1、排序大类
排序算法大致可以分为两大类:内部排序和外部排序。内部排序指的是排序数据都存储在内存中。外部排序则需要借助到外出。常用排序算法都为内部排序。
2、内部排序分类
(1)插入排序:直接插入排序、二分法插入排序、希尔排序
(2)选择排序:直接选择排序、堆排序
(3)交换排序:冒泡排序、快速排序
(4)归并排序
(5)基数排序
3、各排序算法分析
3.1 插入排序
- 思想:每步将一个待排序的记录,按其数值大小插入到前面已经排好序的序列的合适位置,直到全部插入排序完为止。
- 关键问题:在前面已经排好序的序列中找到合适的插入位置,即第二层循环是减法循环。
- 注意事项:
- 插入排序的最好情况是数组已经有序,此时只需要进行n-1次比较,时间复杂度为O(n)
- 最坏情况是数组逆序排序,此时需要进行n(n-1)/2次比较以及n-1次赋值操作(插入)
- 平均来说插入排序算法的复杂度为O(n2)
- 空间复杂度上,直接插入法是就地排序,空间复杂度为(O(1))
3.2 希尔排序
- 思想:希尔排序又叫“缩小增量排序”,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成d1个组。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。其是插入排序改良的算法,希尔排序步长从大到小调整,第一次循环后面元素逐个和前面元素按间隔步长进行比较并交换,直至步长为1。
- 关键问题:步长选择。
- 注意事项:
- 增量排序的时间复杂度依赖于所取增量序列的函数,但是到目前为止还没有一个最好的增 量序列.
- 有人在大量的实验后得出结论,当n在某个特定的范围后希尔排序的比较和移动次数减少 至n^1.3 不管增量序列如何取值,都应该满足最后一个增量值为1。
- 有文献指出,当增量序列为d[k]=2(t-k+1)时, 希尔排序的时间复杂度为O(n^1.5), 其中t为排序趟数。
- 空间复杂度上,希尔插入也是就地排序,空间复杂度为(O(1))。
3.3 选择排序
- 思想:每趟从待排序的记录序列中选择关键字最小的记录放置到已排序表的最前位置,直到全部排完。
- 关键问题:在剩余的待排序记录序列中找到最小关键码记录。
- 注意事项:
- 选择排序第一轮内循环比较n-1次,然后是n-2次、n-3次…最后一轮内循环比较1次,共(n-1)+(n-2)+…+3+2+1=(n-1+1)n/2=n^2/2,其时间复杂度为O(n2)
- 空间复杂度就是在交换元素时那个临时变量所占的内存空间,空间复杂度为O(1)
3.4 堆排序
- 思想:初始时把要排序的数的序列看作是一棵顺序存储的完全二叉树,调整它们的存储序,使之成为一个堆,这时堆的根节点的数最大(大堆顶,升序构建大堆顶)。然后将根节点与堆的最后一个节点交换。然后对前面(n-1)个数重新调整使之成为堆。依此类推,直到只有两个节点的堆,并对它们作交换,最后得到有n个节点的有序序列。从算法描述来看,堆排序需要两个过程,一是建立堆,二是堆顶与堆的最后一个元素交换位置。所以堆排序有两个函数组成。一是建堆的渗透函数,二是反复调用渗透函数实现排序的函数。
- 关键问题:
- 如何把一个序列生成大根堆;
- 输出堆顶元素后,如何使剩下的元素生成一个大根堆。
- 注意事项:
- 当前数组下标节点 i 对应的左右子节点分别为(2 * i + 1)和(2 * i + 2)
- 构建大堆顶时,从最后一个非叶子节点开始,最后一个非叶子节点下标为(2 * length - 1)
- 第一次构建堆时,从下往上,当更新堆时,可直接从上往下
- 虽然看似遍历两层,但建堆的时间复杂度是O(n)
- 堆排序是不稳定各排序,虽然时间复杂度情况都为O(nlgn),但比较和交换次数普遍比快排和归排多,他的时间常数是2
public class HeapSort {
public static void main(String[] args) {
int[] arr = {
16, 7, 3, 20, 17, 8};
heapSort(arr);
for (int i : arr) {
System.out.print(i + " ");
}
}