6.排序算法
排序算法的介绍
排序也成排序算法(Sort Algorithm),排序是将一组数据,依指定的顺序进行排序的过程.
排序的分类:
- 内部排序:指将需要处理的所有数据都加载到内部存储器中进行排序
- 外部排序法:数据量过大,无法全部加载到内存中,需要借助外部进行排序
- 常见的排序算法分类(见左图)
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
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)。[举例说明]
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:
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
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
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
常数阶
对数阶O(log2n)
- 线性阶O(n)
- 线性对数阶O(nlogN)
- 平方阶O(n²)
- 立方阶O(n³)、K 次方阶O(n^k)
说明: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
-
算法的时间复杂度
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
基本介绍
- 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, 基数排序就属于这种情况
- 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.
6.1 冒泡排序
基本介绍
冒泡排序(Bubble Sorting)的基本思想是:通过对待排序序列从前向后(从下标较小的元素开始),依次比较
相邻元素的值,若发现逆序则交换,使值较大的元素逐渐从前移向后部,就象水底下的气泡一样逐渐向上冒。
优化:
因为排序的过程中,各元素不断接近自己的位置,如果一趟比较下来没有进行过交换,就说明序列有序,因此要在
排序过程中设置一个标志flag 判断元素是否进行过交换。从而减少不必要的比较。(这里说的优化,可以在冒泡排
序写好后,在进行)
小结上面的图解过程:
(1) 一共进行数组的大小-1 次大的循环
(2)每一趟排序的次数在逐渐的减少
(3) 如果我们发现在某趟排序中,没有发生一次交换, 可以提前结束冒泡排序。这个就是优化
代码实现
/**
* @author xiaososa
* @date 2020/12/25
**/
public class BubbleSort {
public static void main(String[] args) {
int arr[] = {3,9,-1,10,-2};
//定义一个暂时存储的变量
int temp = 0;
for(int i = 0;i < arr.length - 1; i++){
for(int j = 0;j < arr.length - 1 - i;j++ ){
if(arr[j] > arr[j+1]){
temp = arr[j];
arr[j] = arr[j+1];
arr[j+1] = temp;
}
}
System.out.println("第"+(i+1)+"次排序");
System.out.println(Arrays.toString(arr));
}
}
}
完整代码演示
/**
* @author xiaososa
* @date 2020/12/25
**/
public class BubbleSort {
public static void main(String[] args) {
// int arr[] = {3,9,-1,10,-2};
// System.out.println("排序前的数组");
// System.out.println(Arrays.toString(arr));
//测试一下冒泡排序的速度O(n^2) 给80000个数据
//创建要给80000个的随机的数组
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int)(Math.random()*8000000);//生成一个[0,80000)数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间是= "+date1Str);
bubbleSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间是= "+date2Str);
//System.out.println("排序后的数组");
//System.out.println(Arrays.toString(arr));
}
//将前面的冒泡排序算法,封装成一个方法
public static void bubbleSort(int arr[]){
//为了容易理解,冒泡排序的演变过程
//第一趟排序,就是将最大的数排在最后
int temp = 0;//临时变量
boolean flag = false;//标识变量,标识是否进行过交换
//冒泡排序 时间复杂度O(n^2)
for (int i = 0; i < arr.length - 1 ; i++) {
for (int j = 0; j < arr.length - 1 - i ; j++) {
//如果前面的数比后面的数大,则交换
if (arr[j] > arr[j+1]){
flag = true;
temp = arr[j];
arr[j] = arr[j+1];
arr[j+1] = temp;
}
}
//System.out.println("第"+(i+1)+"趟排序后的数组");
//System.out.println(Arrays.toString(arr));
if (!flag){//在一趟排序中,一次交换都没有发生过
break;
}else {
flag = false; //重置flag,进行下次判断
}
}
}
}
6.2 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个元素,再依规定交换位置后达到排序的目的.
选择排序
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:
对一个数组的选择排序再进行讲解
选择排序应用实例
代码实现
/**
* @author xiaososa
* @date 2020/12/25
**/
public class SelectSort {
public static void main(String[] args) {
int[] arr = {101,34,119,1,-1,90,123};
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){
//在推导的过程中,我们发现了规律,因此,可以使用for解决
//选择排序时间复杂度是O(n^2)
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]){//说明假定的最小值,并不是最小
min = arr[j];//重置min
minIndex = j;//重置minIndex
}
}
//将最小值,放在arr[0],即交换
if (minIndex != i){
arr[minIndex] = arr[i];
arr[i] = min;
}
System.out.println("第"+(i+1)+"一轮后~");
System.out.println(Arrays.toString(arr));
}
}
6.3 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:
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:
插入排序法应用实例
有一群小牛, 考试成绩分别是101, 34, 119, 1 请从小到大排序
/**
* @author xiaososa
* @date 2020/12/26
**/
public class InsetSort {
public static void main(String[] args) {
int[] arr = {101,34,119,1,-1,89};
insertSort(arr);
}
//插入排序
public static void insertSort(int[] arr){
int insertVal = 0;
int insertIndex =0;
//使用for循环把代码简化
for (int i = 1; i < arr.length ; i++) {
//定义代插入的数
insertVal = arr[i];
insertIndex = i - 1;//即arr[1]的前面这个数的下标
//给insetVal 找到插入的位置
//说明
//1.insertIndex >= 0 保证在给insetVal 找插入位置,不越界
//2.insertVal < arr[insertIndex] 待插入的数还没有找到插入的位置
//3.就需要将arr[insertIndex]后移
while (insertIndex >= 0 && insertVal < arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];
insertIndex--;
}
//当退出while循环时,说明插入的位置找到,insetIndex + 1
//这里我们判断是否需要赋值
if (insertIndex + 1 == i){
arr[insertIndex + 1] = insertVal;
}
System.out.println("第"+i+"轮插入");
System.out.println(Arrays.toString(arr));
}
}
}
6.4 希尔排序
简单插入排序存在的问题
我们看简单的插入排序可能存在的问题.
数组arr = {2,3,4,5,6,1} 这时需要插入的数1(最小), 这样的过程是:
{2,3,4,5,6,6}
{2,3,4,5,5,6}
{2,3,4,4,5,6}
{2,3,3,4,5,6}
{2,2,3,4,5,6}
{1,2,3,4,5,6}
结论: 当需要插入的数是较小的数时,后移的次数明显增多,对效率有影响.
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。
希尔排序法的示意图
希尔排序法应用实例
有一群小牛, 考试成绩分别是{8,9,1,7,2,3,5,4,6,0} 请从小到大排序. 请分别使用
- 希尔排序时, 对有序序列在插入时采用交换法, 并测试排序速度.
- 希尔排序时, 对有序序列在插入时采用移动法, 并测试排序速度
- 代码实现
交换法
//使用逐步推导的方式来编写希尔排序
public static void shellSort(int[] arr){
int temp = 0;
int count = 0;
//根据前面的逐步分析,使用循环处理
for (int gap = arr.length/2;gap > 0; gap /= 2){
for (int i = gap; i < arr.length; i++) {
//遍历各组中所有的元素(共gap组,每组有个元素),步长gap
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,说明交换
if (arr[j] > arr[j + gap]){
temp = arr[j];
arr[j] = arr[j+gap];
arr[j+gap] = temp;
}
}
}
System.out.println("希尔排序第"+(++count)+"轮="+Arrays.toString(arr));
}
}
移位法
//对交换式的希尔排序进行优化->移位法
public static void shellSort2(int[] arr){
//增量gap,并逐步的缩小增量
for (int gap = arr.length/2;gap > 0; gap /= 2){
//从第gap个元素,逐个对其所在的组进行直接插入排序
for (int i = gap; i < arr.length ; i++) {
int j = i;
int temp = arr[j];
if (arr[j] < arr[j - gap]) {
while (j - gap >= 0 && temp < arr[j - gap]){
//移动
arr[j] = arr[j - gap];
j -= gap;
}
//当退出while后,就给temp找打插入的位置
arr[j] = temp;
}
}
}
}
6.5 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
快速排序法示意图
快速排序法思路分析
快速排序法应用实例
要求: 对[-9,78,0,23,-567,70] 进行从小到大的排序,要求使用快速排序法。【测试8w 和800w】
说明[验证分析]:
- 如果取消左右递归,结果是-9 -567 0 23 78 70
- 如果取消右递归,结果是-567 -9 0 23 78 70
- 如果取消左递归,结果是-9 -567 0 23 70 78
代码实现
/**
* @author xiaososa
* @date 2020/12/26
**/
public class QuickSort {
public static void main(String[] args) {
int[] arr = {-9,78,0,23,-567,70,-1,900,4561};
quickSort(arr,0,arr.length - 1);
System.out.println("arr=" + Arrays.toString(arr));
}
public static void quickSort(int[] arr,int left,int right){
int l = left;//左下标
int r = right;//右下标
//pivot 中轴值
int pivot = arr[(left+right)/2];
int temp = 0;//临时变量,作为交换时使用
//while循环的目的是让比pivot的值小放到左边
//比pivot 值大放到右边
while (l < r){
//在pivot的左边一直找,找到大于等于pivot值,才退出
while (arr[l] < pivot){
l += 1;
}
while (arr[r] > pivot){
r -= 1;
}
//如果 l >= r说明pivot 的左右两的值,已经按照左边全部是
//小于等于pivot值,右边全部是大于等于pivot的值
if (l >= r){
break;
}
//交换
temp = arr[l];
arr[l] = arr[r];
arr[r] = temp;
//如果交换完后,发现这个arr[l] == pivot值相等 r--,前移
if (arr[l] == pivot){
r -= 1;
}
//如果交换完后,发现这个arr[r] == pivot值相等 l--,后移
if (arr[r] == pivot){
l += 1;
}
}
//如果 l == r,必须l++,r--,否则出现栈溢出
if (l == r){
l += 1;
r -= 1;
}
//向左递归
if (left < r){
quickSort(arr,left,r);
}
//向右递归
if (right > l){
quickSort(arr,l,right);
}
}
}
6.6 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)。
归并排序思想示意图1-基本思想
说明:可以看到这种结构很像一颗完全二叉树,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
归并排序思想示意图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],来看下实现步骤
归并排序的应用实例
给你一个数组, val arr = Array(8, 4, 5, 7, 1, 3, 6, 2 ), 请使用归并排序完成排序。
代码实现
/**
* @author xiaososa
* @date 2020/12/26
**/
public class MergeSort {
public static void main(String[] args) {
int[] arr = {8,4,5,7,1,3,6,2};
int temp[] = new int[arr.length];//归并排序需要一个额外的空间
mergeSort(arr,0,arr.length -1,temp);
System.out.println("归并排序后="+ Arrays.toString(arr));
}
//分+合方法
public static void mergeSort(int[] arr,int left,int right,int[] temp){
if (left < right){
int mid = (left + right) / 2;//中间索引
//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);
//到合并
merge(arr,left,mid,right,temp);
}
}
//合并的方法
/**
*
* @param arr 排序的原始数组
* @param left 左边有序序列的初始索引
* @param mid 中间索引
* @param right 右边索引
* @param temp 做中转的数组
*/
public static void merge(int[] arr,int left,int mid,int right,int[] temp){
int i = left;//初始化i,左边有序序列的初始索引
int j = mid + 1 ;//初始化j,右边有序序列的初始索引
int t = 0;// 指向temp数组的当前索引
//(一)
//先把左右两边(有序)的数据按照规则填充到temp数组
//直到左右两边的有序序列,又一边处理完毕为止
while (i <= mid && j <= right){//继续
//如果左边的有序序列的当前元素,小于等于右边有序序列的当前元素
//即将左边的当前元素,拷贝到temp数组
//然后t++,i++
if (arr[i] <= arr[j]){
temp[t] = arr[i];
t += 1;
i += 1;
}else {//反之 即将右边有序序列的当前元素,填充到temp数组
temp[t] = arr[j];
t += 1;
j += 1;
}
}
//(二)
//把剩余数据的一遍的数据依次全部填充到temp
while (i <= mid){//左边的有序序列还有剩余的元素,就全部填充到temp
temp[t] = arr[i];
t += 1;
i += 1;
}
while (j <= right){//右边的有序序列还有剩余的元素,就全部填充到temp
temp[t] = arr[j];
t += 1;
j += 1;
}
//(三)
//将temp数组的元素拷贝到arr
//注意,并不是每次都拷贝所有
t = 0;
int tempLeft = left;//
//第一次合并tempLeft = 0,right = 1
// tempLeft = 2,right = 3
// tempLeft = 0,right = 3
//最后一次tempLeft = 0,right = 7
System.out.println("tempLeft= "+tempLeft+" right= "+right);
while (tempLeft <= right){
arr[tempLeft] = temp[t];
t += 1;
tempLeft += 1;
}
}
}
6.7 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,一次进行一次排序,这样从最低位排序一直到最高位排序完成以后,数列就变成了一个有序序列
- 这样说明,比较难理解,下面我们看一个图文解释,理解基数排序的步骤
基数排序图文说明
将数组{53, 3, 542, 748, 14, 214} 使用基数排序, 进行升序排序
基数排序的应用实例
要求:将数组{53, 3, 542, 748, 14, 214} 使用基数排序, 进行升序排序
/**
* @author xiaososa
* @date 2020/12/26
**/
public class RadixSort {
public static void main(String[] args) {
//int[] arr = {53,3,542,748,14,214};
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int)(Math.random()*8000000);//生成一个[0,80000)数
}
int temp[] = new int[arr.length];//归并排序需要一个额外的空间
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间是= "+date1Str);
radixSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间是= "+date2Str);
}
//基数排序
public static void radixSort(int[] arr){
//根据前面的推导过程,我们可以得到最终的基数排序代码
//1.得到数组中最大的数的位数
int max = arr[0];
for (int i = 1; i < arr.length; i++) {
if (arr[i] > max){
max = arr[i];
}
}
//得到最大数的几位数
int maxLength = (max + "").length();
//定义一个二维数组,表示10个桶,每个桶就是一个一维数组
//说明
//1.二维数组包含10个一维数组
//2.为了防止在放入数的时候,数据溢出,则每个一维数组(桶),大小定为arr.length
//3.很明确,基数排序是使用空间换时间的经典算法
int[][] bucket =new int[10][arr.length];
//为了记录每个桶中,实际存放了多少个数据,我们定义一个一维数组来记录各个桶的每次放入的数据个数
//bucketElementCounts[0] 记录的就是 bucket[0] 桶的放入数据个数
int[] bucketElementCounts = new int[10];
//这里我们使用循环将代码处理
for (int i = 0,n = 1; i < maxLength; i++,n *= 10) {
//针对每个元素对应的进行排序处理,第一次是个位,第二次是十位,第三次是百位
for (int j = 0; j < arr.length; j++) {
//取出每个元素的对应位的值
int digitOfElement = arr[j] /n % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序(一维数组的下标一次取出数据,放入原来数组)
int index = 0;
//比那里每一桶,并将桶中是数据,放入到原数组
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中,有数据,我们才放大原数组
if (bucketElementCounts[k] != 0){
//循环该桶即第k个桶(即第k个一维数组),放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入arr
arr[index++] = bucket[k][l];
}
}
//第i+1轮处理后,需要将每个bucketElementCounts[k] = 0!!!!
bucketElementCounts[k] = 0;
}
//System.out.println("第"+(i+1)+"轮,对个位的排序处理 arr = " + Arrays.toString(arr));
}
/*//第1轮(针对每个元素的个位进行排序处理)
for (int j = 0; j < arr.length; j++) {
//取出每个元素的个位的值
int digitOfElement = arr[j] /1 % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序(一维数组的下标一次取出数据,放入原来数组)
int index = 0;
//比那里每一桶,并将桶中是数据,放入到原数组
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中,有数据,我们才放大原数组
if (bucketElementCounts[k] != 0){
//循环该桶即第k个桶(即第k个一维数组),放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入arr
arr[index++] = bucket[k][l];
}
}
//第1轮处理后,需要将每个bucketElementCounts[k] = 0!!!!
bucketElementCounts[k] = 0;
}
System.out.println("第1轮,对个位的排序处理 arr = " + Arrays.toString(arr));
//==============================
//第2轮(针对每个元素的十位进行排序处理)
for (int j = 0; j < arr.length; j++) {
//取出每个元素的十位的值
int digitOfElement = arr[j] /10 % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序(一维数组的下标一次取出数据,放入原来数组)
index = 0;
//比那里每一桶,并将桶中是数据,放入到原数组
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中,有数据,我们才放大原数组
if (bucketElementCounts[k] != 0){
//循环该桶即第k个桶(即第k个一维数组),放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入arr
arr[index++] = bucket[k][l];
}
}
//第2轮处理后,需要将每个bucketElementCounts[k] = 0!!!!
bucketElementCounts[k] = 0;
}
System.out.println("第2轮,对个位的排序处理 arr = " + Arrays.toString(arr));
//第3轮(针对每个元素的百位进行排序处理)
for (int j = 0; j < arr.length; j++) {
//取出每个元素的百位的值
int digitOfElement = arr[j] /100 % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序(一维数组的下标一次取出数据,放入原来数组)
index = 0;
//比那里每一桶,并将桶中是数据,放入到原数组
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中,有数据,我们才放大原数组
if (bucketElementCounts[k] != 0){
//循环该桶即第k个桶(即第k个一维数组),放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入arr
arr[index++] = bucket[k][l];
}
}
//第3轮处理后,需要将每个bucketElementCounts[k] = 0!!!!
bucketElementCounts[k] = 0;
}
System.out.println("第2轮,对个位的排序处理 arr = " + Arrays.toString(arr));*/
}
}
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]
- 有负数的数组,我们不用基数排序来进行排序, 如果要支持负数,参考: https://code.i-harness.com/zh-CN/q/e98fa9
常用排序算法总结和对比
一张排序算法的比较图
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