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
- 常数阶O(1)
- 对数阶O(log2n)
- 线性阶O(n)
- 线性对数阶O(nlog2n)
- 平方阶O(n^2)
- 立方阶O(n^3)
- k次方阶O(n^k)
- 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(nlogaN)
线性对数阶O(nlogaN) 其实非常容易理解,就是将时间复杂度为O(logan)的代码循环N遍,它的时间复杂度就是 n * O(logaN),也就是了O(nlogaN)
(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)。
-
假设给定无序序列结构如下
-
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。
-
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。
-
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。
-
将堆顶元素9和末尾元素4进行交换
-
重新调整结构,使其继续满足堆定义
-
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.
-
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