Java数据结构与算法_05 时间复杂度+常用排序算法 (冒泡排序、选择排序、插入排序、希尔排序、快速排序、归并排序、基数排序)


本人是个新手,写下博客用于自我复习、自我总结。
如有错误之处,请各位大佬指出。
学习资料来源于:尚硅谷


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:

  1. 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。
  2. 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。
    在这里插入图片描述
    即然涉及到这么多排序,它们之间一定会有一些区别,这不仅仅是排序方式的不同,还涉及到不同情况下使用时所需要的时间。即“时间复杂度”。接下来说说时间复杂度。

时间复杂度

度量一个程序(算法)执行时间的两种方法:

  1. 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,才能比较哪个算法速度更快。

  2. 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)。

举例说明:
比如计算1-100所有数字之和,我们设计两种算法:

(1)
在这里插入图片描述

(2)
在这里插入图片描述

显然的,直接计算只计算了一次,而使用循环花费的时间显然更多。

接下来让我们看看T(n)该如何表示。


①忽略常数项

在这里插入图片描述
在这里插入图片描述
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
  3. 即:可以忽略常数项

②忽略低次项

在这里插入图片描述
在这里插入图片描述
结论:

  1. 2n^2+3n+10 和 2n^2 随着n 变大, 执行曲线无限接近, 可以忽略 3n+10
  2. n^2+5n+20 和 n^2 随着n 变大,执行曲线无限接近, 可以忽略 5n+20
  3. 即:可以忽略低次项

③忽略系数

在这里插入图片描述
在这里插入图片描述

结论:

  1. 随着n值变大,5n^2+7n 和 3n^2+2n ,执行曲线重合, 说明 这种情况下, 5和3可以忽略。
  2. 而n^3+5n 和 6n^3+4n ,执行曲线分离,说明多少次方是关键
  3. 即:在低次方下,存在忽略系数的情况

一些说明

  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)

常见的时间复杂度

在这里插入图片描述
常见的算法时间复杂度由小到大依次为:在这里插入图片描述

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。
也就是说,我们应该尽可能避免使用指数阶的算法。


① 常数阶O(1)

无论代码执行了多少行,只要是没有循环等复杂结构,那这个代码的时间复杂度就都是O(1)

在这里插入图片描述
上述代码在执行时,它消耗的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,都可以用O(1)来表示它的时间复杂度。


② 对数阶O(log2n)

在这里插入图片描述
说明: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 n 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,i = i * 3 ,则是 O(log3n) .


③ 线性阶O(n)

在这里插入图片描述
说明: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(nlog2N)

在这里插入图片描述
在这里插入图片描述


⑤ 平方阶O(n²)

在这里插入图片描述
说明: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(n * n),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(m*n)


⑥ 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。


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)。

在这里插入图片描述


算法的空间复杂度简介

  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。

1. 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,就像水底下的气泡一样逐渐向上冒。

举例:

原始数组:3, 9, -1, 10, 20
// 如果相邻的元素逆序就交换

第一趟排序
(1) 3, 9, -1, 10, 20 //比较3和9,3<9,所以没动
(2) 3, -1, 9, 10, 20 //比较9和-1,9>-1,所以9和-1交换
(3) 3, -1, 9, 10, 20 //比较9和10,9<10,所以没动
(4) 3, -1, 9, 10, 20 //比较10和20,10<20,所以没动

通过第一趟排序,最大的那一个数,肯定移动到了最后一个。因为它是从头开始,一一比较,如果它是最大的,显然会和之后的所有数进行交换,而到达末端。如果中间碰到一个比它还大的数,显然它也就肯定会停止,而让那个比它还大的数,与后面的数比较。所以,第二趟的排序,无须和最后一个数比较。

第二趟排序
(1) -1, 3, 9, 10, 20 //比较3和-1,3>-1,所以3和-1交换
(2) -1, 3, 9, 10, 20 //比较3和9,3<9,所以不动
(3) -1, 3, 9, 10, 20 //比较9和10,9<10,所以不动

道理和第一趟的一样,无须和最后两个数比较。之后同理,不再赘述。

第三趟排序
(1) -1, 3, 9, 10, 20
(2) -1, 3, 9, 10, 20

第四趟排序
(1) -1, 3, 9, 10, 20

总结:

  1. 冒泡排序,一共会进行 数组的大小-1 趟 排序。(如上,数组大小为5,最多只需要进行4趟排序)
  2. 每一趟排序的次数在逐渐的减少。(如上,第一趟是4次比较,第二趟是3次比较…)
  3. 关于优化:如果我们发现在某趟排序中,没有发生过交换, 也就说明序列有序。这时可以提前结束冒泡排序,从而减少不必要的比较。

完整代码

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

public class BubbleSort {

	public static void main(String[] args) {
		int arr[] = { 3, 9, -1, 10, 20 };

		System.out.println("排序前");
		System.out.println(Arrays.toString(arr));

		bubbleSort(arr);

		System.out.println("排序后");
		System.out.println(Arrays.toString(arr));

		// 测试一下冒泡排序的速度O(n^2), 给80000个数据,测试
		// 创建要给80000个的随机的数组
		int[] arr1 = new int[80000];
		for (int i = 0; i < 80000; i++) {
			arr1[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
		}

		Date data1 = new Date();
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat(
				"yyyy-MM-dd HH:mm:ss");
		String date1Str = simpleDateFormat.format(data1);
		System.out.println("排序前的时间是=" + date1Str);

		bubbleSort(arr1);

		Date data2 = new Date();
		String date2Str = simpleDateFormat.format(data2);
		System.out.println("排序后的时间是=" + date2Str);
	}

	public static void bubbleSort(int[] arr) {
		// 冒泡排序 的时间复杂度 O(n^2)
		int temp = 0; // 临时变量
		boolean flag = false; // 标识变量,表示是否进行过交换
		for (int i = 0; i < arr.length - 1; i++) {
			for (int j = 0; j < arr.length - 1 - i; j++) {
				// 如果前面的数比后面的数大,则交换
				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));
			if (!flag) { // 在一趟排序中,一次交换都没有发生过
				break;
			} else {
				flag = false; // 重置flag, 进行下次判断
			}
		}
	}

}


2. 选择排序

选择排序属于内部排序法,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。总共会进行n-1次,最后得到一个按排序码从小到大排列的有序序列。

举例:

原始的数组 : 101, 34, 119, 1

第一轮排序 :

在101,34,119,1中,通过比较选出最小的数为1,和第一个数101交换。得到:

1, 34, 119, 101

第二轮排序 :

在34,119,101中,通过比较选出最小的数为34,和第一个数34交换(即不用交换)。得到:

1, 34, 119, 101

之后同理,不再赘述。

第三轮排序 : 1, 34, 101, 119

总结:

  1. 选择排序,一共会进行 数组大小 - 1 轮排序。(上述数组大小为4,进行了3轮排序)
  2. 每1轮排序,又是一个循环:
    2.1先假定当前这个数是最小数
    2.2 然后和后面的每个数进行比较,如果发现有比当前数更小的数,就重新确定最小数,并得到下标
    2.3 当遍历到数组的最后时,就得到本轮最小数和下标
    2.4 交换

完整代码

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

public class SelectSort {

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

        // 测试
		// 创建要给80000个的随机的数组
		int[] arr1 = new int[80000];
		for (int i = 0; i < 80000; i++) {
			arr1[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
		}

		Date data1 = new Date();
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat(
				"yyyy-MM-dd HH:mm:ss");
		String date1Str = simpleDateFormat.format(data1);
		System.out.println("排序前的时间是=" + date1Str);

		selectSort(arr1);

		Date data2 = new Date();
		String date2Str = simpleDateFormat.format(data2);
		System.out.println("排序后的时间是=" + date2Str);
	}

	// 选择排序
	public static void selectSort(int[] arr) {
		// 选择排序时间复杂度是 O(n^2)
		for (int i = 0; i < arr.length - 1; i++) {
			int minIndex = i;
			int min = arr[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
				}
			}
			// 将最小值,放在arr[0], 即交换
			if (minIndex != i) {
				arr[minIndex] = arr[i];
				arr[i] = min;
			}
			// System.out.println("第"+(i+1)+"轮后:");
			// System.out.println(Arrays.toString(arr));
		}
	}
}


3. 插入排序

插入排序也属于内部排序法,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。

举例:

在这里插入图片描述
先把17看作有序表,后面的3,25,14,20,9看作无序表。(这里有两种比较方式,可以自己选择,一种是从前到后比较,另一种是从后到前比较,同时也可以选择是从大到小排列还是从小到大排列)假如,从后向前比较,从小到大排列,取出无序表的第一个元素3进入有序表后,先与有序表的最后一个元素17比较,3<17,所以3继续向前比较,因为已经判断出到了第一个元素,所以3直接落位,17向后移位,往后同理。

总结:

  1. 插入排序,一共会进行 数组大小 - 1 次插入。(上述数组大小为6,进行了5次插入)
  2. 每一次插入,比较最多次数不断递增。(第一次插入,只需要比较一次。第二次插入,最多需要比较两次,以此类推。因为前半部分相当于有序表,所以与以往不同,最少的比较一次就可以落位)

完整代码

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

public class InsertSort {

	public static void main(String[] args) {
		int[] arr = {101, 34, 119, 1, -1, 89}; 
		System.out.println("插入排序前:");
		System.out.println(Arrays.toString(arr));
		insertSort(arr);
		System.out.println("插入排序后:");
		System.out.println(Arrays.toString(arr));
		
		//测试
		// 创建要给80000个的随机的数组
		int[] arr1 = new int[80000];
		for (int i = 0; i < 80000; i++) {
			arr1[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
		}

		Date data1 = new Date();
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
		String date1Str = simpleDateFormat.format(data1);
		System.out.println("排序前的时间是=" + date1Str);
		
		insertSort(arr1); //调用插入排序算法
		
		Date data2 = new Date();
		String date2Str = simpleDateFormat.format(data2);
		System.out.println("排序后的时间是=" + date2Str);
	}
	
	public static void insertSort(int[] arr) {
		int insertVal = 0;
		int insertIndex = 0;
		for(int i = 1; i < arr.length; i++) {
			//定义待插入的数
			insertVal = arr[i];
			insertIndex = i - 1; // 即arr[1]的前面这个数的下标
			// 给insertVal 找到插入的位置
			// 说明
			// 1. insertIndex >= 0 保证在给insertVal找插入位置时,不越界
			// 2. insertVal < arr[insertIndex] 待插入的数,还没有找到插入位置
			// 3. 如果没找到插入位置,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
			if(insertIndex + 1 != i) {
				arr[insertIndex + 1] = insertVal;
			}
			//System.out.println("第"+i+"轮插入:");
			//System.out.println(Arrays.toString(arr));
		}
	}
}


4. 希尔排序

简单插入排序存在的问题:

数组 arr = {2,3,4,5,6,1} 如果需要插入的数 1(最小),和上面代码实现方式一样的话,它的过程是:
{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}

简单来说就是,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。

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。

它的基本思想: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

举例:
在这里插入图片描述
在这里插入图片描述


完整代码

在实现希尔排序时,有两种办法,一种是交换法,一种是移位法。从效率方面上,最好是用移位法。两种方法都很难理解,而且比较难以描述。建议根据例子和代码,综合分析。(我在分析时,将每一次排序的代码都写出来,然后找到了一个通用的方式,我觉得这么分析确实对帮助理解很有用)

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

public class ShellSort {

	public static void main(String[] args) {
		int[] arr = { 8, 9, 1, 7, 2, 3, 5, 4, 6, 0 };
		System.out.println("排序前");
		System.out.println(Arrays.toString(arr));
		// shellSort(arr); //交换式
		shellSort2(arr);// 移位方式
		System.out.println("排序后");
		System.out.println(Arrays.toString(arr));

		// 测试
		// 创建要给80000个的随机的数组
		int[] arr1 = new int[8000000];
		for (int i = 0; i < 8000000; i++) {
			arr1[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
		}

		Date data1 = new Date();
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat(
				"yyyy-MM-dd HH:mm:ss");
		String date1Str = simpleDateFormat.format(data1);
		System.out.println("排序前的时间是=" + date1Str);

		// shellSort(arr); //交换式
		shellSort2(arr1);// 移位方式

		Date data2 = new Date();
		String date2Str = simpleDateFormat.format(data2);
		System.out.println("排序后的时间是=" + date2Str);
	}

	// 希尔排序时, 对有序序列在插入时采用交换法
	public static void shellSort(int[] arr) {
		int temp = 0;
		// int count = 0;
		for (int gap = arr.length / 2; gap > 0; gap /= 2) {
			for (int i = gap; i < arr.length; i++) {
				// 遍历各组中所有的元素(共gap组), 步长gap
				for (int j = i - gap; j >= 0; j -= gap) {
					// 如果当前元素大于加上步长后的那个元素,说明交换
					if (arr[j] > arr[j + gap]) {
						temp = arr[j];
						arr[j] = arr[j + gap];
						arr[j + gap] = temp;
					}
				}
			}
			// System.out.println("希尔排序第" + (++count) + "轮 =" +
			// Arrays.toString(arr));
		}
		System.out.println("希尔排序3轮后=" + Arrays.toString(arr));
	}

	// 对交换式的希尔排序进行优化->移位法
	public static void shellSort2(int[] arr) {
		// 增量gap, 并逐步的缩小增量
		for (int gap = arr.length / 2; gap > 0; gap /= 2) {
			// 从第gap个元素,逐个对其所在的组进行直接插入排序
			for (int i = gap; i < arr.length; i++) {
				int j = i;
				int temp = arr[j];
				if (arr[j] < arr[j - gap]) {
					while (j - gap >= 0 && temp < arr[j - gap]) {
						// 移动
						arr[j] = arr[j - gap];
						j -= gap;
					}
					// 当退出while后,就给temp找到插入的位置
					arr[j] = temp;
				}

			}
		}
	}

}


5. 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。

举例:
在这里插入图片描述


完整代码

快速排序的代码很难理解,而且比较难以描述。建议根据例子和代码,综合分析。

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

public class QuickSort {

	public static void main(String[] args) {
		int[] arr = { -9, 78, 0, 23, -567, 70, -1, 900, 4561 };
		System.out.println("排序前");
		System.out.println("arr=" + Arrays.toString(arr));
		quickSort(arr, 0, arr.length - 1);
		System.out.println("排序后");
		System.out.println("arr=" + Arrays.toString(arr));

		// 测试
		// 创建要给80000个的随机的数组
		int[] arr1 = new int[8000000];
		for (int i = 0; i < 8000000; i++) {
			arr1[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
		}

		Date data1 = new Date();
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat(
				"yyyy-MM-dd HH:mm:ss");
		String date1Str = simpleDateFormat.format(data1);
		System.out.println("排序前的时间是=" + date1Str);

		quickSort(arr1, 0, arr1.length - 1);

		Date data2 = new Date();
		String date2Str = simpleDateFormat.format(data2);
		System.out.println("排序后的时间是=" + date2Str);
	}

	public static void quickSort(int[] arr, int left, int right) {
		int l = left; // 左下标
		int r = right; // 右下标
		// pivot 中轴值
		int pivot = arr[(left + right) / 2];
		int temp = 0; // 临时变量,作为交换时使用
		// while循环的目的是让比pivot 值小放到左边
		// 比pivot 值大放到右边
		while (l < r) {
			// 在pivot的左边一直找,找到大于等于pivot值,才退出
			while (arr[l] < pivot) {
				l += 1;
			}
			// 在pivot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 的左右两的值,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
			if (l >= r) {
				break;
			}

			// 交换
			temp = arr[l];
			arr[l] = arr[r];
			arr[r] = temp;

			// 如果交换完后,发现这个arr[l] == pivot值 相等 r--, 前移
			if (arr[l] == pivot) {
				r -= 1;
			}
			// 如果交换完后,发现这个arr[r] == pivot值 相等 l++, 后移
			if (arr[r] == pivot) {
				l += 1;
			}
		}

		// 如果 l == r, 必须l++, r--, 否则为出现栈溢出
		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);
		}

	}
}


6. 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)。

基本思想:
在这里插入图片描述
说明:

可以看到这种结构很像一棵完全二叉树,本文的归并排序我们采用递归去实现(也可采用迭代的方式去实现)。分阶段可以理解为就是递归拆分子序列的过程。而治阶段,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:

在这里插入图片描述
在这里插入图片描述


完整代码

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

public class MergetSort {

	public static void main(String[] args) {
		int arr[] = { 8, 4, 5, 7, 1, 3, 6, 2 };
		System.out.println("排序前=" + Arrays.toString(arr));
		int temp[] = new int[arr.length]; // 归并排序需要一个额外空间
		mergeSort(arr, 0, arr.length - 1, temp);
		System.out.println("排序后=" + Arrays.toString(arr));

		// 测试
		// 创建要给80000个的随机的数组
		int[] arr1 = new int[8000000];
		for (int i = 0; i < 8000000; i++) {
			arr1[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
		}
		Date data1 = new Date();
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat(
				"yyyy-MM-dd HH:mm:ss");
		String date1Str = simpleDateFormat.format(data1);
		System.out.println("排序前的时间是=" + date1Str);

		int temp1[] = new int[arr1.length]; // 归并排序需要一个额外空间
		mergeSort(arr1, 0, arr1.length - 1, temp1);

		Date data2 = new Date();
		String date2Str = simpleDateFormat.format(data2);
		System.out.println("排序后的时间是=" + date2Str);
	}

	// 分+合方法
	/**
	 * @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
	 * @param right
	 *            右边索引
	 * @param temp
	 *            做中转的数组
	 */
	public static void mergeSort(int[] arr, int left, int right, int[] temp) {
		if (left < right) {
			int mid = (left + right) / 2; // 中间索引
			// 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);
		}
	}

	// 合并的方法
	public static void merge(int[] arr, int left, int mid, int right, int[] temp) {

		int i = left; // 初始化i, 左边有序序列的初始索引
		int j = mid + 1; // 初始化j, 右边有序序列的初始索引
		int t = 0; // 指向temp数组的当前索引

		// (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) {// 继续
			// 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
			// 即将左边的当前元素,填充到 temp数组
			// 然后 t++, i++
			if (arr[i] <= arr[j]) {
				temp[t] = arr[i];
				t += 1;
				i += 1;
			} 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];
				t += 1;
				j += 1;
			}
		}

		// (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];
			t += 1;
			i += 1;
		}

		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];
			t += 1;
			j += 1;
		}

		// (三)
		// 将temp数组的元素拷贝到arr
		// 注意,并不是每次都拷贝所有
		t = 0;
		int tempLeft = left;
		while (tempLeft <= right) {
			arr[tempLeft] = temp[t];
			t += 1;
			tempLeft += 1;
		}

	}

}

7. 基数排序

  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. 基数排序法属于稳定性的排序,基数排序法效率很高

  3. 基数排序(Radix Sort)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。

这比较难理解,下面是一个图文解释。

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

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
基数排序的说明:

  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. 基数排序是稳定的。
  4. 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

完整代码

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

public class RadixSort {

	public static void main(String[] args) {
		int arr[] = { 53, 3, 542, 748, 14, 214 };
		System.out.println("排序前:" + Arrays.toString(arr));

		Date data1 = new Date();
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat(
				"yyyy-MM-dd HH:mm:ss");
		String date1Str = simpleDateFormat.format(data1);
		System.out.println("排序前的时间是=" + date1Str);

		radixSort(arr);

		Date data2 = new Date();
		String date2Str = simpleDateFormat.format(data2);
		System.out.println("排序后的时间是=" + date2Str);

		System.out.println("排序后: " + Arrays.toString(arr));
		
		// 因为像以前一样测试的话,占用的内存太多,所以不去测试
		// 80000000 * 11 * 4 / 1024 / 1024 / 1024 =3.3G
		
		// int[] arr1 = new int[8000000];
		// for (int i = 0; i < 8000000; i++) {
		//     arr1[i] = (int) (Math.random() * 8000000);
		// }
	}

	// 基数排序方法
	public static void radixSort(int[] arr) {

		// 1. 得到数组中最大的数的位数
		int max = arr[0]; // 假设第一数就是最大数
		for (int i = 1; i < arr.length; i++) {
			if (arr[i] > max) {
				max = arr[i];
			}
		}
		// 得到最大数是几位数
		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
		// 说明
		// 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. 基数排序是使用空间换时间的经典算法
		int[][] bucket = new int[10][arr.length];

		// 为了记录每个桶中,实际存放了多少个数据,我们定义一个一维数组来记录各个桶的每次放入的数据个数
		// 可以这样理解
		// 比如:bucketElementCounts[0] , 记录的就是 bucket[0] 桶的放入数据个数
		int[] bucketElementCounts = new int[10];

		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,第三次是百位..
			for (int j = 0; j < arr.length; j++) {
				// 取出每个元素的对应位的值
				int digitOfElement = arr[j] / n % 10;
				// 放入到对应的桶中
				bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
				bucketElementCounts[digitOfElement]++;
			}
			// 按照这个桶的顺序(一维数组的下标依次取出数据,放入原来数组)
			int index = 0;
			// 遍历每一桶,并将桶中是数据,放入到原数组
			for (int k = 0; k < bucketElementCounts.length; k++) {
				// 如果桶中,有数据,我们才放入到原数组
				if (bucketElementCounts[k] != 0) {
					// 循环该桶即第k个桶(即第k个一维数组), 放入
					for (int l = 0; l < bucketElementCounts[k]; l++) {
						// 取出元素放入到arr
						arr[index++] = bucket[k][l];
					}
				}
				// 第i+1轮处理后,需要将每个 bucketElementCounts[k] = 0 
				bucketElementCounts[k] = 0;
			}
			// System.out.println("第"+(i+1)+"轮,对个位的排序处理 arr =" +
			// Arrays.toString(arr));
		}
	}
}


常用排序算法总结和对比

在这里插入图片描述

在这里插入图片描述

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

只爭朝夕不負韶華

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值