-
递归
-
@param arr 数组
-
@param p 开始位置下表
-
@param r 结束位置下表
*/
private static void sortMerge(int[] arr,int p,int r){
if(p >= r){
return ;
}
//分治的下标,这里我采用p到r的中间位置index。
int index = p + (r-p)/2;
//左侧递归
sortMerge(arr,p,index);
//右侧递归
sortMerge(arr, index + 1, r);
merge(arr, p, index,r);
System.out.println(“排序后数组===========”);
Print.print(arr, length);
}
/**
-
合并计算
-
@param arr 原素组
-
@param l 左侧数组开始位置下标
-
@param index 左侧数组结束位置下标
-
@param r 右侧数组结束位置下标
*/
private static void merge(int[] arr, int l,int index, int r) {
//临时数组,这里可以优化,数组的频繁创建会降低程序运行的效率,
// 所以这里可以将这个临时数组改成参数传递进来,在数量较大的时候执行效率变化变焦显著
int[] temp = new int[r-l+1];
//左侧开始下标
int i= l;
//右侧开始下标
int j = index+1;
//临时数组下标
int k=0;
// 左侧数组与右侧数组进行对比,将小的元素放入临时数组中
while(i<=index && j<=r){
if(arr[i]<arr[j]){
temp[k++] = arr[i++];
}else{
temp[k++] = arr[j++];
}
}
//对比完成之后,需要把两侧数组中还没有对比的数据加入到临时数组中
//把左边剩余元素加入临时数组中
while(i<=index){
temp[k++] = arr[i++];
}
//把右边剩余元素加入临时数组中
while(j<=r){
temp[k++] = arr[j++];
}
//将临时数组的元素拷贝原数组中
for(int x=0;x<temp.length;x++){
arr[x+l] = temp[x];
}
}
}
package com.liuxing.util;
/**
-
@author liuxing007
-
@ClassName Print
-
@Description 打印
-
@date 2020/9/17 11:13
*/
public class Print {
/***
-
打印数据
-
@param arr 数组
-
@param length 数组长度
*/
public static void print(int[] arr, int length) {
for (int i = 0; i < length; ++i) {
System.out.print(arr[i] + " ");
}
System.out.println(“”);
}
}
排序前数组===========
6 4 1 7 2 5 8 3
合并后的数据
4 6 1 7 2 5 8 3
合并后的数据
4 6 1 7 2 5 8 3
合并后的数据
1 4 6 7 2 5 8 3
合并后的数据
1 4 6 7 2 5 8 3
合并后的数据
1 4 6 7 2 5 3 8
合并后的数据
1 4 6 7 2 3 5 8
合并后的数据
1 2 3 4 5 6 7 8
排序后数组===========
1 2 3 4 5 6 7 8
Process finished with exit code 0
我们假设对 n 个元素进行归并排序需要的时间是 T(n),那分解成两个子数组排序的时间都是 T(n/2)。我们知道,merge() 函数合并两个有序子数组的时间复杂度是 O(n)。所以,套用前面的公式,归并排序的时间复杂度的计算公式就是:
T(1) = C; n=1时,只需要常量级的执行时间,所以表示为C。
T(n) = 2*T(n/2) + n; n>1
通过这个公式,如何来求解 T(n) 呢?还不够直观?那我们再进一步分解一下计算过程。
T(n) = 2*T(n/2) + n
= 2*(2T(n/4) + n/2) + n = 4T(n/4) + 2*n
= 4*(2T(n/8) + n/4) + 2n = 8T(n/8) + 3n
= 8*(2T(n/16) + n/8) + 3n= 16T(n/16) + 4n
…
= 2^k * T(n/2^k) + k * n
…
通过这样一步一步分解推导,我们可以得到 T(n) = 2 k 2^k 2k T(n/ 2 k 2^k 2k)+kn。当 T( n / 2 k n/2^k n/2k)=T(1) 时,也就是 2 k 2^k 2k=1,我们得到 k= l o g 2 n log_2n log2n 。我们将 k 值代入上面的公式,得到 T(n)=Cn+ l o g 2 n log_2n log2n 。如果我们用大 O 标记法来表示的话,T(n) 就等于 O(nlogn)。所以归并排序的时间复杂度是 O(nlogn)。从我们的原理分析和伪代码可以看出,归并排序的执行效率与要排序的原始数组的有序程度无关,所以其时间复杂度是非常稳定的,不管是最好情况、最坏情况,还是平均情况,时间复杂度都是 O(nlogn)
-----摘自-极客时间-数据结构与算法-王争
归并排序的时间复杂度已经很优秀了,但为什么我们在日常开发中却很少看到他的身影呢?我们先来分析一下归并排序的空间复杂度。
我们需要注意的是合并方法,这个方法中我们使用了一个临时数组用来存储数据,但是合并之后这个临时数组就会释放,又因为临时数组的最大长度不会超过原始数组长度n,所以归并排序的空间复杂度为:O(n)
为什么开发中很少人使用到归并排序呢?原因很简单,因为它不是一个原地排序算法,这个时候你可能会有疑惑了,什么是原地排序算法?简单来说:不通过其他空间来完成的排序,我们称它为原地排序算法,但归并排序很明显借用了一个临时数组,所以它不是一个原地排序算法,即使它的时间复杂都很稳定,使用的人也比较少。
=====================================================================
如果要排序数组中下标从 p 到 r 之间的一组数据, 我们选择 p 到 r 之间的任意一个数据作为 pivot(分区点)。我们遍历 p 到 r 之间的数据,将小于 pivot 的放到左边, 将大于 pivot 的放到右边,将 pivot 放到中间。经过这一步骤之后, 数组 p 到 r 之间的数据就被分成了三个部分,前面 p 到 q-1 之间都是小于 pivot 的,中间是 pivot,后面的 q+1 到 r 之间是大于 pivot 的.根据分治、递归的处理思想,我们可以用递归排序下标从 p 到 q-1 之间的数据和下标从 q+1 到 r 之间的数据,直到区间缩小为 1,就说明所有的数据都有序了。(摘自-极客时间-数据结构与算法-王争)
快速排序的思想和归并排序有点类似,都是通过分治的思想,利用递归实现排序,只不过实现的细节有所不同,快排(快速排序)需要一个分区点,可以在数组中随便去一个元素作为分区点即可,后面就是前面讲到的概念了,归并的核心在于合并,而快排的核心在于分区点,所以我们就一起来看看在获取分区点的时候快排都干了些啥?
之前说过,快排选择一个分区点(pivot)之后,将小于分区点(pivot)的元素放左边,分区点(pivot)放中间,大于分区点(pivot)的放右边,这个一看就很好解决嘛,和归并排序一样,我先申请两个临时数组,一个存放小于分区点元素的数组,一个存放大于分区点元素的数组,这样,就能完美的解决了,非常简单,但是这个就和归并排序面临这同一样的一个问题:它不是一个原地排序算法,那如果我希望快排是一个原地排序算法呢?我们应该如何实现呢?其实也不难,我们可以参考一下选择排序:【数据结构与算法】常见的三种排序(冒泡排序、插入排序、选择排序)
我们定义一个游标 i (数组下标) 把数组a[p-(r-1)]分成两部分,A[p-(i-1)]都是小于分区点(pivot)的,我们叫他“已排序区间”。a[(i+1) - (r-1)]都是大于分区点(pivot)元素的,我们叫他“未排序区间”,只要从未排序区间去值与分区点(pivot)进行比较,如果小于分区点(pivot),那么将此元素追加到已排序区间中(a[i]),否者不需要变动。
我还是准备了一张图给大家参考,也许大家就能明白了。
这是一次分区交换的结果,当把所有分区都交换完成之后,整个数组也就有序了,既然快速排序的思想已经讲的差不多了,下面我们一起来看看代码怎么实现
快排代码实现
package com.liuxing.sort;
import com.liuxing.util.DataUtil;
import com.liuxing.util.Print;
/**
-
@author liuxing007
-
@ClassName Quicksort
-
@Description 快速排序
-
如果要排序数组中下标从 p 到 r 之间的一组数据,
-
我们选择 p 到 r 之间的任意一个数据作为 pivot(分区点)。
-
我们遍历 p 到 r 之间的数据,将小于 pivot 的放到左边,
-
将大于 pivot 的放到右边,将 pivot 放到中间。经过这一步骤之后,
-
数组 p 到 r 之间的数据就被分成了三个部分,
-
前面 p 到 q-1 之间都是小于 pivot 的,中间是 pivot,
-
后面的 q+1 到 r 之间是大于 pivot 的.
-
根据分治、递归的处理思想,
-
我们可以用递归排序下标从 p 到 q-1 之间的数据和下标从 q+1 到 r 之间的数据,
-
直到区间缩小为 1,就说明所有的数据都有序了(摘自-极客时间-数据结构与算法-王争)
-
时间复杂度:O(nlogn)
-
空间复杂度:O(1)
-
原地排序算法,但不是稳点排序算法
-
@date 2020/9/18 10:22
*/
public class Quicksort {
public static void main(String[] args) {
int[] arr = new int[]{6, 5, 4, 3, 2, 1};
// int[] arr = DataUtil.createIntArrData();
int length = arr.length;
System.out.println(“排序前数组===========”);
Print.print(arr, length);
sort(arr, length);
System.out.println(“排序后数组===========”);
Print.print(arr, length);
}
/**
-
排序算法
-
@param arr 数组
-
@param l 数组长度
*/
private static void sort(int[] arr,int l){
sortRec(arr,0,l-1);
}
/**
-
递归
-
@param arr
-
@param p
-
@param r
*/
private static void sortRec(int[] arr, int p, int r) {
//递归终止条件
if (p >= r){
return;
}
//获取分区点
int q = partition(arr, p, r);
//左侧递归
sortRec(arr, p, q-1);
//右侧递归
sortRec(arr, q+1, r);
}
/**
-
分区
-
@param arr 原始数组
-
@param p 数组起始下标
-
@param r 数组结束下标
-
@return 分区下标
*/
private static int partition(int[] arr, int p, int r) {
//取最后一个元素作为分区的值
int pivot = arr[r];
int i = p;
for(int j = p; j < r; ++j) {
if (arr[j] < pivot) {
if (i == j) {
++i;
} else {
//交换位置
int tmp = arr[i];
arr[i++] = arr[j];
arr[j] = tmp;
}
}
}
//交换位置
int tmp = arr[i];
arr[i] = arr[r];
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)
最后的话
无论是哪家公司,都很重视Spring框架技术,重视基础,所以千万别小看任何知识。面试是一个双向选择的过程,不要抱着畏惧的心态去面试,不利于自己的发挥。
同时看中的应该不止薪资,还要看你是不是真的喜欢这家公司,好了希望这篇文章对大家有帮助!
部分截图:
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!
上Java开发知识点,真正体系化!**
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)
最后的话
无论是哪家公司,都很重视Spring框架技术,重视基础,所以千万别小看任何知识。面试是一个双向选择的过程,不要抱着畏惧的心态去面试,不利于自己的发挥。
同时看中的应该不止薪资,还要看你是不是真的喜欢这家公司,好了希望这篇文章对大家有帮助!
部分截图:
[外链图片转存中…(img-mJWwgEay-1713527375239)]
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!