前面几节我们介绍了各种算法的
具体实现,这一节我们分别对以上算法进行性能测试。
测试方法如下,分别测试n=1000,10000,100000(十万),500000(五十万),1000000(一百万),3000000(三百万)情况下的运算效率,随机数产生的 范围是当前数据量的十倍,比如1000个随机数时,随机范围1000*10=10000.
测试机型为 小米6。
测试方法如下,分别测试n=1000,10000,100000(十万),500000(五十万),1000000(一百万),3000000(三百万)情况下的运算效率,随机数产生的 范围是当前数据量的十倍,比如1000个随机数时,随机范围1000*10=10000.
测试机型为 小米6。
各种算法的源码已入前面的文章所述,而随机数的源码如下:
private var ARRAY_COUNT = 1000
private fun getSortList(): IntArray {
if (et_count.text.toString().isNotEmpty()) {
ARRAY_COUNT = et_count.text.toString().toInt()
}
if (ARRAY_COUNT < 0) {
Toast.makeText(this, "数字太小", Toast.LENGTH_SHORT).show()
}
var sortList = IntArray(ARRAY_COUNT)
var ra = Random()
for (i in sortList.indices) {
sortList[i] = ra.nextInt(ARRAY_COUNT * 10)
}
return sortList
}
下面就是各种数据量情况下的运算时间对比,由于冒泡、选择、插入三种排序方法在随机数超过十万后运算时间过长,就没有测试更大的数据量了,从结果我们可以看出不同的排序算法之间性能的差距是多么明显。
一千个随机数测试结果:
一万个随机数测试结果:
十万个随机数测试结果
五十万个随机数测试结果
一百万个随机数测试结果
三百万个随机数测试结果
总表如下