10大排序算法

最近准备好好学学算法啦，刚毕业总觉得算法不重要，现在工作了才知道，一名合格的工程狮一定要会基本的算法才能写出好代码~ now ， let’s coding！
首先放一张非常好的总结图：（我反正是懒得背，每次想起一个算法了，就自己推导下复杂度和稳定性这些）

总结

时间复杂度

O(n2)

• 冒泡排序 *
• 选择排序（不稳定）
• 插入排序
• 希尔排序 （比O(n2)好一些）（不稳定）

O(nlogn)

• 快速排序（不稳定） *
• 归并排序
• 堆排序（不稳定）

线性

• 计数排序
• 桶排序
• 基数排序

分类

1. 冒泡排序 *

• 比较相邻的元素。如果第一个比第二个大，就交换它们两个；
• 对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对，这样在最后的元素应该会是最大的数；
• 针对所有的元素重复以上的步骤，除了最后一个；
• 重复步骤1~3，直到排序完成。

优化点1： 假如某一趟排序之后已经有序，我们需要减少排序的趟数。否则就做了很多无用功。
优化点2：对数组有界区进行界定，避免有序数组的比较

/**
     * 冒泡算法
     * 最佳情况：T(n) = O(n)   最差情况：T(n) = O(n2)   平均情况：T(n) = O(n2)
     * @param args
     */
    public static int[] bubbleSort(int[] array) {
        // 用来计算请求时间哒
        if (array.length == 0)
            return array;
        // 记录最后一次交换的位置
        int lastExchange = 0;
        // 无序数组的边界
        int sortBorder = array.length - 1;
        int length = array.length - 1;
        
            for (int i = 0; i < length; i++) {
             // 优化点1： 假如某一趟排序之后已经有序，我们需要减少排序的趟数。否则就做了很多无用功。
                boolean flag = false;
                for (int j = 0; j < sortBorder; j++) {
                    if ( array[j] > array[j+1] ){
                        flag = true;
                        int temp = array[j];
                        array[j] = array[j+1];
                        array[j+1] = temp;
                        // 优化点2：对数组有界区进行界定 更新为最后一次交换位置
                        lastExchange = j;
                    }
                }
                sortBorder = lastExchange;
                if ( !flag ){
                    return array;
                }
        }
        return array;
    }

6. 快速排序（1）**

快速排序使用到了分治法。
通过一趟排序将待排记录分隔成独立的两部分，其中一部分记录的关键字均比另一部分的关键字小，则可分别对这两部分记录继续进行排序，以达到整个序列有序。

即：在每一轮挑选一个基准元素，并让其它比它大的元素移动到一边，比它小的到另一边。

使用单边循环法：(递归)
一开始设置指针mark指向起始位置（小于基准元素的区域边界），从基准元素的下一个开始遍历。若遍历的元素小于基准元素，mark后移1位，遍历到的元素和mark元素交换位置。----- 一直递归下去，最后把基准元素与mark交换位置即可。

//最佳情况：T(n) = O(nlogn)   最差情况：T(n) = O(n2)   平均情况：T(n) = O(nlogn)　
public static int[] QuickSort(int[] array, int start, int end) {
        if (array.length < 1 || start < 0 || end >= array.length || start > end) return null;
        int smallIndex = partition(array, start, end);
        if (smallIndex > start)
            QuickSort(array, start, smallIndex - 1);
        if (smallIndex < end)
            QuickSort(array, smallIndex + 1, end);
        return array;
    }

    public static int partition(int[] array, int start, int end) {
        int pivot = (int) (start + Math.random() * (end - start + 1));
        int smallIndex = start - 1;
        swap(array, pivot, end);
        for (int i = start; i <= end; i++)
            if (array[i] <= array[end]) {
                smallIndex++;
                if (i > smallIndex)
                    swap(array, i, smallIndex);
            }
        return smallIndex;
    }

    public static void swap(int[] array, int i, int j) {
        int temp = array[i];
        array[i] = array[j];
        array[j] = temp;
    }

7. 堆排序 **

1. 把无序数组构建成二叉堆。需要从小到大排序，那构成最大堆。
2. 循环删除堆顶元素，替换到二叉堆的末尾，调整堆产生新的堆顶。

堆排序与快速排序

它们的平均时间复杂度都是O(nlogn)，都是不稳定排序。
但快速排序最坏时间复杂度为O(n2)，平均空间复杂度是O(nlogn)，而堆排序为O(1)

详细介绍

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。

• 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。

// 最佳情况：T(n) = O(nlogn) 最差情况：T(n) = O(nlogn) 平均情况：T(n) = O(nlogn)
//声明全局变量，用于记录数组array的长度；
static int len;
   /**
    * 堆排序算法
    *
    * @param array
    * @return
    */
   public static int[] HeapSort(int[] array) {
       len = array.length;
       if (len < 1) return array;
       //1.构建一个最大堆
       buildMaxHeap(array);
       //2.循环将堆首位（最大值）与末位交换，然后在重新调整最大堆
       while (len > 0) {
           swap(array, 0, len - 1);
           len--;
           adjustHeap(array, 0);
       }
       return array;
   }
   /**
    * 建立最大堆
    *
    * @param array
    */
   public static void buildMaxHeap(int[] array) {
       //从最后一个非叶子节点开始向上构造最大堆
       for (int i = (len - 1) / 2; i >= 0; i--) {
           adjustHeap(array, i);
       }
   }
   /**
    * 调整使之成为最大堆
    *
    * @param array
    * @param i
    */
   public static void adjustHeap(int[] array, int i) {
       int maxIndex = i;
       //如果有左子树，且左子树大于父节点，则将最大指针指向左子树
       if (i * 2 < len && array[i * 2] > array[maxIndex])
           maxIndex = i * 2;
       //如果有右子树，且右子树大于父节点，则将最大指针指向右子树
       if (i * 2 + 1 < len && array[i * 2 + 1] > array[maxIndex])
           maxIndex = i * 2 + 1;
       //如果父节点不是最大值，则将父节点与最大值交换，并且递归调整与父节点交换的位置。
       if (maxIndex != i) {
           swap(array, maxIndex, i);
           adjustHeap(array, maxIndex);
       }
   }

计数排序 + 桶排序 **

冒泡排序、快速排序、堆排序都是基于元素之间的比较进行排序的。 计数排序 + 桶排序 在特定情况下，时间复杂度为线性！

8、计数排序（利用数组下标确定位置）

1. 以数列最大值-最小值+1作为统计数组的长度
2. 从统计数组第二个元素开始，每一个元素加上前面所有元素之和。（这样做就为稳定排序了）
3. 遍历原数组，找到对应下标的排名，并将其减一

当最大值最小值差距过大，不适合计数排序
当数列元素不是整数，也不适用计数排序

计数排序(Counting sort)是一种稳定的排序算法。计数排序使用一个额外的数组C，其中第i个元素是待排序数组A中值等于i的元素的个数。然后根据数组C来将A中的元素排到正确的位置。它只能对整数进行排序。

• 找出待排序的数组中最大和最小的元素；

• 统计数组中每个值为i的元素出现的次数，存入数组C的第i项；

• 对所有的计数累加（从C中的第一个元素开始，每一项和前一项相加）；

• 反向填充目标数组：将每个元素i放在新数组的第C(i)项，每放一个元素就将C(i)减去1。

// T(n) = O(n+k)  最差情况：T(n) = O(n+k)  平均情况：T(n) = O(n+k)
public static int[] CountingSort(int[] array) {
       if (array.length == 0) return array;
       int bias, min = array[0], max = array[0];
       for (int i = 1; i < array.length; i++) {
           if (array[i] > max)
               max = array[i];
           if (array[i] < min)
               min = array[i];
       }
       bias = 0 - min;
       int[] bucket = new int[max - min + 1];
       Arrays.fill(bucket, 0);
       for (int i = 0; i < array.length; i++) {
           bucket[array[i] + bias]++;
       }
       int index = 0, i = 0;
       while (index < array.length) {
           if (bucket[i] != 0) {
               array[index] = i - bias;
               bucket[i]--;
               index++;
           } else
               i++;
       }
       return array;
   }

9、桶排序（1）

排序是计数排序的升级版。它利用了函数的映射关系，高效与否的关键就在于这个映射函数的确定。

桶排序 (Bucket sort)的工作的原理：假设输入数据服从均匀分布，将数据分到有限数量的桶里，每个桶再分别排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排

• 人为设置一个BucketSize，作为每个桶所能放置多少个不同数值（例如当BucketSize==5时，该桶可以存放｛1,2,3,4,5｝这几种数字，但是容量不限，即可以存放100个3）；

• 遍历输入数据，并且把数据一个一个放到对应的桶里去；

• 对每个不是空的桶进行排序，可以使用其它排序方法，也可以递归使用桶排序；

• 从不是空的桶里把排好序的数据拼接起来。

// 平均情况：T(n) = O(n+k)   最差情况：T(n) = O(nlogn) 
public static ArrayList<Integer> BucketSort(ArrayList<Integer> array, int bucketSize) {
       if (array == null || array.size() < 2)
           return array;
       int max = array.get(0), min = array.get(0);
       // 找到最大值最小值
       for (int i = 0; i < array.size(); i++) {
           if (array.get(i) > max)
               max = array.get(i);
           if (array.get(i) < min)
               min = array.get(i);
       }
       int bucketCount = (max - min) / bucketSize + 1;
       ArrayList<ArrayList<Integer>> bucketArr = new ArrayList<>(bucketCount);
       ArrayList<Integer> resultArr = new ArrayList<>();
       for (int i = 0; i < bucketCount; i++) {
           bucketArr.add(new ArrayList<Integer>());
       }
       for (int i = 0; i < array.size(); i++) {
           bucketArr.get((array.get(i) - min) / bucketSize).add(array.get(i));
       }
       for (int i = 0; i < bucketCount; i++) {
           if (bucketCount == 1)
               bucketSize--;
           ArrayList<Integer> temp = BucketSort(bucketArr.get(i), bucketSize);
           for (int j = 0; j < temp.size(); j++)
               resultArr.add(temp.get(j));
       }
       return resultArr;
   }

2. 选择排序

• 最稳定的排序算法之一（无论什么数据进去都是O(n2)的时间复杂度）
• 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。

// 最佳情况：T(n) = O(n2)  最差情况：T(n) = O(n2)  平均情况：T(n) = O(n2)
public static int[] selectionSort(int[] array) {
        if (array.length == 0)
            return array;
        int minArrIndex;
        for (int i = 0; i < array.length ; i++) {
            minArrIndex = i;
            for (int j = i ; j < array.length ; j++) {
                if ( array[minArrIndex] > array[j] ){
                    minArrIndex = j;
                }
            }
            int temp = array[minArrIndex];
            array[minArrIndex] =array[i];
            array[i] = temp;
        }
        return array;
    }

3. 插入排序

它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。插入排序在实现上，通常采用in-place排序（即只需用到O(1)的额外空间的排序），因而在从后向前扫描过程中，需要反复把已排序元素逐步向后挪位，为最新元素提供插入空间。

    // 最佳情况：T(n) = O(n)   最坏情况：T(n) = O(n2)   平均情况：T(n) = O(n2)
    public static int[] insertionSort(int[] array) {
        if (array.length == 0)
            return array;
        int current;
        for (int i = 0; i < array.length - 1; i++) {
            current = array[i + 1];
            int preIndex = i;
            while (preIndex >= 0 && current < array[preIndex]) {
                array[preIndex + 1] = array[preIndex];
                preIndex--;
            }
            array[preIndex + 1] = current;
        }
        return array;
    }

4. 希尔排序 （1）

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，同时该算法是冲破O(n2）的第一批算法之一。它与插入排序的不同之处在于，它会优先比较距离较远的元素。希尔排序又叫缩小增量排序。

希尔排序是把记录按下表的一定增量分组，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。

// 最佳情况：T(n) = O(nlog2 n)  最坏情况：T(n) = O(nlog2 n)  平均情况：T(n) =O(nlog2n)　
public static int[] shellSort(int[] array) {
        int len = array.length;
        int temp, gap = len / 2;
        while (gap > 0) {
            for (int i = gap; i < len; i++) {
                temp = array[i];
                int preIndex = i - gap;
                while (preIndex >= 0 && array[preIndex] > temp) {
                    array[preIndex + gap] = array[preIndex];
                    preIndex -= gap;
                }
                array[preIndex + gap] = temp;
            }
            gap /= 2;
        }
        return array;
    }

5. 归并排序（1）

归并排序的性能不受输入数据的影响，但表现比选择排序好的多，因为始终都是O(n log n）的时间复杂度。代价是需要额外的内存空间。
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。归并排序是一种稳定的排序方法。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2-路归并。

• 把长度为n的输入序列分成两个长度为n/2的子序列；

• 对这两个子序列分别采用归并排序；

• 将两个排序好的子序列合并成一个最终的排序序列

// 最佳情况：T(n) = O(n)  最差情况：T(n) = O(nlogn)  平均情况：T(n) = O(nlogn)
public static int[] mergeSort(int[] array) {
        if (array.length < 2 ){
            return array;
        }
        int mid = array.length / 2;
        // 分成两个长度为n/2的子序列
        int[] left = Arrays.copyOfRange(array, 0, mid);
        int[] right = Arrays.copyOfRange(array, mid, array.length);
        // 分别采用归并排序
        return merge(mergeSort(left), mergeSort(right));
    }
    // 将两个排序好的子序列合并成一个最终的排序序列
    private static int[] merge(int[] left, int[] right) {
        int[] result = new int[left.length + right.length];
        for (int index = 0, i = 0, j = 0; index < result.length; index++) {
            if (i >= left.length)
                result[index] = right[j++];
            else if (j >= right.length)
                result[index] = left[i++];
            else if (left[i] > right[j])
                result[index] = right[j++];
            else
                result[index] = left[i++];
        }
        return result;
    }

10、基数排序

基数排序也是非比较的排序算法，对每一位进行排序，从最低位开始排序，复杂度为O(kn),为数组长度，k为数组中的数的最大的位数；

基数排序是按照低位先排序，然后收集；再按照高位排序，然后再收集；依次类推，直到最高位。有时候有些属性是有优先级顺序的，先按低优先级排序，再按高优先级排序。最后的次序就是高优先级高的在前，高优先级相同的低优先级高的在前。基数排序基于分别排序，分别收集，所以是稳定的。

• 取得数组中的最大数，并取得位数；

• arr为原始数组，从最低位开始取每个位组成radix数组；

• 对radix进行计数排序（利用计数排序适用于小范围数的特点）；

// 最佳情况：T(n) = O(n * k)   最差情况：T(n) = O(n * k)   平均情况：T(n) = O(n * k)
public static int[] RadixSort(int[] array) {
       if (array == null || array.length < 2)
           return array;
       // 1.先算出最大数的位数；
       int max = array[0];
       for (int i = 1; i < array.length; i++) {
           max = Math.max(max, array[i]);
       }
       int maxDigit = 0;
       while (max != 0) {
           max /= 10;
           maxDigit++;
       }
       int mod = 10, div = 1;
       ArrayList<ArrayList<Integer>> bucketList = new ArrayList<ArrayList<Integer>>();
       for (int i = 0; i < 10; i++)
           bucketList.add(new ArrayList<Integer>());
       for (int i = 0; i < maxDigit; i++, mod *= 10, div *= 10) {
           for (int j = 0; j < array.length; j++) {
               int num = (array[j] % mod) / div;
               bucketList.get(num).add(array[j]);
           }
           int index = 0;
           for (int j = 0; j < bucketList.size(); j++) {
               for (int k = 0; k < bucketList.get(j).size(); k++)
                   array[index++] = bucketList.get(j).get(k);
               bucketList.get(j).clear();
           }
       }
       return array;
   }

基数排序有两种方法：

MSD 从高位开始进行排序 LSD 从低位开始进行排序

基数排序 vs 计数排序 vs 桶排序

这三种排序算法都利用了桶的概念，但对桶的使用方法上有明显差异：

• 基数排序：根据键值的每位数字来分配桶

• 计数排序：每个桶只存储单一键值

• 桶排序：每个桶存储一定范围的数值