排序也称排序算法,排序是将一组数据,按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。
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,要在同一台计算机的相同状态下运行,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
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)。
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)。
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)
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。
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
(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。
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,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。
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)
//将冒泡排序抽成一个方法
public static int[] sort(int [] arr){
int num;
//进行优化
//优化内容是:如果这次排序没有变动顺序,就提前退出
boolean flag=true;
for(int i=0;i<arr.length-1;i++){
// System.out.println("排序的次数:"+(i+1));
for(int j=0;j<arr.length-1-i;j++){
if(arr[j]>arr[j+1]){
flag=false;
num=arr[j];
arr[j]=arr[j+1];
arr[j+1]=num;
}
}
if(flag){
break;
}else {
flag=true;
}
}
return arr;
}
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。
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。
思路分析:
public static int[] sort(int[] arr) {
for (int i = 0; i < arr.length - 1; i++) {
int index = i;//定义最小值对应的下标
int min = arr[index];//定义最小值
for (int j = i + 1; j < arr.length; j++) {
if (min > arr[j]) {//说明min不是真正的最小值
index = j;//重置j
min = arr[j];//重置min
}
}
//优化的地方
if(index!=i){
arr[index] = arr[i];
arr[i] = min;
}
}
return arr;
}
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。
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。
public static int[] insertSort2(int[] arr) {
for (int i = 1; i < arr.length; i++) {
int temp = arr[i];//保存每次需要插入的那个数
int j = i;
for (j = i; j > 0 && arr[j - 1] > arr[j]; j--) {
arr[j] = arr[j - 1];//把大于需要插入的数往后移动。最后不大于temp的数就空出来j
}
arr[j] = temp;//将需要插入的数放入这个位置
}
return arr;
}
希尔排序
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,它是简单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。
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。
(1)希尔排序时, 对有序序列在插入时采用交换法。此法不是很好,甚至耗费的时间变多了
(2)希尔排序时, 对有序序列在插入时采用移动法。此法可以大幅减少程序运行时间。
//(1)对有序序列在插入时采用交换法
public static int[] shellSort(int[] arr) {
int temp;//定义中间变量,方便后面交换数据
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < arr.length; i++) {
int j = i;
while (j - gap >= 0 && arr[j - gap] > arr[j]) {
temp = arr[j];
arr[j] = arr[j - gap];
arr[j - gap] = temp;
j -= gap;
}
// for (j = i; j >= i; j -= gap) {
// if (arr[j - gap] > arr[j]) {
// temp = arr[j];
// arr[j] = arr[j - gap];
// arr[j - gap] = temp;
// }
// }
}
System.out.println(Arrays.toString(arr));
}
return arr;
}
//(2)对有序序列在插入时采用移动法
public static int[] shellSort2(int[] arr) {
int temp = 0;
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < arr.length; i++) {
int j = i;
temp = arr[j];
while (j > 0 && arr[j - gap] > arr[j]) {
arr[j] = arr[j - gap];//先将arr[j-gap]后移
j -= gap;
}
arr[j] = temp;//最后的空把arr[j]添上,因为在j变动之前就将值存入temp了,所以这里直接用temp
}
}
return arr;
}
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。
public static int[] quickSort(int[] arr, int left, int right) {
if (left > right) {
return null;
}
int i = left;
int j = right;
int temp = arr[i];//基准数定义为最左边的数,先右递归,再左递归
int t;//交换值的中间变量
while (i < j) {
while (arr[j] >= temp && j > i) {
j--;
}
while (arr[i] <= temp && j > i) {
i++;
}
if (j > i) {
t = arr[i];
arr[i] = arr[j];
arr[j] = t;
}
}
//最后将基准数与i和j相等位置的数字交换
arr[left] = arr[i];
arr[i] = temp;
//递归左半数组
quickSort(arr, left, j - 1);
//递归右半数组
quickSort(arr, j + 1, right);
return arr;
}
归并排序
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:
核心步骤:并
基数排序
基数排序(桶排序)介绍:(1)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
(2)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
(3)基数排序是桶排序的扩展
(4)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。
简单的说,就是准备10个桶,分别为0-9,然后第一轮把数字的个位数排进去,得到一个数组,第二次把十位数排进去(十位没有补零)……直至最高位数排进去,再取出。此时得到的数组就是一个有序数组。
注:
(1)基数排序是对传统桶排序的扩展,速度很快.
(2)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 。
(3)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]
(4)有负数的数组,我们不用基数排序来进行排序
小结
相关术语:
稳定:如果a原本在b前面,而a=b,排序之后a仍然在b的前面;
不稳定:如果a原本在b的前面,而a=b,排序之后a可能会出现在b的后面;
内排序:所有排序操作都在内存中完成;
外排序:由于数据太大,因此把数据放在磁盘中,而排序通过磁盘和内存的数据传输才能进行;
时间复杂度: 一个算法执行所耗费的时间。
空间复杂度:运行完一个程序所需内存的大小。
n: 数据规模
k: “桶”的个数
In-place: 不占用额外内存
Out-place: 占用额外内存
排序算法的比较