算法的时间复杂度
度量一个程序(算法)执行时间的两种方法:
-
事后统计的方法:
这种方法可行, 但是有两个问题:一是要想对设计的算法的运行性能进行评测,需要实际运行该程序;二是所得时间的统计量依赖于计算机的硬件、软件等环境因素, 这种方式,要在同一台计算机的相同状态下运行,才能比较那个算法速度更快。 -
事前估算的方法:
-
通过分析某个算法的时间复杂度来判断哪个算法更优。
时间频度:
一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
例如:
T(n)=n+1
T(n)=1
可以忽略常数项:
结论:
- 2n+20 和 2n 随着n 变大,执行曲线无限接近,20可以忽略。
- 3n+10 和 3n 随着n 变大,执行曲线无限接近,10可以忽略。
可以忽略低次项:
结论:
- 2n2+3n+10 和 2n2 随着n 变大, 执行曲线无限接近,可以忽略 3n+10。
- n2+5n+20 和 n2 随着n 变大,执行曲线无限接近,可以忽略 5n+20。
可以忽略系数:
结论:
- 随着n值变大,5n2+7n 和 3n2+ 2n,执行曲线重合,说明这种情况下,5和3可以忽略。
- 而n3+5n 和 6n3+4n,执行曲线分离,说明多少次方是关键。
时间复杂度:
- 一般情况下,算法中的基本操作语句的重复执行次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/ f(n) 的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数。记作 T(n)=O( f(n) ),称O( f(n) )为算法的渐进时间复杂度,简称时间复杂度。
- T(n) 不同,但时间复杂度可能相同。如:T(n)=n²+7n+6 与 T(n)=3n²+2n+2 它们的T(n) 不同,但时间复杂度相同,都为O(n²)。
- 计算时间复杂度的方法:
(1) 用常数1代替运行时间中的所有加法常数 T(n)=n²+7n+6 => T(n)=n²+7n+1
(2) 修改后的运行次数函数中,只保留最高阶项 T(n)=n²+7n+1 => T(n) = n²
(3) 去除最高阶项的系数 T(n) = n² => T(n) = n² => O(n²)
常见的时间复杂度:
- 常数阶O(1)
- 对数阶O(log2n)
- 线性阶O(n)
- 线性对数阶O(nlog2n)
- 平方阶O(n^2)
- 立方阶O(n^3)
- k次方阶O(n^k)
- 指数阶O(2^n)
说明: - 常见的算法时间复杂度由小到大依次为:Ο(1)<Ο(log2n)<Ο(n)<Ο(nlog2n)<Ο(n2)<Ο(n3)< Ο(nk)<Ο(2n) ,随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低
- 从图中可见,我们应该尽可能避免使用指数阶的算法
常见的时间复杂度举例:
- 常数阶O(1):
无论代码执行了多少行,只要是没有循环等复杂结构,那这个代码的时间复杂度就都是O(1)
上述代码在执行的时候,它消耗的时间并不随着某个变量的增长而增长,那么无论这类代码有多长,即使有几万几十万行,都可以用O(1)来表示它的时间复杂度。 - 对数阶O(log2n):
在while循环里面,每次都将 i 乘以 2,乘完之后,i 距离 n 就越来越近了。假设循环x次之后,i 就大于 2 了,此时这个循环就退出了,也就是说 2 的 x 次方等于 n,那么 x = log2n也就是说当循环 log2n 次以后,这个代码就结束了。因此这个代码的时间复杂度为:O(log2n) 。 O(log2n) 的这个2 时间上是根据代码变化的,i = i * 3 ,则是 O(log3n)。 - 线性阶O(n):
这段代码,for循环里面的代码会执行n遍,因此它消耗的时间是随着n的变化而变化的,因此这类代码都可以用O(n)来表示它的时间复杂度。 - 线性对数阶O(nlogN):
线性对数阶O(nlogN) 其实非常容易理解,将时间复杂度为O(logn)的代码循环N遍的话,那么它的时间复杂度就是 n * O(logN),也就是了O(nlogN)。 - 平方阶O(n²):
平方阶O(n²) 就更容易理解了,如果把 O(n) 的代码再嵌套循环一遍,它的时间复杂度就是 O(n²),这段代码其实就是嵌套了2层n循环,它的时间复杂度就是 O(n * n),即 O(n²) 如果将其中一层循环的n改成m,那它的时间复杂度就变成了 O(m * n)。 - 立方阶O(n³)、K次方阶O(n^k):
参考上面的O(n²) 去理解就好了,O(n³)相当于三层n循环,其它的类似。
平均时间复杂度和最坏时间复杂度:
- 平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下,该算法的运行时间。
- 最坏情况下的时间复杂度称最坏时间复杂度。一般讨论的时间复杂度均是最坏情况下的时间复杂度。
这样做的原因是:最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限,这就保证了算法的运行时间不会比最坏情况更长。 - 平均时间复杂度和最坏时间复杂度是否一致,和算法有关(如图)。
算法的空间复杂度简介
- 类似于时间复杂度的讨论,一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间,它也是问题规模n的函数。
- 空间复杂度(Space
Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度。有的算法需要占用的临时工作单元数与解决问题的规模n有关,它随着n的增大而增大,当n较大时,将占用较多的存储单元,例如快速排序和归并排序算法就属于这种情况。 - 在做算法分析时,主要讨论的是时间复杂度。从用户使用体验上看,更看重的程序执行的速度。一些缓存产品(redis、memcache)和算法(基数排序)本质就是用空间换时间。
冒泡排序
图解:
代码:
import java.util.Arrays;
public class BubbleSort {
public static void main(String[] args) {
int[] array = {3, 9, -1, 10, 20};
System.out.println("排序前:");
System.out.println(Arrays.toString(array));
bubbleSort(array);
System.out.println("排序后:");
System.out.println(Arrays.toString(array));
}
public static void bubbleSort(int[] arr) {
for (int i = 0; i < arr.length - 1; i++) {
int temp = 0;
boolean flag = false;
for (int j = 0; j < arr.length - 1 - i; j++) {
if (arr[j] > arr[j + 1]) {
flag = true;
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
if (!flag) {
break;
}
}
}
}
结果:
排序前:
[3, 9, -1, 10, 20]
排序后:
[-1, 3, 9, 10, 20]
测试排序时间:
import java.text.SimpleDateFormat;
import java.util.Date;
public class BubbleSort {
public static void main(String[] args) {
// 下面来测试一下冒泡排序的速度,其时间复杂度为O(n^2),给80000个数据来测试
int arr[] = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);// 随机生成一个[0,80000)的随机数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间为:" + date1Str);
// 进行排序
bubbleSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间为:" + date2Str);
}
public static void bubbleSort(int[] arr) {
for (int i = 0; i < arr.length - 1; i++) {
int temp = 0;
boolean flag = false;
for (int j = 0; j < arr.length - 1 - i; j++) {
if (arr[j] > arr[j + 1]) {
flag = true;
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
if (!flag) {
break;
}
}
}
}
结果:
排序前的时间为:2020-04-23 00:03:50
排序后的时间为:2020-04-23 00:04:08
选择排序
基本介绍:
选择式排序也属于内部排序法,是从欲排序的数据中,按指定的规则选出某一元素,再依规定交换位置后达到排序的目的。
选择排序思想:
选择排序(select sorting)也是一种简单的排序方法。它的基本思想是:第一次从arr[0]~~arr[n-1]中选取最小值,与arr[0]交换;第二次从arr[1]~~arr[n-1]中选取最小值,与arr[1]交换;第三次从arr[2]~~arr[n-1]中选取最小值,与arr[2]交换;…;第i次从arr[i-1]~~arr[n-1]中选取最小值,与arr[i-1]交换;…;第n-1次从arr[n-2]~~arr[n-1]中选取最小值,与arr[n-2]交换。总共通过n-1次,得到一个按排序码从小到大排列的有序序列。
选择排序思路分析图解([101, 34, 119, 1]):
代码:
import java.util.Arrays;
public class SelectSort {
public static void main(String[] args) {
int[] arr= {101, 34, 119, 1};
System.out.println("排序前:");
System.out.println(Arrays.toString(arr));
selectSort(arr);
System.out.println("排序后:");
System.out.println(Arrays.toString(arr));
}
//选择排序
public static void selectSort(int[] arr) {
for(int i=0;i<arr.length-1;i++) {
int minIndex=i;
int min=arr[i];
for(int j=i+1;j<arr.length;j++) {
if(min>arr[j]) {
min=arr[j];
minIndex=j;
}
}
if(minIndex!=i)
arr[minIndex]=arr[i];
arr[i]=min;
}
}
}
结果:
排序前:
[101, 34, 119, 1]
排序后:
[1, 34, 101, 119]
测试排序时间:
import java.text.SimpleDateFormat;
import java.util.Date;
public class SelectSort {
public static void main(String[] args) {
// 下面来测试一下选择排序的速度,其时间复杂度为O(n^2),给80000个数据来测试
int arr[] = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);// 随机生成一个[0,80000)的随机数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间为:" + date1Str);
// 进行排序
selectSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间为:" + date2Str);
}
//选择排序
public static void selectSort(int[] arr) {
for(int i=0;i<arr.length-1;i++) {
int minIndex=i;
int min=arr[i];
for(int j=i+1;j<arr.length;j++) {
if(min>arr[j]) {
min=arr[j];
minIndex=j;
}
}
if(minIndex!=i)
arr[minIndex]=arr[i];
arr[i]=min;
}
}
}
结果:
排序前的时间为:2020-04-23 11:31:15
排序后的时间为:2020-04-23 11:31:22
插入排序
插入排序法介绍:
插入式排序属于内部排序法,是对于欲排序的元素以插入的方式找寻该元素的适当位置,以达到排序的目的。
插入排序法思想:
插入排序(Insertion Sorting)的基本思想是:把n个待排序的元素看成为一个有序表和一个无序表,开始时有序表中只包含一个元素,无序表中包含有n-1个元素,排序过程中每次从无序表中取出第一个元素,把它的排序码依次与有序表元素的排序码进行比较,将它插入到有序表中的适当位置,使之成为新的有序表。
插入排序思路图解:
代码:
import java.util.Arrays;
public class InsertSort {
public static void main(String[] args) {
int[] arr = { 101, 34, 119, 1 };
System.out.println("排序前:");
System.out.println(Arrays.toString(arr));
insertSort(arr);
System.out.println("排序后:");
System.out.println(Arrays.toString(arr));
}
// 插入排序
public static void insertSort(int[] arr) {
int insertVal = 0;
int insertIndex = 0;
for (int i = 1; i < arr.length; i++) {
insertVal = arr[i];
insertIndex = i - 1;
while (insertIndex >= 0 && insertVal < arr[insertIndex]) {
arr[insertIndex + 1] = arr[insertIndex];
insertIndex--;
}
arr[insertIndex + 1] = insertVal;
}
}
}
结果:
排序前:
[101, 34, 119, 1]
排序后:
[1, 34, 101, 119]
测试排序时间:
import java.text.SimpleDateFormat;
import java.util.Date;
public class InsertSort {
public static void main(String[] args) {
// 下面来测试一下插入排序的速度,其时间复杂度为O(n^2),给80000个数据来测试
int arr[] = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);// 随机生成一个[0,80000)的随机数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间为:" + date1Str);
// 进行排序
insertSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间为:" + date2Str);
}
// 插入排序
public static void insertSort(int[] arr) {
int insertVal = 0;
int insertIndex = 0;
for (int i = 1; i < arr.length; i++) {
insertVal = arr[i];
insertIndex = i - 1;
while (insertIndex >= 0 && insertVal < arr[insertIndex]) {
arr[insertIndex + 1] = arr[insertIndex];
insertIndex--;
}
arr[insertIndex + 1] = insertVal;
}
}
}
结果:
排序前的时间为:2020-04-23 11:59:32
排序后的时间为:2020-04-23 11:59:35
希尔排序
希尔排序法介绍:
希尔排序是希尔(Donald Shell)于1959年提出的一种排序算法。希尔排序也是一种插入排序,它是简单插入排序经过改进之后的一个更高效的版本,也称为缩小增量排序。
希尔排序法基本思想:
希尔排序是把记录按下标的一定增量分组,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多,当增量减至1时,整个文件恰被分成一组,算法便终止。
希尔排序法的图解:
交换法的希尔排序:
package sort;
import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;
public class ShellSort {
public static void main(String[] args) {
int[] arr0 = { 8, 9, 1, 7, 2, 3, 5, 4, 6, 0 };
System.out.println("排序前:");
System.out.println(Arrays.toString(arr));
shellSort(arr0);
System.out.println("排序后:");
System.out.println(Arrays.toString(arr));
// 下面来测试一下希尔排序的速度,其时间复杂度为O(n^2),给80000个数据来测试
int arr[] = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);// 随机生成一个[0,80000)的随机数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间为:" + date1Str);
// 进行排序
shellSort(arr0);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间为:" + date2Str);
}
// 希尔排序
// 使用交换法
public static void shellSort(int[] arr) {
int temp = 0;// 中间变量
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
// 将所有数据分为gap组
for (int i = gap; i < arr.length; i++) {
// 遍历各组中所有元素
for (int j = i - gap; j >= 0; j -= gap) {
// 如果当前元素大于加上步长后的那个元素,则交换(从小到大排序)
if (arr[j] > arr[j + gap]) {
temp = arr[j];
arr[j] = arr[j + gap];
arr[j + gap] = temp;
}
}
}
}
}
结果:
排序前:
[8, 9, 1, 7, 2, 3, 5, 4, 6, 0]
排序后:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
排序前的时间为:2020-04-23 13:15:02
排序后的时间为:2020-04-23 13:15:14
可以明显看出交换法的希尔排序需要的时间比插入排序更长
下面来对其进行优化,使用移位法来希尔排序:
package sort;
import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;
public class ShellSort {
public static void main(String[] args) {
int[] arr0 = { 8, 9, 1, 7, 2, 3, 5, 4, 6, 0 };
System.out.println("排序前:");
System.out.println(Arrays.toString(arr0));
shellSort(arr0);
System.out.println("排序后:");
System.out.println(Arrays.toString(arr0));
// 下面来测试一下希尔排序的速度,其时间复杂度为O(n^2),给80000个数据来测试
int arr[] = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 80000);// 随机生成一个[0,80000)的随机数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间为:" + date1Str);
// 进行排序
shellSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间为:" + date2Str);
}
// 对交换式的希尔排序进行优化 -> 移位法
public static void shellSort(int[] arr) {
// 增量gap,逐步缩小增量
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
// 从第gap个元素,逐个对其所在组进行直接插入排序
for (int i = gap; i < arr.length; i++) {
int temp = arr[i];
int j = i;
while (j - gap >= 0 && temp < arr[j - gap]) {
// 移动
arr[j] = arr[j - gap];
j -= gap;
}
// 当退出while后,就把temp插入适当位置
arr[j] = temp;
}
}
}
}
结果:
排序前:
[8, 9, 1, 7, 2, 3, 5, 4, 6, 0]
排序后:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
排序前的时间为:2020-04-23 13:17:00
排序后的时间为:2020-04-23 13:17:00
可以明显看出,使用移位法后,希尔排序速度大幅提升,80000个数据不足1s即可完成排序!
下面是当数据有8000000个时的速度:
排序前的时间为:2020-04-23 13:18:17
排序后的时间为:2020-04-23 13:18:21
可见只需要4s就可以排序完八百万个数据!
快速排序
快速排序法介绍:
快速排序(Quicksort)是对冒泡排序的一种改进。基本思想是:通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。
快速排序法图解:
代码:
import java.util.Arrays;
public class QuickSort {
public static void main(String[] args) {
int[] arr = { -9, 78, 0, 23, -567, 70 };
System.out.println("排序前:");
System.out.println(Arrays.toString(arr));
quickSort(arr, 0, arr.length - 1);
System.out.println("排序后:");
System.out.println(Arrays.toString(arr));
}
public static void quickSort(int[] arr, int left, int right) {
// 说明此时仅有一个数,则结束递归
if (left >= right) {
return;
}
int l = left;// 左下标
int r = right;// 右下标
int pivot = arr[l];// 中轴值,我们取最左边的值
// while循环目的是让比pivot小的值放在pivot左边,比pivot大的值放在pivot右边
while (l < r) {
// 因为我们选的是最左边的数为中轴值,所以我们要先从右开始往左走,找到比pivot小的数
while (l < r && arr[r] >= pivot) {
r--;
}
// 将找到的这个数放在l处,此时r处相当于就为空了
if (l < r) {
arr[l] = arr[r];
}
// 在从左往右找比pivot大的数
while (l < r && arr[l] <= pivot) {
l++;
}
// 将找到的这个数放在r处,此时l处相当于就为空了
if (l < r) {
arr[r] = arr[l];
}
// 当l=r时,就说明此时已经找完了,则此处左边都是比pivot小的,右边都是比pivot大的,所以就把最先拿出来的中轴值pivot放到此处即可
if (l == r) {
arr[l] = pivot;
}
}
// 递归左边的数据
quickSort(arr, left, l - 1);
// 递归右边的数据
quickSort(arr, r + 1, right);
}
}
结果:
排序前:
[-9, 78, 0, 23, -567, 70]
排序后:
[-567, -9, 0, 23, 70, 78]
下面我们来测试它的速度(用8000000个数据来测):
import java.text.SimpleDateFormat;
import java.util.Date;
public class QuickSort {
public static void main(String[] args) {
int arr[] = new int[8000000];
for (int i = 0; i < 8000000; i++) {
arr[i] = (int) (Math.random() * 8000000);// 随机生成一个[0,8000000)的随机数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间为:" + date1Str);
// 进行排序
quickSort(arr, 0, arr.length - 1);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间为:" + date2Str);
}
public static void quickSort(int[] arr, int left, int right) {
// 说明此时仅有一个数,则结束递归
if (left >= right) {
return;
}
int l = left;// 左下标
int r = right;// 右下标
int pivot = arr[l];// 中轴值,我们取最左边的值
// while循环目的是让比pivot小的值放在pivot左边,比pivot大的值放在pivot右边
while (l < r) {
// 因为我们选的是最左边的数为中轴值,所以我们要先从右开始往左走,找到比pivot小的数
while (l < r && arr[r] >= pivot) {
r--;
}
// 将找到的这个数放在l处,此时r处相当于就为空了
if (l < r) {
arr[l] = arr[r];
}
// 在从左往右找比pivot大的数
while (l < r && arr[l] <= pivot) {
l++;
}
// 将找到的这个数放在r处,此时l处相当于就为空了
if (l < r) {
arr[r] = arr[l];
}
// 当l=r时,就说明此时已经找完了,则此处左边都是比pivot小的,右边都是比pivot大的,所以就把最先拿出来的中轴值pivot放到此处即可
if (l == r) {
arr[l] = pivot;
}
}
// 递归左边的数据
quickSort(arr, left, l - 1);
// 递归右边的数据
quickSort(arr, r + 1, right);
}
}
结果:
排序前的时间为:2020-04-24 00:24:44
排序后的时间为:2020-04-24 00:24:45
由此可见,它比希尔排序还要优越一点!
归并排序
归并排序介绍:
归并排序(MERGE-SORT)是利用归并的思想实现的排序方法,该算法采用经典的分治(divide-and-conquer)策略(分治法将问题分(divide)成一些小的问题然后递归求解,而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起,即分而治之)。
归并排序思想图解(1)基本思想:
说明:
可以看到这种结构很像一棵完全二叉树,本文的归并排序我们采用递归去实现(也可采用迭代的方式去实现)。分阶段可以理解为就是递归拆分子序列的过程。
归并排序思想图解(2)合并相邻有序子序列:
再来看看治阶段,我们需要将两个已经有序的子序列合并成一个有序序列,比如上图中的最后一次合并,要将[4,5,7,8]和[1,2,3,6]两个已经有序的子序列,合并为最终序列[1,2,3,4,5,6,7,8]。
代码:
import java.util.Arrays;
public class MergeSort {
public static void main(String[] args) {
int[] arr= {8,4,5,7,1,3,6,2,9};
int[] temp = new int[arr.length];
System.out.println("排序前:");
System.out.println(Arrays.toString(arr));
mergeSort(arr, 0, arr.length-1, temp);
System.out.println("排序后:");
System.out.println(Arrays.toString(arr));
}
//分+合的方法
public static void mergeSort(int[] arr,int left,int right,int[] temp) {
if(left<right) {
int mid=(left+right)/2;
//向左递归进行分解
mergeSort(arr, left, mid, temp);
//向右递归进行分解
mergeSort(arr, mid+1, right, temp);
//进行合并
merge(arr, left, mid, right, temp);
}
}
//合并的方法
public static void merge(int[] arr,int left,int mid,int right,int[] temp) {
int i=left;//左边有序序列的初始索引
int j=mid+1;//右边有序序列的初始索引
int t=0;//指向temp数组的当前索引
//先把左右两边的有序数据按规则填充到temp数组,直到有一边处理完
while(i<=mid&&j<=right) {
if(arr[i]<=arr[j]) {
temp[t++]=arr[i++];
}else {
temp[t++]=arr[j++];
}
}
//把有剩余数据的一边全部填充入temp中
while(i<=mid) {
temp[t++]=arr[i++];
}
while(j<=right) {
temp[t++]=arr[j++];
}
//将temp拷贝进arr中,但每次拷贝的数量并不相同
t=0;
int tempLeft=left;
while(tempLeft<=right) {
arr[tempLeft++]=temp[t++];
}
}
}
结果:
排序前:
[8, 4, 5, 7, 1, 3, 6, 2, 9]
排序后:
[1, 2, 3, 4, 5, 6, 7, 8, 9]
下面我们来测试其速度:
import java.text.SimpleDateFormat;
import java.util.Date;
public class MergeSort {
public static void main(String[] args) {
// 下面来测试一下冒泡排序的速度,其时间复杂度为O(n^2),给80000个数据来测试
int[] arr = new int[8000000];
int[] temp = new int[8000000];
for (int i = 0; i < 8000000; i++) {
arr[i] = (int) (Math.random() * 8000000);// 随机生成一个[0,8000000)的随机数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间为:" + date1Str);
// 进行排序
mergeSort(arr, 0, arr.length - 1, temp);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间为:" + date2Str);
}
// 分+合的方法
public static void mergeSort(int[] arr, int left, int right, int[] temp) {
if (left < right) {
int mid = (left + right) / 2;
// 向左递归进行分解
mergeSort(arr, left, mid, temp);
// 向右递归进行分解
mergeSort(arr, mid + 1, right, temp);
// 进行合并
merge(arr, left, mid, right, temp);
}
}
// 合并的方法
public static void merge(int[] arr, int left, int mid, int right, int[] temp) {
int i = left;// 左边有序序列的初始索引
int j = mid + 1;// 右边有序序列的初始索引
int t = 0;// 指向temp数组的当前索引
// 先把左右两边的有序数据按规则填充到temp数组,直到有一边处理完
while (i <= mid && j <= right) {
if (arr[i] <= arr[j]) {
temp[t++] = arr[i++];
} else {
temp[t++] = arr[j++];
}
}
// 把有剩余数据的一边全部填充入temp中
while (i <= mid) {
temp[t++] = arr[i++];
}
while (j <= right) {
temp[t++] = arr[j++];
}
// 将temp拷贝进arr中,但每次拷贝的数量并不相同
t = 0;
int tempLeft = left;
while (tempLeft <= right) {
arr[tempLeft++] = temp[t++];
}
}
}
结果:
排序前的时间为:2020-04-24 22:14:53
排序后的时间为:2020-04-24 22:14:55
可以明显看出,用8000000个数据测试,其速度也是惊人得快
基数排序
基数排序(桶排序)介绍:
- 基数排序(radix sort)属于“分配式排序”(distribution sort),又称“桶子法”(bucket
sort)或bin sort,顾名思义,它是通过键值的各个位的值,将要排序的元素分配至某些“桶”中,达到排序的作用 - 基数排序法是属于稳定性的排序,基数排序法的是效率高的稳定性排序法
- 基数排序(Radix Sort)是桶排序的扩展
- 基数排序是1887年赫尔曼·何乐礼发明的。它是这样实现的:将整数按位数切割成不同的数字,然后按每个位数分别比较。
基数排序基本思想:
- 将所有待比较数值统一为同样的数位长度,数位较短的数前面补零。然后,从最低位开始,依次进行一次排序。这样从最低位排序一直到最高位排序完成以后,数列就变成一个有序序列。
- 图解:
代码:
import java.util.Arrays;
public class RadixSort {
public static void main(String[] args) {
int[] arr = { 53, 3, 542, 748, 14, 214 };
System.out.println("排序前:");
System.out.println(Arrays.toString(arr));
radixSort(arr);
System.out.println("排序后:");
System.out.println(Arrays.toString(arr));
}
public static void radixSort(int[] arr) {
// 先得到数组中最大数的位数
int max = arr[0];
for (int i = 1; i < arr.length; i++) {
if (arr[i] > max) {
max = arr[i];
}
}
// 得到位数
int maxLength = ("" + max).length();
// 定义一个二维数组表示10个桶,每个桶都是一个一维数组
// 注:由于为了防止溢出,所以必须把每个桶的数据数定义为arr.length个
// 由此可见,基数排序是一个用空间换时间的经典算法
int[][] bucket = new int[10][arr.length];
// 我们定义一个一维数组来记录每个桶里存放的数据数
int[] bucketElementCounts = new int[10];
for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
for (int j = 0; j < arr.length; j++) {
int digitOfElement = arr[j] / n % 10;
// 放入对应桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
// 将每个桶中依次取出数据,放入原数组中
int index = 0;
for (int k = 0; k < bucket.length; k++) {
// 循环取出该桶里的数据并将其放入原数组中,若没有数据则不执行for循环
for (int l = 0; l < bucketElementCounts[k]; l++) {
arr[index++] = bucket[k][l];
}
bucketElementCounts[k] = 0;
}
}
}
}
结果:
排序前:
[53, 3, 542, 748, 14, 214]
排序后:
[3, 14, 53, 214, 542, 748]
下面我们来测试其排序速度:
import java.text.SimpleDateFormat;
import java.util.Date;
public class RadixSort {
public static void main(String[] args) {
// 下面来测试一下冒基数排序的速度,其时间复杂度为O(n^2),给80000个数据来测试
int arr[] = new int[4000000];
for (int i = 0; i < 4000000; i++) {
arr[i] = (int) (Math.random() * 800000);// 随机生成一个[0,800000)的随机数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间为:" + date1Str);
// 进行排序
radixSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间为:" + date2Str);
}
public static void radixSort(int[] arr) {
// 先得到数组中最大数的位数
int max = arr[0];
for (int i = 1; i < arr.length; i++) {
if (arr[i] > max) {
max = arr[i];
}
}
// 得到位数
int maxLength = ("" + max).length();
// 定义一个二维数组表示10个桶,每个桶都是一个一维数组
// 注:由于为了防止溢出,所以必须把每个桶的数据数定义为arr.length个
// 由此可见,基数排序是一个用空间换时间的经典算法
int[][] bucket = new int[10][arr.length];
// 我们定义一个一维数组来记录每个桶里存放的数据数
int[] bucketElementCounts = new int[10];
for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
for (int j = 0; j < arr.length; j++) {
int digitOfElement = arr[j] / n % 10;
// 放入对应桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
// 将每个桶中依次取出数据,放入原数组中
int index = 0;
for (int k = 0; k < bucket.length; k++) {
// 循环取出该桶里的数据并将其放入原数组中,若没有数据则不执行for循环
for (int l = 0; l < bucketElementCounts[k]; l++) {
arr[index++] = bucket[k][l];
}
bucketElementCounts[k] = 0;
}
}
}
}
结果:
排序前的时间为:2020-04-25 00:58:45
排序后的时间为:2020-04-25 00:58:45
可以看出4000000个数据只需要1s不到就可以排序完成。
此时我用的是4000000个数据进行测试,如果像之前一样用8000000个数据测试时,会显示如下错误:(不同电脑数据上限不同)
因为基数排序中,当数据过多时需要开很大的数组,超过了程序所能容纳内存的上限,所以报错:Java heap space
由此则明显体会到了,空间换时间,虽然基数排序很快,但却需要更多的空间来完成。
基数排序的说明:
- 基数排序是对传统桶排序的扩展,速度很快。
- 基数排序是经典的空间换时间的方式,占用内存很大, 当对海量数据排序时,容易造成 OutOfMemoryError 。
- 基数排序时稳定的。【注:假定在待排序的记录序列中,存在多个具有相同的关键字的记录,若经过排序,这些记录的相对次序保持不变,即在原序列中,r[i]=r[j],且r[i]在r[j]之前,而在排序后的序列中,r[i]仍在r[j]之前,则称这种排序算法是稳定的;否则称为不稳定的】
- 此写法仅支持非负数的排序,若要支持负数,则需要再对其进行一点改进。
常用排序算法总结和对比
相关术语解释:
- 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;
- 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;
- 内排序:所有排序操作都在内存中完成;
- 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;
- 时间复杂度: 一个算法执行所耗费的时间。
- 空间复杂度:运行完一个程序所需内存的大小。
- n: 数据规模
- k: “桶”的个数
- In-place: 不占用额外内存
- Out-place: 占用额外内存