex + 1 != i) {
                arr[insertIndex + 1] = insertVal;
            }
        }
    }
}

运行结果：感觉比快排稍微差一点~~

希尔排序

直接插入排序可能存在的问题：

• 数组 arr = {2,3,4,5,6,1} 这时需要插入的数 1(最小), 这样的过程是：
  • {2,3,4,5,6,6}
  • {2,3,4,5,5,6}
  • {2,3,4,4,5,6}
  • {2,3,3,4,5,6}
  • {2,2,3,4,5,6}
  • {1,2,3,4,5,6}

结论: 当需要插入的数是较小的数时，后移的次数明显增多，对效率有影响.

介绍：
希尔排序是希尔（Donald Shell）于1959年提出的一种排序算法。希尔排序也是一种插入排序，它是直接插入排序经过改进之后的一个更高效的版本，也称为缩小增量排序。

基本思想：
希尔排序是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法便终止

希尔排序示意图：

代码实现：

package com.atguigu.sort;

import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;

/**
 * @author ysxstart
 * @create 2022-03-27 12:33
 * 希尔排序移动法
 */
public class ShellSort3 {

    public static void main(String[] args) {
        
        int[] arr = {8, 9, 1, 7, 2, 3, 5, 4, 6, 0};
        shellSort(arr);
        
        //测速
        int[] arr1 = new int[80000];
        for (int i = 0; i < 80000; i++) {
            arr1[i] = (int) (Math.random() * 8000000);
        }
        Date date1 = new Date();
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss+SSS");
        String ft1 = sdf.format(date1);
        System.out.println("shell排序前时间：" + ft1 + "(ms)");
        shellSort(arr1);
        Date date2 = new Date();
        String ft2 = sdf.format(date2);
        System.out.println("shell排序后时间：" + ft2 + "(ms)");
    }

    public static void shellSort(int[] arr) {
        int insertVal = 0;
        int insertIndex = 0;
        int count = 0;
        //缩小增量,分组
        for (int gap = arr.length / 2; gap > 0; gap /= 2) {
            //每组使用直接插入排序
            for (int i = gap; i < arr.length; i++) {
                insertVal = arr[i];
                insertIndex = i - gap;
                while (insertIndex >= 0 && insertVal < arr[insertIndex]) {
                    arr[insertIndex + gap] = arr[insertIndex];
                    insertIndex -= gap;
                }
                if (insertIndex + gap != i) {
                    arr[insertIndex + gap] = insertVal;
                }
            }
//            System.out.println("希尔排序第" + (++count) + "轮后：" + Arrays.toString(arr));
        }
    }
}

运行结果：和直接插入排序相比明显提高了效率，和快排差不多~~

选择排序

选择式排序也属于内部排序法，是从欲排序的数据中，按指定的规则选出某一元素，再依规定交换位置后达到排序的目的。

简单选择排序

简单选择排序（select sorting）也是一种简单的排序方法。它的基本思想是：

• 第一次从arr[0]->arr[n-1]中选取最小值，与arr[0]交换，
• 第二次从arr[1]->arr[n-1]中选取最小值，与arr[1]交换，
• 第三次从arr[2]->arr[n-1]中选取最小值，与arr[2]交换，…，
• 第i次从arr[i-1]->arr[n-1]中选取最小值，与arr[i-1]交换，…，
• 第n-1次从arr[n-2]->arr[n-1]中选取最小值，与arr[n-2]交换，总共通过n-1次，得到一个按排序码从小到大排列的有序序列。

图解：

应用实例:
有一群牛 , 颜值分别是 101, 34, 119, 1 请使用选择排序从低到高进行排序 [101, 34, 119, 1]
思路图解：

代码实现：

package com.atguigu.sort;

import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;

/**
 * @author Mustang
 * @create 2022-05-11 19:11
 */
public class SelectSort4 {

    public static void main(String[] args) {
        int[] array = {101, 34, 119, 1, -1, 90, 123};
        System.out.println("排序前：");
        System.out.println(Arrays.toString(array));
        selectSort(array);
        System.out.println("排序后：");
        System.out.println(Arrays.toString(array));

        //测速
        int[] arr1 = new int[80000];
        for (int i = 0; i < 80000; i++) {
            arr1[i] = (int) (Math.random() * 8000000);
        }
        Date date1 = new Date();
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss+SSS");
        String ft1 = sdf.format(date1);
        System.out.println("简单选择排序前时间：" + ft1 + "(ms)");
        selectSort(arr1);
        Date date2 = new Date();
        String ft2 = sdf.format(date2);
        System.out.println("简单选择排序后时间：" + ft2 + "(ms)");
    }

    public static void selectSort(int[] arr) {
        for (int i = 0; i < arr.length - 1; i++) {
            //最小数组元素值
            int min = arr[i];
            //最小数组元素索引
            int minIndex = i;
            for (int j = i + 1; j < arr.length; j++) {
                if (min > arr[j]) { //说明假定的最小值，并不是最小
                    min = arr[j]; //重置min
                    minIndex = j; //重置minIndex
                }
            }
            //for循环结束就找到了数组中最小的值
            if (minIndex != i) { //交换值
                arr[minIndex] = arr[i];
                arr[i] = min;
            }
        }
    }
}

运行结果：比冒泡快，比希尔慢~~

堆排序（二叉树）

学习堆排序需先要有树的知识，堆排序是二叉树的一种实际应用

堆排序基本介绍

• 堆排序是利用堆这种数据结构而设计的一种排序算法，堆排序是一种选择排序，它的最坏，最好，平均时间复杂度均为O(nlogn)，它也是不稳定排序。
• 堆是具有以下性质的完全二叉树：每个结点的值都大于或等于其左右孩子结点的值，称为大顶堆, 注意 : 没有要求结点的左孩子的值和右孩子的值的大小关系。
• 每个结点的值都小于或等于其左右孩子结点的值，称为小顶堆

大顶堆举例说明：

对堆中的结点按层进行编号，映射到数组中就是下面这个样子:

大顶堆特点：arr[i] >= arr[2*i+1] && arr[i] >= arr[2*i+2] ;其中 i对应第几个节点，i从0开始编号，2*i+1是左子树的编号，2*i+2是右子树的编号。即每个结点的值都大于或等于其左右孩子结点的值

小顶堆举例说明：

小顶堆特点：arr[i] <= arr[2*i+1] && arr[i] <= arr[2*i+2] ;其中 i对应第几个节点，i从0开始编号，2*i+1是左子树的编号，2*i+2是右子树的编号。即每个结点的值都小于或等于其左右孩子结点的值

排序时：一般升序采用大顶堆，降序采用小顶堆

堆排序基本思想：

• 将待排序序列构造成一个大顶堆
• 此时，整个序列的最大值就是堆顶的根节点。
• 将其与末尾元素进行交换，此时末尾就为最大值。
• 然后将剩余n-1个元素重新构造成一个堆，这样会得到n个元素的次小值。如此反复执行，便能得到一个有序序列了。

可以看到在构建大顶堆的过程中，元素的个数逐渐减少，最后就得到一个有序序列了.

堆排序应用实例：

给你一个数组 {4,6,8,5,9} , 要求使用堆排序法，将数组升序排序

步骤图解：

步骤一：
构造初始堆。将给定无序序列构造成一个大顶堆（一般升序采用大顶堆，降序采用小顶堆)。

1. 假设给定无序序列结构如下
   

2. 此时从最后一个非叶子结点开始（叶结点自然不用调整，第一个非叶子结点 arr.length/2-1=5/2-1=1，也就是下面的6结点），从左至右，从下至上进行调整。
   

3. 找到第二个非叶节点4，由于[4,9,8]中9元素最大，4和9交换。
   

4. 这时，交换导致了子根[4,5,6]结构混乱，继续调整，[4,5,6]中6最大，交换4和6。
   

此时，我们就将一个无序序列构造成了一个大顶堆。

步骤二：
将堆顶元素与末尾元素进行交换，使末尾元素最大。然后继续调整堆，再将堆顶元素与末尾元素交换，得到第二大元素。如此反复进行交换、重建、交换。

1. 将堆顶元素9和末尾元素4进行交换
   

2. 重新调整结构，使其继续满足堆定义
   

3. 再将堆顶元素8与末尾元素5进行交换，得到第二大元素8.
   

4. 后续过程，继续进行调整，交换，如此反复进行，最终使得整个序列有序
   

再简单总结下堆排序的基本思路：
1).将无序序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆;
2).将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端;
3).重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，反复执行调整+交换步骤，直到整个序列有序。

代码实现：

package com.atguigu.tree;

import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;

/**
 * @author Mustang
 * @create 2022-05-11 19:50
 */
public class HeapSort3 {

    public static void main(String[] args) {
        //要求将数组进行升序排序
        int[] arr = {4, 6, 8, 5, 9};
        heapSort(arr);

        //测速
        int[] arr1 = new int[80000];
        for (int i = 0; i < 80000; i++) {
            arr1[i] = (int) (Math.random() * 8000000);
        }
        Date date1 = new Date();
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss+SSS");
        String ft1 = sdf.format(date1);
        System.out.println("堆排序前时间：" + ft1 + "(ms)");
        heapSort(arr1);
        Date date2 = new Date();
        String ft2 = sdf.format(date2);
        System.out.println("堆排序后时间：" + ft2 + "(ms)");
    }

    //堆排序方法
    public static void heapSort(int[] arr) {
        int temp = 0;
        System.out.println("Heap Sort begin~~");
        // 1).将无序序列构建成一个堆，根据升序选择大顶堆; (i = arr.length / 2 - 1)寻找最后一个非叶子节点
        for (int i = arr.length / 2 - 1; i >= 0; i--) {
            adjustHeap(arr, i, arr.length);
        }
        // 2).将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端;
        // 3).重新调整结构，使其满足堆定义;然后继续交换堆顶元素与当前末尾元素，反复执行调整+交换步骤，直到整个序列有序。
        for (int i = arr.length - 1; i > 0; i--) {
            //交换
            temp = arr[i];
            arr[i] = arr[0];
            arr[0] = temp;
            //继续调整
            adjustHeap(arr, 0, i);
        }
//        System.out.println("数组：" + Arrays.toString(arr));
    }

    /**
     * 将一个数组(二叉树), 调整成一个大顶堆
     *
     * @param arr    待调整的数组
     * @param i      表示非叶子结点（子树）在数组中的索引
     * @param length 表示对多少个元素继续调整， length是在逐渐的减少
     */
    private static void adjustHeap(int[] arr, int i, int length) {
        //先取出当前元素(非叶子节点)的值
        int temp = arr[i];
        // k = i * 2 + 1 ,k是 i结点的左子结点
        for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {
            //i子树从左->右，从下->上的顺序构建大顶推
            if (k + 1 < length && arr[k] < arr[k + 1]) { //说明左子结点的值小于右子结点的值
                k++; //k指向右子结点
            }
            if (arr[k] > temp) { //子结点大于父结点
                arr[i] = arr[k]; //把子结点的值赋给父结点
                i = k; //!!! i指向k,继续循环比较
            } else {
                break;
            }
        }
        //当 for循环结束后，已经将以 i为父结点的树的最大值放在了最顶(局部)
        arr[i] = temp; //将temp值放到调整后的位置
    }
}

运行结果：比快排还快！！！

把数据从8万增加到800万

int[] arr1 = new int[8000000];
for (int i = 0; i < 8000000; i++) {
    arr1[i] = (int) (Math.random() * 800000000);
}

再看速度：快！！

归并排序

归并排序介绍:

归并排序（MERGE-SORT）是利用归并的思想实现的排序方法，该算法采用经典的分治（divide-and-conquer）策略（分治法将问题分(divide)成一些小的问题然后递归求解，而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起，即分而治之)。

归并排序思想示意图1-基本思想:

归并排序思想示意图2-合并相邻有序子序列:
再来看看治阶段，我们需要将两个已经有序的子序列合并成一个有序序列，比如上图中的最后一次合并，要将[4,5,7,8]和[1,2,3,6]两个已经有序的子序列，合并为最终序列[1,2,3,4,5,6,7,8]，来看下实现步骤：

对数组[8,4,5,7,1,3,6,2]进行归并排序
代码实现：从代码中看出，有一个临时数组temp，因此归并排序会占用额外的存储空间

package com.atguigu.sort;

import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;

/**
 * @author Mustang
 * @create 2022-05-11 23:07
 * 归并排序，两个阶段：递归分解，回溯组合
 */
public class MergeSort5 {

    public static void main(String[] args) {

        int[] arr = {8, 4, 5, 7, 1, 3, 6, 2};
        int[] temp = new int[arr.length];
        System.out.println("归并排序前：");
        System.out.println(Arrays.toString(arr));
        mergeSort(arr, 0, arr.length - 1, temp);
        System.out.println("归并排序后：");
        System.out.println(Arrays.toString(arr));

        //测速
        int[] arr1 = new int[80000];
        int[] temp1 = new int[arr1.length];
        for (int i = 0; i < 80000; i++) {
            arr1[i] = (int) (Math.random() * 8000000);
        }
        Date date1 = new Date();
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss+SSS");
        String ft1 = sdf.format(date1);
        System.out.println("归并排序前时间：" + ft1 + "(ms)");
        mergeSort(arr1, 0, arr.length - 1, temp1);
        Date date2 = new Date();
        String ft2 = sdf.format(date2);
        System.out.println("归并排序后时间：" + ft2 + "(ms)");
    }


    /**
     * 分+合的方法，递归分解，回溯组合
     *
     * @param arr   需排序的数组
     * @param left  数组的左索引，初始是0
     * @param right 数组的右索引，初始是arr.length-1
     * @param temp  做中转的数组
     */
    public static void mergeSort(int[] arr, int left, int right, int[] temp) {
        if (left < right) {
            //中间索引
            int mid = (left + right) / 2;
            //向左递归进行分解
            mergeSort(arr, left, mid, temp);
            //向右递归进行分解
            mergeSort(arr, mid + 1, right, temp);
            //合并
            merge(arr, left, mid, right, temp);
        }
    }

    /**
     * 合并方法，回溯组合
     *
     * @param arr   排序的原始数组
     * @param left  左边有序序列的初始索引
     * @param mid   中间索引(左边有序序列的末尾索引),mid+1(右边有序序列的初始索引)
     * @param right 右边有序序列的末尾索引
     * @param temp  做中转的数组
     */
    private static void merge(int[] arr, int left, int mid, int right, int[] temp) {

        //初始化i,分解之后左边有序序列的初始索引
        int i = left;
        //初始化j,分解之后右边有序序列的初始索引
        int j = mid + 1;
        //临时数组temp的当前索引
        int t = 0;

        //(一)
        //先把左右两边(有序)的数据按照规则,填充到temp数组。直到左右两边的有序序列，有一边处理完毕为止
        while (i <= mid && j <= right) {
            //如果左边的有序序列的当前元素，小于等于右边有序序列的当前元素
            //则将左边的当前元素，填充到 temp数组
            //然后 t++, i++
            if (arr[i] <= arr[j]) {
                temp[t] = arr[i];
                i++;
                t++;
            } else {
                //反之,将右边有序序列的当前元素，填充到temp数组
                temp[t] = arr[j];
                j++;
                t++;
            }
        }
        //(二)
        //把有剩余数据的一边的数据依次全部填充到temp
        while (i <= mid) {
            //左边的有序序列还有剩余的元素，就全部填充到temp
            temp[t] = arr[i];
            i++;
            t++;
        }
        while (j <= right) {
            //右边的有序序列还有剩余的元素，就全部填充到temp
            temp[t] = arr[j];
            j++;
            t++;
        }
        //(三)
        //将temp数组的元素拷贝到arr
        //注意，并不是每次都拷贝所有数组元素,而是拷贝每一次递归分解的所有元素
        t = 0;
        int tempLeft = left;
        //第一次合并 tempLeft = 0 , right = 1
        //最后一次 tempLeft = 0 , right = 7
        while (tempLeft <= right) {
            arr[tempLeft] = temp[t];
            t++;
            tempLeft++;
        }
    }
}

运行结果：速度和堆排序相同，比快排快~~~

基数排序

基数排序(桶排序)介绍:

• 基数排序（radix sort）属于“分配式排序”（distribution sort），又称“桶子法”（bucket sort）或bin sort，顾名思义，它是通过键值的各个位的值，将要排序的元素分配至某些“桶”中，达到排序的作用
• 基数排序法是属于稳定性的排序，基数排序法的是效率高的稳定性排序法
• 基数排序(Radix Sort)是桶排序的扩展
• 基数排序是1887年赫尔曼·何乐礼发明的。它是这样实现的：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。

基数排序基本思想：

将所有待比较数值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。

基数排序图文说明：
将数组 {53, 3, 542, 748, 14, 214} 使用基数排序, 进行升序排序。

说明： 事先准备10个数组(10个桶)， 0-9 分别对应 位数的 0-9

基数排序的说明:

• 基数排序是对传统桶排序的扩展，速度很快.
• 基数排序是经典的空间换时间的方式，占用内存很大, 当对海量数据排序时，容易造成 OutOfMemoryError 。
• 基数排序时稳定的。[注:假定在待排序的记录序列中，存在多个具有相同的关键字的记录，若经过排序，这些记录的相对次序保持不变，即在原序列中，r[i]=r[j]，且r[i]在r[j]之前，而在排序后的序列中，r[i]仍在r[j]之前，则称这种排序算法是稳定的；否则称为不稳定的
• 有负数的数组，我们不用基数排序来进行排序, 如果要支持负数，参考: https://code.i-harness.com/zh-CN/q/e98fa9

代码实现：

package com.atguigu.sort;

import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;

/**
 * @author Mustang
 * @create 2022-05-12 19:02
 */
public class RadixSort4 {

    public static void main(String[] args) {
        int[] arr = {53, 3, 222, 542, 748, 14, 214};
        radixSort(arr);

        //测速
        int[] arr1 = new int[80000];
        for (int i = 0; i < 80000; i++) {
            arr1[i] = (int) (Math.random() * 8000000);
        }
        Date date1 = new Date();
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss+SSS");
        String ft1 = sdf.format(date1);
        System.out.println("基数排序前时间：" + ft1 + "(ms)");
        radixSort(arr1);
        Date date2 = new Date();
        String ft2 = sdf.format(date2);
        System.out.println("基数排序后时间：" + ft2 + "(ms)");
    }


    public static void radixSort(int[] arr) {

        //获取数组中的最大位数
        int max = arr[0];
        for (int i = 0; i < arr.length; i++) {
            if (max < arr[i]) {
                max = arr[i];
            }
        }
        int maxLength = (max + "").length();

        /*
        定义一个二维数组,表示10个桶,每个桶就是一个一维数组
        1.二维数组包含10个一维数组
        2.为了防止在放入数的时候,数据溢出,则每个一维数组(桶),大小定为arr.length
        3.很明确,基数排序是使用空间换时间的经典算法
         */
        int[][] bucket = new int[10][arr.length];
        /*
        定义桶指针：一维数组，保存每个桶实际保存的数据元素的个数
        eg：bucketElementCounts[0],记录的就是 bucket[0]这个桶放入数据的个数
         */
        int[] bucketElementCounts = new int[10];

        //循环，最大数有几位数则循环几次;n变量帮助取每一次循环相应的位数的值
        for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
            //针对每个元素的对应位进行排序处理,第一次是个位,第二次是十位...
            for (int j = 0; j < arr.length; j++) {
                //取出每个元素的对应位的值,这个数的值就是放在这个桶
                int digitOfElements = arr[j] / n % 10;
                /*
                将元素保存到对应的桶
                bucketElementCounts[digitOfElement] 桶元素指针，
                bucketElementCounts[1]=2 说明第2个桶有3个数据
                 */
                bucket[digitOfElements][bucketElementCounts[digitOfElements]] = arr[j];
                bucketElementCounts[digitOfElements]++;
            }
            //按照每个桶里的元素顺序(一维数组的下标依次取出数据，放入原来数组)
            int index = 0;
            for (int j = 0; j < bucketElementCounts.length; j++) {
                //桶中有数据才去取
                if (bucketElementCounts[j] != 0) {
                    //一个桶中可能有多个数据，循环取出
                    for (int k = 0; k < bucketElementCounts[j]; k++) {
                        //取出元素放入到arr
                        arr[index++] = bucket[j][k];
                    }
                    //桶中数据取完过后要重置为0，因为下一轮要继续用
                    bucketElementCounts[j] = 0;
                }
            }
//            System.out.println("第" + (i + 1) + "轮基数排序后arr = " + Arrays.toString(arr));
        }
    }
}

运行结果：26ms快~~~~

常用排序算法对比总结