排序算法--------选择排序（简单选择排序和堆排序）

 

目录

排序算法--------选择排序（简单选择排序和堆排序）

1、简单选择排序

2、堆排序

---

1、简单选择排序

表现最稳定的排序算法之一，因为无论什么数据进去都是O(n2)的时间复杂度，所以用到它的时候，数据规模越小越好。唯一的好处可能就是不占用额外的内存空间了吧。理论上讲，选择排序可能也是平时排序一般人想到的最多的排序方法了吧。

选择排序(Selection-sort)是一种简单直观的排序算法。它的工作原理：首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。 

2.1 算法描述

n个记录的直接选择排序可经过n-1趟直接选择排序得到有序结果。具体算法描述如下：

• 初始状态：无序区为R[1..n]，有序区为空；
• 第i趟排序(i=1,2,3…n-1)开始时，当前有序区和无序区分别为R[1..i-1]和R(i..n）。该趟排序从当前无序区中-选出关键字最小的记录 R[k]，将它与无序区的第1个记录R交换，使R[1..i]和R[i+1..n)分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区；
• n-1趟结束，数组有序化了。

2.2 动图演示

 

2.3 代码实现

/**
 * 简单选择排序算法
 */
public class ChooseSort {
    public static void sort(int[] nums){
        if(nums == null || nums.length == 0)
            return;
        for(int i = 0; i < nums.length; ++i){
            int mixIndex = i;             //记录最小数字的先下标
            for(int j = i; j < nums.length; ++j){   //找出最小数字的先下标
                if(nums[j] < nums[mixIndex]){
                    mixIndex = j;
                }
            }
            int temp = nums[i];      //交换数字
            nums[i] = nums[mixIndex];
            nums[mixIndex] = temp;
        }
    }
    public static void main(String args[]){
        int[] nums = new int[]{5,69,54,21,5,36,7,84};
        ChooseSort.sort(nums);
        for(int num : nums){
            System.out.print(num + "   ");
        }
    }
}

     运行结果：

5   5   7   21   36   54   69   84

2.4 算法性能分析

算法	平均时间	最优时间	最坏时间	额外空间	稳定性
简单选择排序	O（n2）	O(n2)	O(n2)	1	不确定，一般认为不稳定（看实现方式）

2.5 优化

可以考虑一趟循环中确定一个最大值和一个最小值，这样可以减少循环次数到 n/2 次。对上题优化代码如下：

/**
 * 简单排序算法优化
 */
public class TwoChooseSort {
    public static void sort(int[] nums){
        if(nums == null || nums.length == 0){
            return;
        }
        int minIndex;
        int maxIndex;
        for(int i = 0; i <= nums.length / 2 ; ++i){
            minIndex = i;        //记录最小数字下标
            maxIndex = i;        //记录最大数字下标
            for(int j = i + 1; j < nums.length - i ; ++j){
                if(nums[j] > nums[maxIndex]){      
                    maxIndex = j;     //如果大，标记
                    continue;         //不会是最小，跳过
                }
                if(nums[j] < nums[minIndex]){
                    minIndex = j;
                }
            }
            int tempMin = nums[i];         //交换位置
            nums[i] = nums[minIndex];
            nums[nums.length - i - 1] = nums[maxIndex];
            nums[minIndex] = tempMin;
            int tempMax = nums[nums.length - i - 1];
            nums[maxIndex] = tempMax;
        }
    }
    public static void main(String args[]){
        int[] nums = new int[]{5,69,54,21,5,36,7,84};
        TwoChooseSort.sort(nums);
        for(int num : nums){
            System.out.print(num + "   ");
        }
    }
}

     运行结果：

5   5   7   21   36   54   69   84

---

2、堆排序

堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。

 

-------------------------------------堆结构解析------------------------------

 

2.1 算法描述

• 将初始待排序关键字序列(R1,R2….Rn)构建成大顶堆，此堆为初始的无序区；
• 将堆顶元素R[1]与最后一个元素R[n]交换，此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足R[1,2…n-1]<=R[n]；
• 由于交换后新的堆顶R[1]可能违反堆的性质，因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆，然后再次将R[1]与无序区最后一个元素交换，得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1，则整个排序过程完成。

2.2 算法动态解图

2.3 算法分析 

算法	平均时间	最优时间	最坏时间	额外空间	稳定性
堆排序	O（nlogn）	O(nlogn)	O(nlogn)	1	不稳定

2.4 算法实现

package 十大排序算法;

/**
 * @description: 堆排序
 * @author: Mr.Wang
 * @create: 2020-04-28 16:30
 **/
public class HeapSort {
    public static void main(String[] args) {
//        int[] arr = {5, 1, 7, 3, 1, 6, 9, 4};
        int[] arr = {16, 7, 3, 20, 17, 8};

        heapSort(arr);

        for (int i : arr) {
            System.out.print(i + " ");
        }
    }


    /**
     * 创建堆，
     * @param arr 待排序列
     */
    private static void heapSort(int[] arr) {
        //创建堆
        for (int i = (arr.length - 1) / 2; i >= 0; i--) {
            //从第一个非叶子结点从下至上，从右至左调整结构
            adjustHeap(arr, i, arr.length);
        }

        //调整堆结构+交换堆顶元素与末尾元素
        for (int i = arr.length - 1; i > 0; i--) {
            //将堆顶元素与末尾元素进行交换
            int temp = arr[i];
            arr[i] = arr[0];
            arr[0] = temp;

            //重新对堆进行调整
            adjustHeap(arr, 0, i);
        }
    }

    /**
     * 调整堆
     * @param arr 待排序列
     * @param parent 父节点
     * @param length 待排序列尾元素索引
     */
    private static void adjustHeap(int[] arr, int parent, int length) {
        //将temp作为父节点
        int temp = arr[parent];
        //左孩子
        int lChild = 2 * parent + 1;

        while (lChild < length) {
            //右孩子
            int rChild = lChild + 1;
            // 如果有右孩子结点，并且右孩子结点的值大于左孩子结点，则选取右孩子结点
            if (rChild < length && arr[lChild] < arr[rChild]) {
                lChild++;
            }

            // 如果父结点的值已经大于孩子结点的值，则直接结束
            if (temp >= arr[lChild]) {
                break;
            }

            // 把孩子结点的值赋给父结点
            arr[parent] = arr[lChild];

            //选取孩子结点的左孩子结点,继续向下筛选
            parent = lChild;
            lChild = 2 * lChild + 1;
        }
        arr[parent] = temp;
    }
}

运行结果：

3 7 8 16 17 20 

 

参考：

https://www.cnblogs.com/guoyaohua/p/8600214.html