注意都是从小到大排序
1. 直接插入排序
结合代码来理解 :
public class Test {
public static void Insertsort(int[] array) {
for(int i = 0; i < array.length; i++) { //首先用i来遍历数组
int tmp = array[i]; // 将i下标的元素存起来, 可以认为这样就空出一个空间来移动元素
int j = 0; //定义一个j来遍历i前面的元素
for(j = i-1; j >= 0; j--) {
if(array[j] > tmp) { //如果j下标元素大于tmp, 则将j下标元素往前移一位
array[j+1] = array[j];
}else { //不大于则说明j下标及j前面的元素都小于tmp, 则退出循环(此时从0下标到j下标都已有序)
break;
}
}
array[j+1] = tmp; //将 tmp 放到那个空出的位置上
}
}
public static void main(String[] args) {
int[] array = new int[]{4,8,1,2,9,3,20,1,5,0,22,6,21};
Insertsort(array);
System.out.println(Arrays.toString(array));
}
}
时间复杂度计算(默认在最坏情况) : 首先 i 是从 0 开始遍历到 N 的, 当 i = 0 时, 它要比较 0 次, 当就 i 为 1 时, 就需要比较 1 次, i 为 2 时就是 2 次, 依次类推当 i 为 N 时, 就需要比较 N-1次, 由此我们列出公式(注意有N项) : 0 + 1 + 2 + 3 + 4 +…+ N-1 = N*(N-1)/2, 时间复杂度也就是O(N^2)
因为始终都是只定义一个 tmp 所以空间复杂度为O(1)
这个排序是稳定的.
我们发现当它排序越接近有序的数组时, 它的时间复杂度是越低的, 如果待排序数组是有序的话, 时间复杂度就是O(N)了. 所以元素集合越接近有序,直接插入排序算法的时间效率越高
2. 希尔排序
希尔排序法又称缩小增量法在, 它是直接插入排序的优化。
希尔排序法的基本思想是:先选定一个整数,把待排序数组的所有元素分成多个组,所有距离相同的元素分在同一组内,并对每一组内的元素进行排序。然后重复上述分组和排序的工作。当分组数到达1时,所有元素在同一组内排好序。
举个例子: 现在有个数组待排序 :
将数组分为 gap 组. 这里 gap 为 2, 对这 gap 组元素进行排序, 刚开始令 i 为 gap, 然后令 j 为 i - gap, 依次与 tmp 比较, 每次 j 都减 gap, 有序后 i++,
然后再重复上面步骤. 直到 i 遍历完数组. 然后再让 gap变小, 慢慢让多组变为一组.
public class Test {
public static void Shersort(int[] array) {
int gap = array.length / 2; //gap开始时挺大的, 这样分的组多
while(gap >= 1) {
for(int i = gap; i < array.length; i++) {
int tmp = array[i];
int j = 0;
for(j = i-gap; j >= 0; j -= gap) {
if(array[j] > tmp) {
array[j+gap] = array[j];
}else {
break;
}
}
array[j+gap] = tmp;
}
gap /= 2; //gap逐渐变小, 最后为1, 就是最后只有一组
}
}
public static void main(String[] args) {
int[] array = new int[]{4,8,1,2,9,3,20,1,5,0,22,6,21};
Shersort(array);
System.out.println(Arrays.toString(array));
}
}
希尔排序特性总结:
- 希尔排序是对直接插入排序的优化
- 当gap > 1时都是预排序,目的是让数组更接近于有序。当gap == 1时,数组已经接近有序的了,这样就会很快。这样整体而言,可以达到优化的效果。
- 希尔排序的时间复杂度不好计算,因为gap的取值方法很多,导致很难去计算,我们一般认为它的时间复杂度是: O(N^1.25) 到 O(1.6*N^1.25)
- 不稳定
3. 选择排序
这个排序就相对简单很多了, 简单来说就是每次去数组里找到最小的元素然后往前面放.
public class Test {
public static void Picksort(int[] array) {
for(int i = 0; i < array.length; i++) {
int min = i; //定义一个变量来记录最小元素下标, 初始为i
//遍历 i 后面的元素, 当碰到比 i 下标元素小的元素时就令 min 等于该元素下标
for(int j = i+1; j < array.length; j++) {
if(array[min] > array[j]) {
min = j;
}
}
//最后将 i 指向的元素与找到的最小元素交换位置
int tmp = array[i];
array[i] = array[min];
array[min] = tmp;
}
}
public static void main(String[] args) {
int[] array = new int[]{6,10,3,4,1,2,0,5,9,7,8};
Picksort(array);
System.out.println(Arrays.toString(array));
}
}
选择排序特性总结 :
- 直接选择排序思考非常好理解,但是效率不是很好。实际中很少使用
- 时间复杂度:O(N^2)
- 空间复杂度:O(1)
- 稳定性:不稳定
4. 堆排序
堆排序首先就是将待排序数组建为大根堆(排升序用大根堆), 然后我们就得到了最大元素, 将最大元素与最后一个元素交换位置, 这样最大的元素就排好了, 然后再剩下的元素重复上面操作即可.
public class Test {
public static void Heapsort(int[] array) {
Heap(array); //建立大根堆
for(int i = array.length-1; i > 0; i--) {
//将最大元素与最后的元素互换
int tmp = array[0];
array[0] = array[i];
array[i] = tmp;
//换完了再向下调整, 又变为大根堆, 堆的长度要减一
func(array,0,i);
}
}
//建立大根堆, 建堆的时间复杂度: O(N)
private static void Heap(int[] array) {
int len = array.length;
for(int i = (len-1-1)/2; i >= 0; i--) {
func(array,i,len); //从最后一个拥有孩子节点的树开始依次向下调整
}
}
//向下调整, 时间复杂度: O(logN)
private static void func(int[] array, int r, int len) {
int a = 2*r;
while(a < len) {
//找出最大的子节点
if(a+1 < len && array[a] < array[a+1]) {
a = a+1;
}
//与父节点比较, 若比父节点大, 则交换, 否则调整完毕退出循环
if(array[a] > array[r]) {
int tmp = array[a];
array[a] = array[r];
array[r] = tmp;
//令r指向交换了的孩子节点, 继续循环
r = a;
a = 2*r;
}else {
break;
}
}
}
public static void main(String[] args) {
int[] array = new int[]{6,10,3,4,1,2,0,5,9,7,8};
Heapsort(array);
System.out.println(Arrays.toString(array));
}
}
堆排序的特性总结 :
- 时间复杂度:O(N*logN)
- 空间复杂度:O(1)
- 稳定性:不稳定
5. 冒泡排序
这个相信大家都不陌生了.
public class Test {
public static void Bubble(int[] array) {
for(int i = 0; i < array.length-1; i++) {
for(int j = 0; j < array.length-1-i; j++) {
if(array[j] > array[j+1]) {
int tmp = array[j];
array[j] = array[j+1];
array[j+1] = tmp;
}
}
}
}
public static void main(String[] args) {
int[] array = new int[]{6,10,3,4,1,2,0,5,9,7,8};
Bubble(array);
System.out.println(Arrays.toString(array));
}
}
我们还可以给它优化一下:
public class Test {
public static void Bubble(int[] array) {
for(int i = 0; i < array.length-1; i++) {
int m = 0; //定义 m, 如果本次 j 进行的for循环没有改变元素位置, 则说明已经有序直接返回
for(int j = 0; j < array.length-1-i; j++) {
if(array[j] > array[j+1]) {
int tmp = array[j];
array[j] = array[j+1];
array[j+1] = tmp;
m = 1;
}
}
if(m == 0) {
return;
}
}
}
}
冒泡排序的特性总结:
- 时间复杂度:O(N^2)
- 空间复杂度:O(1)
- 稳定性:稳定
6. 快速排序
快速排序有几种写法, 我们这就列举相对简单的 Hoare 法:
任取待排序元素序列中的某元素作为基准值,按照该排序码将待排序集合分割成两子序列,左子序列中所有元素均小于基准值,右子序列中所有元素均大于基准值,然后将左右子序列重复该过程,直到所有元素都排列在相应位置上为止.
我们可以直接将最左边元素作为基准值来分割序列, 定义 l 和 r 分别代表该序列最左边与最右边位置下标, 先从右边开始往后找到比 6 小的元素下标, 再从左边开始找到比 6 大的元素下标, 然后将它两元素交换, 继续上述操作, 直到它两相遇, 然后交换基准值与相遇位置元素, 然后将 6 左边数组与右边数组重复上面操作.
public class Test {
public static void Sort(int[] array){
int left = 0;
int right = array.length-1;
SortChild(array,left,right);
}
private static void SortChild(int[] array, int left, int right) {
if(left >= right) { //结束递归条件
return;
}
int l = left;
int r = right;
int key = array[l]; //记录基准值
while(l < r) {
while(l < r && array[r] >= key) { //注意找的是小于key的值, 得加等于号, 下面同理
r--;
}
while(l < r && array[l] <= key) {
l++;
}
Swap(array,l,r); //找到后交换元素
}
Swap(array,left,l); //最后把key与相遇下标值交换
SortChild(array,left,l-1);
SortChild(array,l+1,right);
}
public static void Sort(int[] array){
int left = 0;
int right = array.length-1;
SortChild(array,left,right);
}
}
理想情况下, 它是类似与二叉树结构 , 每层都是比较 N 次, 那高度是 lgN, 时间复杂度就是N*lgN.
但这是理想情况, 如果我们给的是一个有序数组呢?
那它每层比较 N 次, 但它的高度却是 N, 所以时间复杂度为 N^2.
我们可以对它进行优化, 就是用三数取中法, 来取出首尾中三元素的中间值, 然后将中间值与首元素交换, 作为基准, 再来排序.
快速排序总结:
- 快速排序整体的综合性能和使用场景都是比较好的.
- 时间复杂度:O(N*logN)
- 空间复杂度:O(logN)
- 稳定性:不稳定
7. 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。
public class Test {
public static void Merge(int[] array) {
MergeChild(array,0,array.length-1);
}
private static void MergeChild(int[] array, int left, int right) {
if(left >= right) { //递归结束条件
return;
}
int m = (left+right)/2;
MergeChild(array,left,m); //往左递归
MergeChild(array,m+1,right); //往右递归
//将两个子序列合并
int a = left;
int b = m+1;
int size = right-left+1;
int[] arr = new int[size]; //定义一个数组存放两个子序列
int j = 0;
//将两个子序列有序放入arr数组中
while(a <= m && b <= right) {
if(array[a] < array[b]) {
arr[j++] = array[a++];
}else {
arr[j++] = array[b++];
}
}
if(a > m) {
while(b <= right) {
arr[j++] = array[b++];
}
}else {
while(a <= m) {
arr[j++] = array[a++];
}
}
//将arr数组元素重新放入array数组中
for(int i = 0; i < size; i++) {
array[i+left] = arr[i];
}
}
}
归并排序总结:
- 归并的缺点在于需要O(N)的空间复杂度,归并排序的思考更多的是解决在磁盘中的外排序问题。
- 时间复杂度:O(N*logN)
- 空间复杂度:O(N)
- 稳定性:稳定
8. 基数排序(了解)
思想:计数排序又称为鸽巢原理,是对哈希直接定址法的变形应用。
操作步骤:
- 统计相同元素出现次数
- 根据统计的结果将序列回收到原来的序列中
public class Test {
public static void Radix(int[] array) {
int min = array[0];
int max = array[0];
//找出最大与最小值
for(int i = 1; i < array.length; i++) {
if(array[i] < min) {
min = array[i];
}
if(array[i] > max) {
max = array[i];
}
}
//创建一个元素大小范围的数组
int[] arr = new int[max-min+1];
//用该数组记录下标为 array[i]-min 的元素个数
for(int i = 0; i < array.length; i++) {
arr[array[i]-min]++;
}
int j = 0; // j记录赋值时array的下标
//将记录的数据记录进原数组
for(int i = 0; i < arr.length; i++) {
while(arr[i] != 0) { //根据arr[i]记录的个数来决定赋值次数
array[j++] = i+min; //i+m是利用i将原来元素的大小翻译出来
arr[i]--;
}
}
}
}
计数排序的特性总结:
- 计数排序在数据范围集中时,效率很高,但是适用范围及场景有限。
- 时间复杂度:O(MAX(N,范围))
- 空间复杂度:O(范围)
- 稳定性:稳定
总结
上述八大排序中, 稳定的排序仅三个 : 直接插入排序, 冒泡排序, 归并排序.
基数排序算不上稳定, 因为它存放的数据都不是原来的数据了.