来源:https://www.cnblogs.com/guoyaohua/p/8600214.html
文章目录
十大经典排序算法的总结
普及一下几个常见的概念
1.稳定:如果a原本在b前面,而a=b,排序之后a仍然在b的前面;
2.不稳定:如果a原本在b的前面,而a=b,排序之后a可能会出现在b的后面;
3.内排序:所有排序操作都在内存中完成;
4.外排序:由于数据太大,因此把数据放在磁盘中,而排序通过磁盘和内存的数据传输才能进行;
5.时间复杂度
6.空间复杂度
算法性能总结:
n: 数据规模
k: “桶”的个数
In-place: 占用常数内存,不占用额外内存
Out-place: 占用额外内存
算法分类
1.按内外排序分类:
2.按是否比较分类:
** 常见的快速排序、归并排序、堆排序、冒泡排序 等属于比较排序 。** 在排序的最终结果里,元素之间的次序依赖于它们之间的比较。每个数都必须和其他数进行比较,才能确定自己的位置。
**计数排序、基数排序、桶排序则属于非比较排序。**非比较排序是通过确定每个元素之前,应该有多少个元素来排序。针对数组arr,计算arr[i]之前有多少个元素,则唯一确定了arr[i]在排序后数组中的位置。
(**可以改进)冒泡排序(Bubble Sort)
可以改进,设置一个标志位,每轮比较结束后无比较代表排好序了,查找漫画算法那本书
思想:
- 比较相邻的元素。如果第一个比第二个大,就交换它们两个;
- 对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对,这样在最后的元素应该会是最大的数;
- 针对所有的元素重复以上的步骤,除了最后一个;
- 重复步骤1~3,直到排序完成。
时间复杂度:
最好是数组已经有序:O(n)即第一轮比较下来,无交换,就代表此数组已经排好序。
最差是完全倒序的:O(nn)
平均情况:O(nn)
**空间复杂度:**O(1)
代码实现:
/**
* 冒泡排序
*
* @param array
* @return
*/
public static int[] bubbleSort(int[] array) {
if (array.length == 0)
return array;
for (int i = 0; i < array.length; i++)
for (int j = 0; j < array.length - 1 - i; j++)
if (array[j + 1] < array[j]) {
int temp = array[j + 1];
array[j + 1] = array[j];
array[j] = temp;
}
return array;
}
选择排序(Selection Sort)
思想:
首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。
n个记录的直接选择排序可经过n-1趟直接选择排序得到有序结果。具体算法描述如下:
- 初始状态:无序区为R[1…n],有序区为空;
- 第i趟排序(i=1,2,3…n-1)开始时,当前有序区和无序区分别为R[1…i-1]和R(i…n)。该趟排序从当前无序区中-选出关键字最小的记录 R[k],将它与无序区的第1个记录R交换,使R[1…i]和R[i+1…n)分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区;
- n-1趟结束,数组有序化了。
时间复杂度:
最好和最差和平均都是O(n*n)
空间复杂度: O(1)
代码实现:
**
* 选择排序
* @param array
* @return
*/
public static int[] selectionSort(int[] array) {
if (array.length == 0)
return array;
for (int i = 0; i < array.length; i++) {
int minIndex = i;
for (int j = i; j < array.length; j++) {
if (array[j] < array[minIndex]) //找到最小的数
minIndex = j; //将最小数的索引保存
}
int temp = array[minIndex];
array[minIndex] = array[i];
array[i] = temp;
}
return array;
}
插入排序(Insertion Sort)
最稳定的排序算法之一
思想:
在未排序的部分去一个数,插入到已排序的数列中。不要额外的辅助空间。
算法描述:
一般来说,插入排序都采用in-place在数组上实现。具体算法描述如下:
- 从第一个元素开始,该元素可以认为已经被排序;
- 取出下一个元素,在已经排序的元素序列中从后向前扫描;
- 如果该元素(已排序)大于新元素,将该元素移到下一位置;
- 重复步骤3,直到找到已排序的元素小于或者等于新元素的位置;
将新元素插入到该位置后; - 重复步骤2~5。
时间复杂度:
最好是O(n)
最差是O(nn)
平均是O(nn)
空间复杂度:
O(1)
代码实现:
/**
* 插入排序
* @param array
* @return
*/
public static int[] insertionSort(int[] array) {
if (array.length == 0)
return array;
int current;
for (int i = 0; i < array.length - 1; i++) {
current = array[i + 1];
int preIndex = i;
while (preIndex >= 0 && current < array[preIndex]) {
array[preIndex + 1] = array[preIndex];
preIndex--;
}
array[preIndex + 1] = current;
}
return array;
}
希尔排序(Shell Sort)
对插入排序的改进。
也是一种插入排序,是简单插入排序经过改进只有的版本,称为缩小增量排序
冲破O(n*n)的第一批算法之一。
**思想:**希尔排序是把记录按小标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包含的关键词越来越缩,当增量减至1时,整个文件掐被分为一组,算法便终止。
算法描述:
我们来看下希尔排序的基本步骤,在此我们选择增量gap=length/2,缩小增量继续以gap = gap/2的方式,这种增量选择我们可以用一个序列来表示,{n/2,(n/2)/2…1},称为增量序列。希尔排序的增量序列的选择与证明是个数学难题,我们选择的这个增量序列是比较常用的,也是希尔建议的增量,称为希尔增量,但其实这个增量序列不是最优的。此处我们做示例使用希尔增量。
步骤:
先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序,具体算法描述:
选择一个增量序列t1,t2,…,tk,其中ti>tj,tk=1;
按增量序列个数k,对序列进行k 趟排序;
每趟排序,根据对应的增量ti,将待排序列分割成若干长度为m 的子序列,分别对各子表进行直接插入排序。仅增量因子为1 时,整个序列作为一个表来处理,表长度即为整个序列的长度。
时间复杂度:
最佳情况:T(n) = O(nlog2 n)
最坏情况:T(n) = O(nlog2 n)
平均情况:T(n) =O(nlog2n)
空间复杂度:
O(1)
代码实现:
/**
* 希尔排序
*
* @param array
* @return
*/
public static int[] ShellSort(int[] array) {
int len = array.length;
int temp, gap = len / 2;
while (gap > 0) {
for (int i = gap; i < len; i++) {
temp = array[i];
int preIndex = i - gap;
while (preIndex >= 0 && array[preIndex] > temp) {
array[preIndex + gap] = array[preIndex];
preIndex -= gap;
}
array[preIndex + gap] = temp;
}
gap /= 2;
}
return array;
}
(针对辅助空间改进)归并排序(Merge Sort)
稳定排序,采用了分治法
思想:
是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。归并排序是一种稳定的排序方法。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为2-路归并。
算法描述:
- 把长度为n的输入序列分成两个长度为n/2的子序列;
- 对这两个子序列分别采用归并排序;
- 将两个排序好的子序列合并成一个最终的排序序列。
时间复杂度??:
总时间=分解时间+解决问题时间+合并问题时间
分解时间就是把一个待排序序列分解成两序列,时间为一常数,时间复杂度O(1)。解决问题的时间是个递归式,把一个规模为n问题分成两个规模分别为n/2的子问题,时间为2T(n/2)。合并时间是O(n).T(n)=2T(n/2)+o(n).这个递归式可以用递归树来解,其解是o(nlogn).此外在最坏、最佳、平均情况下归并排序时间复杂度均为o(nlogn).从合并过程中可以看出合并排序稳定。
用递归树的方法解递归式T(n)=2T(n/2)+o(n):假设解决最后的子问题用时为常数c,则对于n个待排序记录来说整个问题的规模为cn。如图:
从这个递归树可以看出,第一层时间代价为cn,第二层时间代价为cn/2+cn/2=cn……每一层代价都是cn,总共有logn+1层。所以总的时间代价为cn*(logn+1).
时间复杂度:
最佳情况:T(n) = O(nlogn)
最差情况:T(n) = O(nlogn)
平均情况:T(n) = O(nlogn)
归并排序的合并时间复杂度为O(n),而拆分的时间复杂度是递归的时间复杂度也就是二叉树的深度,时间复杂度为O(logn),所以总的时间复杂度为O(nlogn)
空间复杂度:
O(n)
代码实现:
/**
* 归并排序
*
* @param array
* @return
*/
public static int[] MergeSort(int[] array) {
if (array.length < 2) return array;
int mid = array.length / 2;
int[] left = Arrays.copyOfRange(array, 0, mid);
int[] right = Arrays.copyOfRange(array, mid, array.length);
return merge(MergeSort(left), MergeSort(right));
}
/**
* 归并排序——将两段排序好的数组结合成一个排序数组
*
* @param left
* @param right
* @return
*/
public static int[] merge(int[] left, int[] right) {
int[] result = new int[left.length + right.length];
for (int index = 0, i = 0, j = 0; index < result.length; index++) {
if (i >= left.length)
result[index] = right[j++];
else if (j >= right.length)
result[index] = left[i++];
else if (left[i] > right[j])
result[index] = right[j++];
else
result[index] = left[i++];
}
return result;
}
快速排序
分治法
算法描述:
利用分治法将一个串分为连个子串。
- 从数列中挑出一个元素,称为 “基准”(pivot);
- 重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个分区退出之后,该基准就处于
- 数列的中间位置。这个称为分区(partition)操作;
递归地(recursive)把小于基准值元素的子数列和大于基准值元素的子数列排序。
/**
* 快速排序方法
* @param array
* @param start
* @param end
* @return
*/
public static int[] QuickSort(int[] array, int start, int end) {
if (array.length < 1 || start < 0 || end >= array.length || start > end) return null;
int smallIndex = partition(array, start, end);
if (smallIndex > start)
QuickSort(array, start, smallIndex - 1);
if (smallIndex < end)
QuickSort(array, smallIndex + 1, end);
return array;
}
/**
* 快速排序算法——partition
* @param array
* @param start
* @param end
* @return
*/
public static int partition(int[] array, int start, int end) {
int pivot = (int) (start + Math.random() * (end - start + 1));
int smallIndex = start - 1;
swap(array, pivot, end);
for (int i = start; i <= end; i++)
if (array[i] <= array[end]) {
smallIndex++;
if (i > smallIndex)
swap(array, i, smallIndex);
}
return smallIndex;
}
/**
* 交换数组内两个元素
* @param array
* @param i
* @param j
*/
public static void swap(int[] array, int i, int j) {
int temp = array[i];
array[i] = array[j];
array[j] = temp;
}
时间复杂度:
分析:https://blog.csdn.net/qq_36523667/article/details/79737648
最佳情况:T(n) = O(nlogn)
最差情况:T(n) = O(n2)
平均情况:T(n) = O(nlogn)
空间复杂度:
O(logn)
以下出自漫画算法
递归
1.双边循环法
从数组的两边交替遍历元素。
public static void quickSort(int[] arr,int startIndex,int endIndex){
if(startIndex>=endIndex){
return;
}
int pivotIndex=partition(arr,startIndex,endIndex);
quickSort(arr,startIndex,pivotIndex-1);
quickSort(arr,pivotIndex+1,endIndex);
}
private static int partition(int[] arr,int startIndex,int endIndex){
int pivot=arr[startIndex];
int left=startIndex;
int right=endIndex;
while(left!=right){
while(left<right&&arr[right]>pivot){
right--;
}
while(left<right&&arr[left]<pivot){
left++;
}
if(left<right){
int p=arr[left];
arr[left]=arr[right];
arr[right]=p;
}
}
arr[startIndex]=arr[left];
arr[left]=pivot;
return left;
}
2.单边循环法
和双边循环法相比区别在于基准查找实现不同
只是从数组的一边对元素进行遍历和交换。
public static void quickSort(int[] arr,int startIndex,int endIndex){
if(startIndex>=endIndex){
return;
}
int pivotIndex=pivotIndex=partition(arr,startIndex,endIndex);
quickSort(arr,startIndex,pivotIndex-1);
quickSort(arr,pivotIndex+1,endIndex);
}
private static int partitionV2(int[] arr,int startIndex,int endIndex){
int pivot=arr[startIndex];//pivot先设置为数组的第一个元素
int mark=startIndex;//mark指向比pivot小的区域
for(int i=startIndex+1;i<=endIndex;i++){//i从startIndex+1开始,如果遇到大于pivot就继续向右遍历,否则遇到小于pivot的数就要先mark++,将小于pivot的区域增大一个数
if(arr[i]<pivot){
mark++;
int p=arr[mark];
arr[mark]=arr[i];
arr[i]=p;
}
}
arr[startIndex]=arr[mark];//mark下标的数和pivot交换,即开头的数
arr[mark]=pivot;
return mark;
}
非递归
递归也是栈实现的,非递归只不过是自己使用一个显示栈来代替系统栈。
基准的查找可以用上面提到的双边或者单边循环法都可以。
非递归中算法的主要改变是quickSort方法,借助栈。栈的成员变量是一个Map<String,Integer>,存放每次排序子序列的startIndex和endIndex
public static void quickSort(int[] arr,int startIndex,int endIndex){
Stack<Map<String,Integer>> quickSortStack=new Stack<Map<String,Integer>>();
Map rootParam=new HashMap();
rootParam.put("startIndex",startIndex);
rootParam.put("endIndex",endIndex);
quickSortStack(rootParam);
while(!quickSortStack.isEmpty()){
Map<String,Integer> param=quickSortStack.pop();
int pivotIndex=partition(arr,param.get("startIndex"),param.get("endIndex"));
if(param.get("startIndex")<pivotIndex-1){
Map<String,Integer> leftParam=new HashMap<String,Integer>();
leftParam.put("startIndex",param.get("endIndex"));
leftParam.put("endIndex",pivotInex-1);
quickSortStack.put(leftParam);
}
if(pivotIndex+1<param.get("endIndex")){
Map<String,Integer> rightParam=newHashMap<String,Integer>();
rightParam.put("startIndex",pivotIndex+1);
rightParam.put("endIndex",param.get("endIndex"));
quickSortStack.push(rightParam);
}
}
private static int partition(int[] arr,int startIndex,int endIndex){
int pivot=arr[startIndex];
int mark=startIndex;
for(int i=startIndex+1;i<endIndex;i++){
if(arr[i]<pivot){
mark++;
int p=arr[mark];
arr[mark]=arr[i];
arr[i]=p;
}
}
arr[startIndex]=arr[mark];
arr[mark]=pivot;
return mark;
}
}
堆排序
思想:
1.建堆(大顶堆/小顶堆)
2.调整堆
算法描述:
- 将初始待排序关键字序列(R1,R2….Rn)构建成大顶堆,此堆为初始的无序区;
- 将堆顶元素R[1]与最后一个元素R[n]交换,此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足R[1,2…n-1]<=R[n];
- 由于交换后新的堆顶R[1]可能违反堆的性质,因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆,然后再次将R[1]与无序区最后一个元素交换,得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1,则整个排序过程完成。
时间复杂度:
初始化建堆的时间复杂度为O(n),排序重建堆的时间复杂度为nlog(n),所以总的时间复杂度为O(n+nlogn)=O(nlogn)。
最佳情况:T(n) = O(nlogn)
最差情况:T(n) = O(nlogn)
平均情况:T(n) = O(nlogn)
空间复杂度:
O(1)
代码实现:
以下代码优点问题
//声明全局变量,用于记录数组array的长度;
static int len;
/**
* 堆排序算法
*
* @param array
* @return
*/
public static int[] HeapSort(int[] array) {
len = array.length;
if (len < 1) return array;
//1.构建一个最大堆
buildMaxHeap(array);
//2.循环将堆首位(最大值)与末位交换,然后在重新调整最大堆
while (len > 0) {
swap(array, 0, len - 1);
len--;
adjustHeap(array, 0);
}
return array;
}
/**
* 建立最大堆
*
* @param array
*/
public static void buildMaxHeap(int[] array) {
//从最后一个非叶子节点开始向上构造最大堆
for (int i = (len/2 - 1); i >= 0; i--) { //感谢 @让我发会呆 网友的提醒,此处应该为 i = (len/2 - 1)
adjustHeap(array, i);
}
}
/**
* 调整使之成为最大堆
*
* @param array
* @param i
*/
public static void adjustHeap(int[] array, int i) {
int maxIndex = i;
//如果有左子树,且左子树大于父节点,则将最大指针指向左子树
if (i * 2 < len && array[i * 2] > array[maxIndex])
maxIndex = i * 2;
//如果有右子树,且右子树大于父节点,则将最大指针指向右子树
if (i * 2 + 1 < len && array[i * 2 + 1] > array[maxIndex])
maxIndex = i * 2 + 1;
//如果父节点不是最大值,则将父节点与最大值交换,并且递归调整与父节点交换的位置。
if (maxIndex != i) {
swap(array, maxIndex, i);
adjustHeap(array, maxIndex);
}
}
正确的
package Exercise;
public class HeapSort {
public static void main(String[] args) {
int[] array= {7,4,6,3,8,0};
int[] result=new int[array.length];
result=heapSort(array);
for (int i = 0; i < result.length; i++) {
System.out.println(result[i]);
}
}
private static int[] heapSort(int[] array) {
int len=array.length;
if(len<1)return array;
buildMaxHeap(array);
for (int i = 0; i < array.length; i++) {
System.out.println(array[i]);
}
System.out.println("odonr");
while(len>0) {
swap(array,0,len-1);
len--;
adjustHeap(array, 0,len);
}
return array;
}
private static void swap(int[] array, int i, int j) {
int tmp=array[i];
array[i]=array[j];
array[j]=tmp;
}
private static void buildMaxHeap(int[] array) {
for (int i = (array.length)/2-1; i>=0; i--) {
adjustHeap(array,i,array.length);
}
}
private static void adjustHeap(int[] array, int i, int len) {
int maxIndex=i;
if(2*i+1<len&&array[2*i+1]>array[maxIndex]) {
maxIndex=2*i+1;
}
if(2*i+2<len&&array[2*i+2]>array[maxIndex]) {
maxIndex=2*i+2;
}
if(maxIndex!=i) {
swap(array, maxIndex, i);
adjustHeap(array, maxIndex,len);
}
}
}
计数排序
思想:
稳定排序,计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。 作为一种线性时间复杂度的排序,计数排序要求输入的数据必须是有确定范围的整数。
计数排序(Counting sort)是一种稳定的排序算法。计数排序使用一个额外的数组C,其中第i个元素是待排序数组A中值等于i的元素的个数。然后根据数组C来将A中的元素排到正确的位置。它只能对整数进行排序。
算法描述:
- 找出待排序的数组中最大和最小的元素;
- 统计数组中每个值为i的元素出现的次数,存入数组C的第i项;
- 对所有的计数累加(从C中的第一个元素开始,每一项和前一项相加);
- 反向填充目标数组:将每个元素i放在新数组的第C(i)项,每放一个元素就将C(i)减去1。
时间复杂度:
分析:
当输入的元素是n 个0到k之间的整数时,它的运行时间是 O(n + k)。计数排序不是比较排序,排序的速度快于任何比较排序算法。由于用来计数的数组C的长度取决于待排序数组中数据的范围(等于待排序数组的最大值与最小值的差加上1),这使得计数排序对于数据范围很大的数组,需要大量时间和内存。
最佳情况:T(n) = O(n+k)
最差情况:T(n) = O(n+k)
平均情况:T(n) = O(n+k)
空间复杂度:
O(k)
代码实现:
/**
* 计数排序
*
* @param array
* @return
*/
public static int[] CountingSort(int[] array) {
if (array.length == 0) return array;
int bias, min = array[0], max = array[0];
for (int i = 1; i < array.length; i++) {
if (array[i] > max)
max = array[i];
if (array[i] < min)
min = array[i];
}
**bias = 0 - min;**//借助这个变量,很重要。
int[] bucket = new int[max - min + 1];
Arrays.fill(bucket, 0);
for (int i = 0; i < array.length; i++) {
bucket[array[i] + bias]++;
}
int index = 0, i = 0;
while (index < array.length) {
if (bucket[i] != 0) {
array[index] = i - bias;
bucket[i]--;
index++;
} else
i++;
}
return array;
}
???桶排序
********有点类似于外部排序,将数字从小到大进行分组,在进行组内排序
是计数排序的升级版。
思想:
桶排序 (Bucket sort)的工作的原理:假设输入数据服从均匀分布,将数据分到有限数量的桶里,每个桶再分别排序(有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排序。
算法描述:
时间复杂度:
最佳情况:T(n) = O(n+k) 最差情况:T(n) = O(n+k) 平均情况:T(n) = O(n2)
空间复杂度:
O(n)
代码实现:
/**
* 桶排序
*
* @param array
* @param bucketSize
* @return
*/
public static ArrayList<Integer> BucketSort(ArrayList<Integer> array, int bucketSize) {
if (array == null || array.size() < 2)
return array;
int max = array.get(0), min = array.get(0);
// 找到最大值最小值
for (int i = 0; i < array.size(); i++) {
if (array.get(i) > max)
max = array.get(i);
if (array.get(i) < min)
min = array.get(i);
}
int bucketCount = (max - min) / bucketSize + 1;//求桶数
ArrayList<ArrayList<Integer>> bucketArr = new ArrayList<>(bucketCount);//初始化桶
ArrayList<Integer> resultArr = new ArrayList<>();
for (int i = 0; i < bucketCount; i++) {//每个桶加入链表
bucketArr.add(new ArrayList<Integer>());
}
for (int i = 0; i < array.size(); i++) {//把数组中的数据加入到桶中的链表中
bucketArr.get((array.get(i) - min) / bucketSize).add(array.get(i));
}
for (int i = 0; i < bucketCount; i++) {
//桶大小为1
if (bucketSize == 1) { // 如果带排序数组中有重复数字时 感谢 @见风任然是风 朋友指出错误
for (int j = 0; j < bucketArr.get(i).size(); j++)
resultArr.add(bucketArr.get(i).get(j));
} else {
if (bucketCount == 1)//桶数量为1
bucketSize--;
ArrayList<Integer> temp = BucketSort(bucketArr.get(i), bucketSize);//桶内进行排序
for (int j = 0; j < temp.size(); j++)//将桶内排好序的数加入到结果链表中
resultArr.add(temp.get(j));
}
}
return resultArr;
}
基数排序
思想:
基数排序是按照低位先排序,然后收集;再按照高位排序,然后再收集;依次类推,直到最高位。有时候有些属性是有优先级顺序的,先按低优先级排序,再按高优先级排序。最后的次序就是高优先级高的在前,高优先级相同的低优先级高的在前。基数排序基于分别排序,分别收集,所以是稳定的。
算法描述:
- 取得数组中的最大数,并取得位数;
- arr为原始数组,从最低位开始取每个位组成radix数组;
- 对radix进行计数排序(利用计数排序适用于小范围数的特点);
时间复杂度:
最佳情况:T(n) = O(n * k) 最差情况:T(n) = O(n * k) 平均情况:T(n) = O(n * k)
空间复杂度:
代码实现:
/**
* 基数排序
* @param array
* @return
*/
public static int[] RadixSort(int[] array) {
if (array == null || array.length < 2)
return array;
// 1.先算出最大数的位数;
int max = array[0];
for (int i = 1; i < array.length; i++) {
max = Math.max(max, array[i]);
}
int maxDigit = 0;
while (max != 0) {
max /= 10;
maxDigit++;
}
int mod = 10, div = 1;
ArrayList<ArrayList<Integer>> bucketList = new ArrayList<ArrayList<Integer>>();
for (int i = 0; i < 10; i++)
bucketList.add(new ArrayList<Integer>());
for (int i = 0; i < maxDigit; i++, mod *= 10, div *= 10) {
for (int j = 0; j < array.length; j++) {
int num = (array[j] % mod) / div;
bucketList.get(num).add(array[j]);
}
int index = 0;
for (int j = 0; j < bucketList.size(); j++) {
for (int k = 0; k < bucketList.get(j).size(); k++)
array[index++] = bucketList.get(j).get(k);
bucketList.get(j).clear();
}
}
return array;
}
基数排序 vs 计数排序 vs 桶排序
这三种排序算法都利用了桶的概念,但对桶的使用方法上有明显差异:
基数排序:根据键值的每位数字来分配桶
计数排序:每个桶只存储单一键值
桶排序:每个桶存储一定范围的数值