在多数排序中,我们可以将排序过程中的数据划分为有序区间与无序区间。除了以下的七种基于比较的排序,还有 一些基于非比较的排序:基数排序,计数排序,桶排序。
稳定性:两个相等的数据,如果经过排序后,排序算法能保证其相对位置不发生变化,则我们称该算法是具备稳定性的排序算法。
交换排序
冒泡排序
冒泡排序是许多人第一个接触的排序算法,在无序区间,通过相邻数的比较,将最大的数冒泡到无序区间的最后,持续这个过程,直到数组整体有序。该方法的排序过程与气泡从水中往上冒的情况很相似,所以被称作冒泡排序。
public static void bubbleSort(int[] array){
for (int i = 0; i < array.length - 1; i++){ //外层循环控制比较的轮数
for(int j = 0; j < array.length - i - 1; j++){ //内层循环控制每一轮比较的次数
//相等则不交换。保证其稳定性
if(array[j] > array[j+1]){ //比较前后两数,交换。大数每一次比较都会交换到后一位
int temp = array[j];
array[j] = array[j+1];
array[j+1] = temp;
}
}
}
}
快速排序
快速排序利用分治法来对待排序序列进行分治排序,设定一个基准值,通过一趟排序将待排记录分隔成独立的两部分,其中的一部分比基准值小,后面一部分比基准值大,对左右两个小区间按照同样的方式处理,直到小区间的长度 == 1,代表已经有序,或者小区间的长度 == 0,代表没有数据。
public static void quickSort(int[] array){
quickSortInternal(array, 0, array.length - 1);
}
private static void quickSortInternal(int[] array, int left, int right){
if(left >= right){
return;
}
//pivotIndex作为基准值最终停留的下标
int pivotIndex = partition(array, left, right);
// [left, pivotIndex - 1] 都是小于等于基准值的
// [pivotIndex + 1, right] 都是大于等于基准值的
quickSortInternal(array, left, pivotIndex - 1);
quickSortInternal(array, pivotIndex + 1, right);
}
//该块作用是遍历整个待排序区间,小于基准值的放到基准值的左边,大于基准值的放到基准值的右边。
private static int partition(int[] array, int left, int right){
int i = left;
int j = right;
int pivot = array[left]; // 选择基准值最简单的方式,选择 array[left] 作为基准值
while(i < j){
while(i < j && array[j] >= pivot){ //从右往左直到找到比基准值小的数
j--;
}
while(i < j && array[i] <= pivot){ //从左往右直到找到比基准值大的数
i++;
}
//上述循环找到了符合条件的 i, j 后交换两数
swap(array, i, j);
}
//将基准数放到中间位置
swap(array, i, left);
return i;
}
private static void swap(int[] array, int i, int j) {
int t = array[i];
array[i] = array[j];
array[j] = t;
}
插入排序
直接插入排序
数据的整个区间被划分为有序区间与无序区间,每次选择无序区间内第一个元素,在有序区间中选择合适的位置放入。所以初始数据越接近有序,算法效率越高。
public static void insertSort(int[] array){
// 有序区间: [0, i)
// 无序区间: [i, array.length)
for(int i = 1; i < array.length; i++){
int v = array[i];//无序区间第一个数
int j = i - 1; //不使用j = v是为了保证排序的稳定性
for(; j >= 0 && array[j] > v; j--){
array[j+1] = array[j];
}
array[j+1] = v;
}
}
希尔排序
希尔排序又称缩小增量法,是对直接插入排序的一种优化,其基本思想是将待排序区间按某个增量gap划分为若干个组,对每个组的元素进行插入排序,随着gap的减小,数据越接近有序,当gap==1时,整个数据合成一组有序记录。
public static void shellSort(int[] array){
int gap = array.length;
while(gap > 1){
insertSortGap(array,gap);
gap = gap / 2;
}
insertSortGap(array, 1);
}
public static void insertSortGap(int[] array, int gap){
// 有序区间: [0, i)
// 无序区间: [i, array.length)
for(int i = 1; i < array.length; i++){
int v = array[i];//无序区间第一个数
int j = i - gap; //不使用j = v是为了保证排序的稳定性
for(; j >= 0 && array[j] > v; j -= gap){
array[j+gap] = array[j];
}
array[j+gap] = v;
}
}
选择排序
直接选择排序
每一次从无序区间选出最大(或最小)的一个元素,存放在无序区间的最后(或最前),直到全部待排序的数据元素排完 。
public static void selectSort(int[] array){
// 无序区间: [0, array.length - i)
// 有序区间: [array.length - i, array.length)
for(int i = 0; i < array.length - 1; i++){ //将最后一位作为初始有序区间
int max = 0;
for(int j = 0; j < array.length - i; j++){//选择无序区间中最大的值
if(array[j] > array[max]){
max = j;
}
}
//将选择出的最大值置换到有序区间
int temp = array[array.length - i - 1];
array[array.length - i - 1] = array[max];
array[max] = temp;
}
}
堆排序
在说明堆排序之前,我们简单了解一下什么是堆。
-
堆逻辑上是一棵完全二叉树
-
堆物理上是保存在数组中
-
满足任意结点的值都大于其子树中结点的值,叫做大堆,或者大根堆,或者最大堆
-
反之,则是小堆,或者小根堆,或者最小堆
此外,还要记住二叉树的下标关系:
-
左孩子(left)下标 = 2 * parent + 1;
-
右孩子(right)下标 = 2 * parent + 2
直接选择排序通过遍历的方式寻找无序区间内最大(或最小)的数,而堆排序是通过堆来选择无序区间的最大(或最小)数。
public static void heapSort(int[] array) {
createHeap(array); //构建一个大顶堆,保证数组第一个元素时最大的
for(int i = 0; i < array.length - 1; i++){
//交换0号元素与无序区间的最后一个元素
swap(array,0, array.length - i - 1);
//在交换后,数组末尾元素则为最大值,再一次遍历时应排除该元素,对无序区间重新构建一个大顶堆
maxHeap(array,array.length - i - 1,0);
}
}
private static void swap(int[] array, int i, int j) {
int t = array[i];
array[i] = array[j];
array[j] = t;
}
private static void createHeap(int[] array) {
for(int i = (array.length - 1) / 2; i >= 0; i--){
maxHeap(array, array.length, i);
}
}
//大顶堆
public static void maxHeap(int[] array, int heapSize, int index) {
//二叉树的下标关系
int left = 2 * index + 1; //左孩子
int right = 2 * index + 2; //右孩子
int max = index;
//比较左子节点的值,如果比当前左节点的值大,则把最大值的位置换成左子节点的位置
if(left < heapSize && array[left] > array[max]){
max = left;
}
if(right < heapSize && array[right] > array[max]){
max = right;
}
//如果不相等则说明其子节点存在更大的数值,则位置发生交换
if(max != index){
swap(array,index,max);
// 交换完位置后还需要判断子节点是否打破了最大堆的性质。最大堆性质:两个子节点都比父节点小。
maxHeap(array, heapSize, max);
}
}
注意: 排升序要建大堆;排降序要建小堆。
归并排序
归并排序是建立在归并操作上的一种有效的排序算法,该算法是采用分治法的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为二路归并。
private static void merge(int[] array, int low, int mid, int high) {
int i = low;
int j = mid + 1;
int length = high - low;
int[] extra = new int[length + 1];
int k = 0;
// 选择小的放入 extra
while (i <= mid && j <= high) {
// 加入等于,保证稳定性
if (array[i] <= array[j]) {
extra[k++] = array[i++];
} else {
extra[k++] = array[j++];
}
}
// 将左边剩余元素放入 extra
while (i <= mid) {
extra[k++] = array[i++];
}
// 将右边剩余元素放入 extra
while (j <= high) {
extra[k++] = array[j++];
}
// 从 extra 搬移回 array
for (int t = 0; t < extra.length; t++) {
// 需要搬移回原位置,从 low 开始
array[low + t] = extra[t];
}
}
public static void mergeSort(int[] array) {
mergeSortInternal(array, 0, array.length - 1);
}
// 待排序区间为 [low, high)
private static void mergeSortInternal(int[] array, int low, int high) {
if (low - 1 >= high) {
return;
}
int mid = (low + high) / 2;
if(low < high){
mergeSortInternal(array, low, mid);
mergeSortInternal(array, mid + 1, high);
merge(array, low, mid, high);
}
}
各排序特点总结
排序方法 | 最好 | 平均 | 最坏 | 空间复杂度 | 稳定性 |
---|---|---|---|---|---|
冒泡排序 | O(n) | O(n^2) | O(n^2) | O(1) | 稳定 |
直接插入排序 | O(n) | O(n^2) | O(n^2) | O(1) | 稳定 |
直接选择排序 | O(n^2) | O(n^2) | O(n^2) | O(1) | 不稳定 |
希尔排序 | O(n) | O(n^1.3) | O(n^2) | O(1) | 不稳定 |
堆排序 | O(n * log(n)) | O(n * log(n)) | O(n * log(n)) | O(1) | 不稳定 |
快速排序 | O(n * log(n)) | O(n * log(n)) | O(n^2) | O(log(n)) ~ O(n) | 不稳定 |
归并排序 | O(n * log(n)) | O(n * log(n)) | O(n * log(n)) | O(n) | 稳定 |