1.堆排序
堆排序(Heapsort)是指利用堆积树(堆)这种数据结构所设计的一种排序算法。
它的特点是:在排序的过程中,将array[0,…,n-1]看成是一颗完全二叉树的顺序存储结构,利用完全二叉树中双亲节点和孩子节点之间的内在关系,在当前无序区中选择关键字最大(最小)的元素。
堆
堆是具有以下性质的完全二叉树:每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆;或者每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆
同时,我们对堆中的结点按层进行编号,将这种逻辑结构映射到数组中就是下面这个样子
数据关系
当前元素下标index,则有以下数据关系
1)它的父节点的下标为:(index-1)/2
2)它的左子节点的下标为:2index + 1
3)它的右子节点的下标为:2index + 2
该数组从逻辑上讲就是一个堆结构,我们用简单的公式来描述一下堆的定义就是:
大顶堆:arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2]
小顶堆:arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2]
堆排序基本思想及步骤
堆排序的基本思想是:将待排序序列构造成一个大顶堆,此时,整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换,此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个堆,这样会得到n个元素的次小值。如此反复执行,便能得到一个有序序列了
步骤一 构造初始堆。将给定无序序列构造成一个大顶堆(一般升序采用大顶堆,降序采用小顶堆)。
步骤二 将堆顶元素与末尾元素进行交换,使末尾元素最大。然后继续调整堆,再将堆顶元素与末尾元素交换,得到第二大元素。如此反复进行交换、重建、交换。
再简单总结下堆排序的基本思路:
a.将无需序列构建成一个堆,根据升序降序需求选择大顶堆或小顶堆;
b.将堆顶元素与末尾元素交换,将最大元素"沉"到数组末端;
c.重新调整结构,使其满足堆定义,然后继续交换堆顶元素与当前末尾元素,反复执行调整+交换步骤,直到整个序列有序。
核心代码
public class Main {
public static void main(String[] args) {
int[] nums = {6, 5, 3, 8, 1, 7, 2, 9, 4};
sort(nums);
System.out.println(Arrays.toString(nums));
}
public static void sort(int[] arr) {
//1.构建大顶堆
for (int i = arr.length / 2 - 1; 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);
}
//2.调整堆结构+交换堆顶元素与末尾元素
for (int j = arr.length - 1; j > 0; j--) {
swap(arr, 0, j);//将堆顶元素与末尾元素进行交换
adjustHeap(arr, 0, j);//重新对堆进行调整
}
}
/**
* 调整大顶堆(仅是调整过程,建立在大顶堆已构建的基础上)
*
* @param arr
* @param i
* @param length
*/
public static void adjustHeap(int[] arr, int i, int length) {
int temp = arr[i];//先取出当前元素i
for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {//从i结点的左子结点开始,也就是2i+1处开始
if (k + 1 < length && arr[k] < arr[k + 1]) {//如果左子结点小于右子结点,k指向右子结点
k++;
}
if (arr[k] > temp) {//如果子节点大于父节点,将子节点值赋给父节点(不用进行交换)
arr[i] = arr[k];
i = k;
} else {
break;
}
}
arr[i] = temp;//将temp值放到最终的位置
}
public static void swap(int[] arr, int a, int b) {
int temp = arr[a];
arr[a] = arr[b];
arr[b] = temp;
}
}
分析
堆排序是一种选择排序,整体主要由构建初始堆+交换堆顶元素和末尾元素并重建堆两部分组成。其中构建初始堆经推导复杂度为O(n),在交换并重建堆的过程中,需交换n-1次,而重建堆的过程中,根据完全二叉树的性质,[log2(n-1),log2(n-2)…1]逐步递减,近似为nlogn。所以堆排序时间复杂度一般认为就是O(nlogn)级。
2.归并排序
把待排序序列分为若干个子序列,每个子序列是有序的。然后再把有序子序列合并为整体有序序列。(采用分治思想)
java代码:(递归和非递归实现)
public class Main {
public static void main(String[] args) {
int[] nums = {6, 5, 3, 8, 1, 7, 2, 9, 4};
// margesSortWithRecursion(nums, 0, nums.length - 1);
margesSortNotRecursion(nums);
System.out.println(Arrays.toString(nums));
}
/**
* 递归切分待排
*
* @param nums 待切分数组
* @param left 待切分最后第一个元素的索引
* @param right 待切分数组最后一个元素的索引
*/
private static void margesSortWithRecursion(int[] nums, int left, int right) {
if (left < right) {
// 找出中间索引
int center = (left + right) / 2;
// 对左边数组进行递归
margesSortWithRecursion(nums, left, center);
// 对右边数组进行递归
margesSortWithRecursion(nums, center + 1, right);
// 合并
merge(nums, left, center, right);
}
}
/**
* 非递归
*
* @param nums
*/
private static void margesSortNotRecursion(int[] nums) {
for (int i = 1; i <= nums.length; i *= 2) {
for (int j = 0; j + i <= nums.length; j += i * 2) {
//Math.min 的目的是处理 整个待排序数组为奇数的情况
merge(nums, j, j + i - 1, Math.min(j + 2 * i - 1, nums.length - 1));
}
}
}
/**
* 两两归并排好序的数组(2路归并)
*
* @param nums 带排序数组对象
* @param left 左边数组的第一个索引
* @param center 左数组的最后一个索引,center + 1右数组的第一个索引
* @param right 右数组的最后一个索引
*/
private static void merge(int[] nums, int left, int center, int right) {
int[] tmpArray = new int[right - left + 1];
int leftIndex = left; //左数组第一个元素的索引
int rightIndex = center + 1; //右数组第一个元素索引
int tmpIndex = 0; //临时数组索引
// 把较小的数先移到新数组中
while (leftIndex <= center && rightIndex <= right) {
if (nums[leftIndex] <= nums[rightIndex]) {
tmpArray[tmpIndex++] = nums[leftIndex++];
} else {
tmpArray[tmpIndex++] = nums[rightIndex++];
}
}
// 把左边剩余的数移入数组
while (leftIndex <= center) {
tmpArray[tmpIndex++] = nums[leftIndex++];
}
// 把右边边剩余的数移入数组
while (rightIndex <= right) {
tmpArray[tmpIndex++] = nums[rightIndex++];
}
// 把新数组中的数覆盖nums数组
for (int i = 0; i < tmpArray.length; i++) {
nums[left + i] = tmpArray[i];
}
}
}
分析
归并排序是 将待排序的线性表不断地切分成若干个子表,直到每个子表只包含一个元素,这时,可以认为只包含一个元素的子表是有序表。将子表两两合并,每合并一次,就会产生一个新的且更长的有序表,重复这一步骤,直到最后只剩下一个子表,这个子表就是排好序的线性表。时间复杂度均为O(nlogn)。递归,这种方法的好处就是代码容易理解,能比较直观地描述算法思想。但是,也正是由于递归,会使得在排序过程中占用大量计算机内部的栈空间,如果线性表长度过长,那么会可能会造成栈溢出,从而使程序崩溃,非递归迭代就不会出现这种问题。
递归对性能的消耗有时候甚至能达到指数级别,事实上,任何能用递归解决的问题,也都能用迭代解决。所以,不仅是归并排序,当你遇到其他问题时,如果能用迭代解决,那么不妨想想能不能用迭代来替换。
3.快速排序
快速排序是冒泡排序的一种改进。(冒泡排序是比较相邻的数,并使小的在前大的在后)快速排序每一趟排序都选取一个基准数V,将数据通过基准数分割成独立的两部分,左边部分的数小于V,右边部分的数大于V,且在一趟排序完成后使基准数在正确的位置上。然后再将“小于v”和“大于v”的数据块作为子数组,同样选择基准值,再进行上述类似操作,当执行到数据块中只有1个元素或者0个元素时,即完成排序。
例如快速排序问题,一个列表进行排序,如下图
首先选择列表中的一个元素作为基准元素(一般是数列的第一个元素),其他的元素都与这个元素做比较,找出小于这个基准值的值、大于基准值的值。这称为“分区”,这时有,
1)一个由所有小于基准值的数字组成的子数组;
2)基准值
3)一个由所有大于基准值的数组组成的子数组
然后再将“小于v”和“大于v”的数据块作为子数组,同样选择基准值,再进行上述类似操作,当执行到数据块中只有1个元素或者0个元素时,即完成排序。
分区操作步骤:
待排序数组arr [3,5,2,1,4]
1.选择第一个元素(或随机选一个元素arr[k])作为基准值pivot=arr[k],最左边元素left = 0,arr[left], 最右边元素right = arr.length-1,arr[right],
2.从左向右遍历数组left++,直到找到一个大于基准值的元素A1,从右向左遍历righ–直到找到一个小于基准值pivot的元素B1。交换A1,B1的位置,继续遍历left++ 寻找下一个大于pivot的元素A2,right-- ,寻找下一个小于pivot的元素B2,交换A2,B2。
继续遍历left++,right++ ,直到left == right 停止, 然后把privot元素 交换到停止的位置arr[left],这样 privot左边的元素都小于pivot,privot右边的元素都大于pivot。这就分好区了A区,B区
3.对A区,B区重复步骤2,直到数据块中只有1个元素或者0个元素
java代码实现
public class Main {
public static void main(String[] args) {
int arr[] = {65, 58, 95, 10, 57, 62, 13, 106, 78, 23, 85};
System.out.println("排序前:" + Arrays.toString(arr));
quickSort(arr, 0, arr.length - 1);
System.out.println("排序后:" + Arrays.toString(arr));
}
public static void quickSort(int[] arr, int left, int right) {
// 递归结束条件:startIndex大等于endIndex的时候
if (left >= right) {
return;
}
// 得到基准元素位置
int pivot = partition(arr, left, right);
// 根据基准元素,分成两部分递归排序
quickSort(arr, left, pivot - 1);
quickSort(arr, pivot + 1, right);
}
private static int partition(int[] arr, int left, int right) {
// 取第一个位置的元素作为基准元素
int pivot = arr[left];
int pivotIndex = left;
while (left != right) {
//右向左遍历找到一个小于privot的值A
while (left < right && arr[right] > pivot) {
right--;
}
//左向右遍历找到一个大于privot的值B
while (left < right && arr[left] <= pivot) {
left++;
}
//交换A,B两个值
if (left < right) {
int p = arr[left];
arr[left] = arr[right];
arr[right] = p;
}
}
//pivot交换到中间位置left == right
int p = arr[left];
arr[left] = pivot;
arr[pivotIndex] = p;
return left;
}
}
参考:
归并排序:
https://www.jianshu.com/p/8342e60aae4f
https://blog.csdn.net/qq_36299025/article/details/89105334
https://www.cnblogs.com/acm-bingzi/p/mergesort.html
快速排序:
http://www.sohu.com/a/246785807_684445
https://baijiahao.baidu.com/s?id=1617821935743300963&wfr=spider&for=pc