文章目录
参考:https://mp.weixin.qq.com/s/teOGQlslb6aP4AQrx7TTzA
以下例子都默认升序。
以下每种排序都是最简单的实现,没有写优化。
稳定的意思:相同值的两元素的相对顺序,在排序前后不发生改变。
1.O(n²)的排序算法
1.1 冒泡排序
概括:在每一轮[0…length-1]中,元素两两比较,使这一轮最大的数冒到这一轮的最后一个位置[length-1-i]。
稳定性:稳定
时间复杂度:外层循环length次,内层循环length-i-1次,总的时间复杂度为O(n²)
空间复杂度:O(1)
//冒泡排序
public static void sort(int[] nums){
for(int i=0;i<nums.length;i++){
for(int j=0;j<nums.length-1-i;j++){
if(nums[j+1]<nums[j]){
int tmp=nums[j];
nums[j]=nums[j+1];
nums[j+1]=tmp;
}
}
}
}
1.2 选择排序
概括:每一次(i∈[0,length-2])都找到最小的元素(j∈[i+1,length-1]),放到这一轮的最前面(i)
稳定性 :不稳定
时间复杂度:O(n²)
空间复杂度:O(1)
private static void sort(int[] nums) {
for(int i=0;i<nums.length;i++){
int min=i;//最小值的下标
for(int j=i+1;j<nums.length;j++){
if(nums[j]<nums[min]){
min=j;
}
}
int tmp=nums[i];
nums[i]=nums[min];
nums[min]=tmp;
}
}
1.3 插入排序
概括:每次将新的元素(i∈[1…length-1])插入已经有序的序列[0,i-1]中,选择合适的位置。
稳定性:稳定
时间复杂度: O(n²)
空间复杂度:O(1)
private static void sort(int[] nums) {
int j;
for(int i=1;i<nums.length;i++){
int tmp=nums[i];
for(j=i-1;j>=0&&nums[j]>tmp;j--){
nums[j+1]=nums[j];
}
nums[j+1]=tmp;
}
}
2.O(logn)的排序算法
2.1 希尔排序
概括:是插入排序的升级版。每次取跨度为d[1…length/2],对每一组进行插入排序。
稳定性:不稳定
时间复杂度:平均时间复杂度O(n·log2n)。极端情况下是O(n²)。
空间复杂度:O(1)
过程:
此处分组跨度(4,2,1),被称为希尔排序的增量,是逐步折半的增量方法。
private static void sort(int[] nums) {
int d=nums.length;
while(d>1){
d=d/2;
int j;
for(int x=0;x<d;x++){
for(int i=x+d;i<nums.length;i=i+d){
int tmp=nums[i];
for(j=i-d;j>=0&&nums[j]>tmp;j=j-d){
nums[j+d]=nums[j];
}
nums[j+d]=tmp;
}
}
}
}
2.2 快速排序
概括:每一轮挑选一个基准元素(比如第一个元素),并让其他比它大的元素移动到数列一边,比它小的元素移动到数列的另一边,从而把数列拆解成两个部分。左半部分也这么做,右半部分也这么做。
稳定性:不稳定
时间复杂度:平均情况下需要logn轮,所以平均时间复杂度是O(nlogn),但是在极端情况下,最坏时间复杂度是O(n^2)。
空间复杂度:递归和非递归都是O(n)
快速排序
/*指针交换法*/
public static void sort(int[] nums, int i, int j) {
if (i >= j)
return;
int k = partition(nums, i, j);
sort(nums, i, k - 1);
sort(nums, k + 1, j);
}
public static int partition(int[] nums,int left,int right){
int i=left;
int j=right;
int v=nums[left];
while(i<j){
while(i<j&&nums[j]>=v)
j--;
while(i<j&&nums[i]<=v)
i++;
if(i>=j)
break;
int t=nums[i];
nums[i]=nums[j];
nums[j]=t;
}
nums[left]=nums[i];
nums[i]=v;
return i;
}
}
private static void sort(int[] nums,int left,int right) {
if(left>=right)
return;
int index=partition(nums,left,right);
sort(nums,left,index-1);
sort(nums,index+1,right);
}
private static int partition(int[] nums,int left,int right){
int a=nums[left];
int index=left;
while(left<=right){
while(left<=right){
if(nums[right]<a){
nums[left]=nums[right];
index=right;
left++;
break;
}
right--;
}
while(left<=right){
if(nums[left]>a){
index=left;
nums[right]=nums[left];
right--;
break;
}
left++;
}
}
nums[index]=a;
return index;
}
2.3 归并排序
概括:对集合分组直到不能分(元素个数为1)为止,合并两两分组。
稳定性:稳定
时间复杂度:O(nlogn)。有logn层,每一层的运算量是O(n),所以是O(nlogn)。
空间复杂度:O(n)。因为每次归并所创建的集合都会因为方法结束而释放。因此这部分空间不应该累加计算。
2.4 堆排序
代码:https://blog.csdn.net/weixin_42970433/article/details/109799424
稳定性:不稳定
时间复杂度:
二叉堆的下沉调整的最坏时间复杂度就等于二叉树的高度O(logn)。
第一步,把无序数组构建成二叉堆,需要n/2次循环。每次循环调用一次downAdjust方法,所以第一步的计算规模是n/2*logn,时间复杂度O(nlogn)。
第二步,需要进行n-1次循环,每次循环调用一次downAjust方法,计算规模是(n-1)*logn
所以总时间复杂度是O(nlogn)。
空间复杂度:O(1)
import java.util.Arrays;
public class HeapSort {
/*
得到升序,要先构造大顶堆。
我们每一次删除旧堆顶,调整后的新堆顶都是大小仅次于旧堆顶的节点。
那么我们只要反复删除堆顶,反复调节二叉堆,所得到的集合就成为了一个有序集合。
*/
public static void main(String[] args) {
//堆排序
int[] array2=new int[]{7,1,3,10,5,2,8,9,6};
heapSort(array2);
System.out.println(Arrays.toString(array2));
}
public static void heapSort(int[] array){
//从最后一个非叶子节点开始,依次下沉调整
for(int i=(array.length-2)/2;i>=0;i--){
downAdjust(array,i,array.length);
}
//现在是个大顶堆了
System.out.println(Arrays.toString(array));
//循环删除堆顶元素,移到集合尾部,调节堆产生新的堆顶。
for(int i=array.length-1;i>0;i--){
int temp=array[i];
array[i]=array[0];
array[0]=temp;
downAdjust(array,0,i);
}
}
//下沉调整
/*
构建二叉堆,也就是把一个无序的完全二叉树调整为二叉堆,本质上就是让所有非叶子节点依次下沉。
*/
private static void downAdjust(int[] array, int parentIndex, int length) {
//array:要调整的堆,parentIndex:要下沉的父节点,length:堆的有效大小
int temp=array[parentIndex];
int childIndex=2*parentIndex+1;
while(childIndex<length){
//如果有右孩子,且右孩子大于左孩子,则定位到右孩子
if(childIndex+1<length&&array[childIndex+1]>array[childIndex]){
childIndex++;
}
//父节点大于任意一个孩子的值,跳出循环
if(temp>=array[childIndex]){
break;
}
array[parentIndex]=array[childIndex];
parentIndex=childIndex;
childIndex=childIndex*2+1;
}
array[parentIndex]=temp;
}
}
3.线性时间复杂度的排序算法
3.1 计数排序
概括:
朴素:在最大值和最小值之间建立数组,统计每个数a出现的次数,存放在数组中下标为a的位置。
优化:统计数组从第二个元素开始,每一个元素都加上前面所有元素之和。让统计数组存储的元素值,等于相应整数的最终排序位置。
缺点:
1.当数列最大最小值差距过大时,并不适用计数排序。
比如给定20个随机整数,范围在0到1亿之间,这时候如果使用计数排序,需要创建长度1亿的数组。不但严重浪费空间,而且时间复杂度也随之升高。
2.当数列元素不是整数,并不适用计数排序。
如果数列中的元素都是小数,比如25.213,或是0.00000001这样子,则无法创建对应的统计数组。这样显然无法进行计数排序。
稳定性:优化版的计数排序是稳定的。
3.1.1 朴素的计数排序
3.1.2 优化的计数排序
时间复杂度:遍历原始序列3次,3N。遍历统计序列一次,M。总运算量3N+M。
去掉系数,时间复杂度是O(N+M).
空间复杂度:统计数组O(M)
private static int[] sort(int[] nums) {
int len=nums.length;
//寻找最大最小值
int max=Integer.MIN_VALUE,min=Integer.MAX_VALUE;
for(int a=0;a<len;a++){
if(nums[a]<min)
min=nums[a];
if(nums[a]>max)
max=nums[a];
}
//统计数组
int[] tmp=new int[max-min+1];
for(int b=0;b<len;b++){
tmp[nums[b]-min]++;
}
//统计数组做变形,后面的元素等于前面的元素之和
int sum=0;
for(int e=0;e<max-min+1;e++){
sum+=tmp[e];
tmp[e]=sum;
}
//倒序遍历原始数列,从统计数组找到正确位置,输出到
// 结果数组
int[] res=new int[len];
for(int c=len-1;c>=0;c--){
res[tmp[nums[c]-min]-1]=nums[c];
tmp[nums[c]-min]--;
}
return res;
/*
朴素
for(int c=0;c<max-min+1;c++){
for(int d=0;d<tmp[c];d++){
System.out.println((c+min)+",");
}
}
*/
}
3.2 桶排序
步骤
1.创建桶。桶的个数=元素个数。区间跨度=(最大值-最小值)/(桶的个数-1)
2.遍历序列。将元素加入对应的桶。
3.每个桶内部分别排序。
4.遍历桶。输出元素。
时间复杂度:
桶排序性能不稳定。桶中元素分布均匀时,最好情况时间复杂度为O(N)。如果桶内元素分布极不均衡,退化到O(nlogn)。
空间复杂度:
private static void sort(double[] nums) {
int len=nums.length;
int m=len;//桶的个数
//寻找最大最小值
double min=Double.MAX_VALUE;
double max=Double.MIN_VALUE;
for(int i=0;i<len;i++){
if(nums[i]<min)
min=nums[i];
if(nums[i]>max)
max=nums[i];
}
double d=max-min;
//初始化桶
ArrayList<LinkedList<Double>> list=new ArrayList<>(len);
for(int i=0;i<len;i++){
list.add(new LinkedList<Double>());
}
//将元素加入桶
for(int i=0;i<len;i++){
//(nums[i]-min)*(len-1)/d
list.get((int)((nums[i]-min)*(len-1)/d)).add(nums[i]);
}
//对每个桶内部进行排序
for(int i=0;i<len;i++){
//JDK底层采用了归并排序或归并的优化版本
Collections.sort(list.get(i));
}
//输出
for(int i=0;i<len;i++){
for(int j=0;j<list.get(i).size();j++){
System.out.println(list.get(i).removeFirst());
}
}
}
}
3.3 基数排序
为什么需要基数排序:
计数排序适合的场景是对整数做排序。如何有效处理诸如手机号、英文单词等复杂元素的排序呢?仅仅靠一次计数排序很难实现。
概括:
把排序工作拆分成多个阶段,每一个阶段只根据一个字符进行计数排序(这里的计数排序必须是稳定排序),一共排序k轮(k是元素长度)。
基数排序既可以从高位优先进行排序(Most Significant Digit first,简称MSD),也可以从低位优先进行排序(Least Significant Digit first,简称LSD)。
对于字符串长度不等的情况,以最长的字符串为准,在其他长度不足的字符串末尾补0.
时间复杂度:计数排序的时间复杂度是O(M+N).而基数排序进行了K次计数排序,所以时间复杂度是O(K*(M+N))。由于字符串长度K是一个固定常量,所以我们仍然认为它是一个线性排序算法。
空间复杂度:由于基数排序的数组是反复重用的,所以基数排序的空间复杂度和计数排序一样,是O(M+N).其中M是字符的取值范围大小。
import java.util.Arrays;
public class 基数 {
public static final int ASCII_RANGE=128;
public static void main(String[] args) {
String[] array={"qd","abc","qwe","hhh","a","cws","ope"};
System.out.println(Arrays.toString(radixSort(array,3)));
}
private static String[] radixSort(String[] array, int maxLength) {
//排序结果数组,用于存储每一次按位排序的临时结果
String[] sortedArray=new String[array.length];
//从个位开始比较,一直比较到最高位
for(int k=maxLength-1;k>=0;k--){
int[] count=new int[ASCII_RANGE];
//计数排序的过程,分成三步:
//1.创建辅助排序的统计数组,并把待排序的字符对号入座,
//这里为了代码简洁,直接使用ascii码范围作为数组长度
for(int i=0;i<array.length;i++){
int index=getCharIndex(array[i],k);
count[index]++;
}
//2.统计数组做变形,后面的元素等于前面的元素之和
for(int i=1;i<count.length;i++){
count[i]=count[i]+count[i-1];
}
//3.倒序遍历原始数列,从统计数组找到正确位置,输出到结果数组
for(int i=array.length-1;i>=0;i--){
int index=getCharIndex(array[i],k);
int sortedIndex=count[index]-1;
sortedArray[sortedIndex]=array[i];
count[index]--;
}
//下一轮排序需要以上一轮的排序结果为基础,因此把结果复制给array
array=sortedArray.clone();
}
return array;
}
//获取字符串第k位字符所对应的ascii码序号
private static int getCharIndex(String str,int k){
//如果字符串长度小于k,直接返回0,相当于给不存在的位置补0
if(str.length()-1<k){
return 0;
}
return str.charAt(k);
}
}