用自底向上算法为一组整数构造一个大根堆。_八大排序算法–Java实现

插入排序

• 基本思想：每步将一个待排序的纪录，按其关键码值的大小插入前面已经排序的文件中适当位置上，直到全部插入完为止。
• 算法适用于少量数据的排序，时间复杂度为O(n^2)。是稳定的排序方法。
• 代码：

public 

冒泡排序

• 基本思想：持续比较相邻的元素。如果第一个比第二个大，就交换他们两个。直到没有任何一对数字需要比较。
• 冒泡排序最好的时间复杂度为O(n)。冒泡排序的最坏时间复杂度为O(n^2)。因此冒泡排序总的平均时间复杂度为O(n^2)。
• 算法适用于少量数据的排序，是稳定的排序方法。
• 代码：

public 

选择排序

• 基本思想：每一次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，直到全部待排序的数据元素排完。
• 选择排序是不稳定的排序方法。时间复杂度 O(n^2)。
• 代码：

public 

希尔排序

• 基本思想：先取一个小于n的整数d1作为第一个增量，把文件的全部记录分组。所有距离为d1的倍数的记录放在同一个组中。先在各组内进行直接插入排序；然后，取第二个增量d2<d1重复上述的分组和排序，直至所取的增量dt=1(dt<dt-1…<d2<d1)，即所有记录放在同一组中进行直接插入排序为止。
• 在使用增量dk的一趟排序之后，对于每一个i，我们都有a[i]<=a[i+dk],即所有相隔dk的元素都被排序。
• 如图：增量序列为5，3，1，每一趟排序之后，相隔对应增量的元素都被排序了。当增量为1时，数组元素全部被排序。

• 希尔排序不稳定，时间复杂度 平均时间 O(nlogn) 最差时间O(n^2)
• 代码：

public 

堆排序

• 预备知识：
  • 二叉堆是完全二元树（二叉树）或者是近似完全二元树（二叉树）。 二叉堆有两种：最大堆和最小堆。 大根堆：父结点的键值总是大于或等于任何一个子节点的键值； 小根堆：父结点的键值总是小于或等于任何一个子节点的键值。 二叉堆一般用数组来表示。例如，根节点在数组中的位置是0，第n个位置的子节点分别在2n+1和 2n+2。因此，第0个位置的子节点在1和2，1的子节点在3和4。以此类推。这种存储方式便於寻找父节点和子节点。 例如初始要排序的数组为：49, 38, 65, 97, 76, 13, 27, 49 构造成大根堆之后的数组为：97 76 65 49 49 13 27 38 实际树形结构如图（最大堆）：

• 堆排序基本思想：在排序过程中，将R[l..n]看成是一棵完全二叉树的顺序存储结构，利用完全二叉树中双亲结点和孩子结点之间的内在关系【参见二叉树的顺序存储结构】，在当前无序区中选择关键字最大(或最小)的记录。堆排序利用了大根堆(或小根堆)堆顶记录的关键字最大(或最小)这一特征，使得在当前无序区中选取最大(或最小)关键字的记录变得简单。
• 堆排序是一种选择排序,其时间复杂度为O(nlogn)。堆排序是不稳定的
• 代码：

/*

归并排序

• 归并排序的原理：
  • 将待排序的数组分成前后两个部分，再递归的将前半部分数据和后半部分的数据各自归并排序，得到的两部分数据，然后使用merge合并算法（算法见代码）将两部分算法合并到一起。 例如：如果N=1；那么只有一个数据要排序，N=2，只需要调用merge函数将前后合并，N=4，........... 也就是将一个很多数据的数组分成前后两部分，然后不断递归归并排序，再合并，最后返回有序的数组。
• 归并排序的时间复杂度：
  • 归并排序的最好、最坏和平均时间复杂度都是O(nlogn)，而空间复杂度是O(n)，比较次数介于(nlogn)/2和(nlogn)-n+1，赋值操作的次数是(2nlogn)。因此可以看出，归并排序算法比较占用内存，但却是效率高且稳定的排序算法。
• 代码：

public 

快速排序

• 快速排序原理：

1. 如果数组S中元素是0或者1，则返回；
2. 区数组S中任一元素v，称之为枢纽元；
3. 将S-{v}（S中剩余的元素）划分成连个不相交的集合：S1={S-{v}|x<=v}和S2={S-{v}|x>=v};
4. 返回{quicksort(s1)}后跟v，继而返回{quicksort(S2)}。

• 选取枢纽元（三数中值分割法）
  • 一般的做法是使用左端、右端和中心位置上的三个元素的中值作为基元。 分割策略： 在分割阶段吧所有小元素移到数组的左边，大元素移到数组右边。，大小是相对于枢纽元素而言的。 当i在j的左边时，将i右移，移过哪些小于枢纽元的元素，并将j左移，已过那些大于枢纽元的元素，当i和j停止时，i指向一个大元素，而j指向一个小元素，如果i在j的左边，那么将这两个元素交换，其效果是把一个大元素推向右边，而把小元素推向左边。效果如图：

• 快速排序平均时间复杂度为O(nlogn)，最坏情况为O(n^2)，n越大，速度越快。不是稳定的排序算法。
• 代码：

/*

桶式排序

• 桶式排序不再是一种基于比较的排序方法，它是一种比较巧妙的排序方式，但这种排序方式需要待排序的序列满足以下两个特征： 待排序列所有的值处于一个可枚举的范围之类； 待排序列所在的这个可枚举的范围不应该太大，否则排序开销太大。
• 排序的具体步骤如下：
  • (1)对于这个可枚举范围构建一个buckets数组，用于记录“落入”每个桶中元素的个数；
  • (2)将（1）中得到的buckets数组重新进行计算，按如下公式重新计算：
    buckets[i] = buckets[i] +buckets[i-1] (其中1<=i<buckets.length);
• 桶式排序是一种非常优秀的排序算法，时间效率极高，它只要通过2轮遍历：第1轮遍历待排数据，统计每个待排数据“落入”各桶中的个数，第2轮遍历buckets用于重新计算buckets中元素的值，2轮遍历后就可以得到每个待排数据在有序序列中的位置，然后将各个数据项依次放入指定位置即可。
• 桶式排序的空间开销较大，它需要两个数组，第1个buckets数组用于记录“落入”各桶中元素的个数，进而保存各元素在有序序列中的位置，第2个数组用于缓存待排数据.
• 桶式排序是稳定的。如果待排序数据的范围在0~k之间，那么它的时间复杂度是O(k+n)的.
• 但是它的限制多，比如它只能排整形数组。而且当k较大，而数组长度n较小，即k>>n时，辅助数组C[k+1]的空间消耗较大。当数组为整形，且k和n接近时, 可以用此方法排序。
• 代码实现：

//min的值为0，max的值为待排序数组中最大值+1

总结

• 下面是一个总的表格，大致总结了我们常见的所有的排序算法的特点。

• 性能测试

-----------------

推荐阅读：

干货 | 共享免费资源整理(上)：学习资源篇​mp.weixin.qq.com

干货 | 共享免费资源整理（下）：程序员篇​mp.weixin.qq.com