数据结构和算法（三）
第三章 排序
文章目录
一、简单排序
在我们的程序中，排序是非常常见的一种需求，提供一些数据元素，把这些数据元素按照一定的规则进行排序。比如查询一些订单，按照订单的日期进行排序；再比如查询一些商品，按照商品的价格进行排序等等。所以，接下来我们要学习一些常见的排序算法。
在java的开发工具包jdk中，已经给我们提供了很多数据结构与算法的实现，比如List，Set，Map，Math等等，都是以API的方式提供，这种方式的好处在于一次编写，多处使用。我们借鉴jdk的方式，也把算法封装到某个类中，
那如果是这样，在我们写java代码之前，就需要先进行API的设计，设计好之后，再对这些API进行实现。
就比如我们先设计一套API如下：
| 类名 | ArrayList |
|---|---|
| 构造方法 | ArrayList()：创建ArrayList对象 |
| 成员方法 | 1.boolean add(E e)：向集合中添加元素 2.E remove(int index):从集合中删除指定的元素 |
然后再使用java代码去实现它。以后我们讲任何数据结构与算法都是以这种方式讲解
1.冒泡排序
冒泡排序（Bubble Sort），是一种计算机科学领域的较简单的排序算法
a.需求：
排序前：{4,5,6,3,2,1}
排序后：{1,2,3,4,5,6}
b.排序原理：
1）比较相邻的元素。如果前一个元素比后一个元素大，就交换这两个元素的位置。
2）对每一对相邻元素做同样的工作，从开始第一对元素到结尾的最后一对元素。最终最后位置的元素就是最大值。
c.API设计：
| 类名 | Bubble |
|---|---|
| 构造方法 | Bubble()：创建Bubble对象 |
| 成员方法 | 1.public static void sort(Comparable[] a)：对数组内的元素进行排序 2.private static boolean greater(Comparable v,Comparable w):判断v是否大于w 3.private static void exch(Comparable[] a,int i,int j)：交换a数组中，索引i和索引j处的值 |
d.代码实现：
/**
* @小亿 冒泡排序（简单排序）
* 稳定排序
* 原理：
* 1）比较相邻的元素。如果前一个元素比后一个元素大，就交换这两个元素的位置。
* 2）对每一个相邻元素做同样的工作，从开始第一个元素到结尾的最后一对元素。最终最后位置的元素就是最大值。
*/
public class Bubble {
/**
* 对数组a中的元素进行排序
*/
public static void sort(Comparable[] a) {
for (int i = a.length - 1; i > 0; i--) {
for (int j = 0; j < i; j++) {
//最坏情况下：(6,5,4,3,2,1)
//比较索引j和索引j+1处的值
if (greater(a[j], a[j + 1])) {
exch(a, j, j + 1);
}
}
}
}
/**
* 比较元素是否大于w元素
*/
public static boolean greater(Comparable v, Comparable w) {
return v.compareTo(w) > 0;
}
/**
* 数组元素i和j交换位置
*/
private static void exch(Comparable[] a, int i, int j) {
Comparable temp;
temp = a[i];
a[i] = a[j];
a[j] = temp;
}
}
e.时间复杂度分析：
冒泡排序使用了双层for循环，其中内层循环的循环体是真正完成排序的代码，所以，我们分析冒泡排序的时间复杂度，主要分析一下内层循环体的执行次数即可。
在最坏情况下，也就是假如要排序的元素为{6,5,4,3,2,1}逆序，那么：
元素比较的次数为：
(N-1)+(N-2)+(N-3)+…+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2;
元素交换的次数为：
(N-1)+(N-2)+(N-3)+…+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2;
总执行次数为：
(N^2/2-N/2) + (N^2/2-N/2) = N^2-N;
按照大O推导法则，保留函数中的最高阶项那么最终冒泡排序的时间复杂度为O(N^2)
2.选择排序
选择排序是一种更加简单直观的排序方法。
a.需求：
排序前：{4,6,8,7,9,2,10,1}
排序后：{1,2,4,5,7,8,9,10}
b.排序原理：
1）每一次遍历的过程中，都假定第一个索引处的元素是最小值，和其他索引处的值依次进行比较，如果当前索引处的值大于其他某个索引处的值，则假定其他某个索引出的值为最小值，最后可以找到最小值所在的索引
2）交换第一个索引处和最小值所在的索引处的值
c.API设计：
| 类名 | Selection |
|---|---|
| 构造方法 | Selection()：创建Selection对象 |
| 成员方法 | 1.public static void sort(Comparable[] a)：对数组内的元素进行排序 2.private static boolean greater(Comparable v,Comparable w):判断v是否大于w 3.private static void exch(Comparable[] a,int i,int j)：交换a数组中，索引i和索引j处的值 |
d.代码实现：
/**
* @小亿 选择排序（简单排序）
* 不稳定排序
* 原理：
* 1）每一次遍历的过程中，都假定第一个索引处的元素是最小值，和其他索引处依次进行比较，
* 如果当前索引处的值大于其他某个索引处的值，则假定其他某个索引处的值为最小值，最后可以找到最小值所在的索引。
* 2）交换第一个索引处和最小值所在的索引处的值。
*/
public class Selection {
/**
* 对数组a中的元素进行排序
*/
public static void sort(Comparable[] a) {
for (int i = 0; i <= a.length - 1; i++) {
//定义一个变量，记录最小元素所在的索引，默认为参与选择排序的第一个元素所在的位置
int minIndex = i;
for (int j = i + 1; j < a.length; j++) {
//需要比较最小索引minIndex处的值和i索引处的值
if (greater(a[minIndex], a[j])) {
minIndex = j;
}
}
//交换最小元素的所在索引minIndex处的值和索引i处的值
exch(a, i, minIndex);
}
}
/**
* 比较元素是否大于w元素
*/
public static boolean greater(Comparable v, Comparable w) {
return v.compareTo(w) > 0;
}
/**
* 数组元素i和j交换位置
*/
private static void exch(Comparable[] a, int i, int j) {
Comparable temp;
temp = a[i];
a[i] = a[j];
a[j] = temp;
}
}
e.时间复杂度分析：
选择排序使用了双层for循环，其中外层循环完成了数据交换，内层循环完成了数据比较，所以我们分别统计数据交换次数和数据比较次数：
数据比较次数：
(N-1)+(N-2)+(N-3)+…+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2;
数据交换次数：
N-1
时间复杂度：N^2/2 - N/2 +（N-1）=N^2/2+N/2-1;
根据大O推导法则，保留最高阶项，去除常数因子，时间复杂度为O(N^2)
3.插入排序
插入排序（Insertion sort）是一种简单直观且稳定的排序算法。
插入排序的工作方式非常像人们排序一手扑克牌一样。开始时，我们的左手为空并且桌子上的牌面朝下。然后，我们每次从桌子上拿走一张牌并将它插入左手中正确的位置。为了找到一张牌的正确位置，我们从右到左将它与已在手中的每张牌进行比较，如下图所示：
a.需求：
排序前：{4,3,2,10,12,1,5,6}
排序后：{1,2,3,4,5,6,10,12}
b.排序原理：
1）把所有的元素分为两组，已经排序的和未排序的；
2）找到未排序的组中的第一个元素，向已经排序的组中进行插入；
3）倒叙遍历已经排序的元素，依次和待插入的元素进行比较，直到找到一个元素小于等于待插入元素，那么就把待插入元素放到这个位置，其他的元素向后移动一位；
c.API设计：
| 类名 | Insertion |
|---|---|
| 构造方法 | Insertion()：创建Insertion对象 |
| 成员方法 | 1.public static void sort(Comparable[] a)：对数组内的元素进行排序 2.private static boolean greater(Comparable v,Comparable w):判断v是否大于w 3.private static void exch(Comparable[] a,int i,int j)：交换a数组中，索引i和索引j处的值 |
d.代码实现：
/**
* @小亿 插入排序（简单排序）
* 稳定排序
* 原理：（例如：扑克牌）
* 1）把所有的元素分为两组，已经排序和未排序的。
* 2）找到未排序的组中的第一个元素，向已经排序的组中进行插入。
* 3）倒序遍历已经排序的元素，依次和待插入的元素进行比较，直到找到一个元素小于等于待插入元素，
* 那么就把待插入元素放到这个位置，其他元素向后移动一位。
*/
public class Insertion {
/**
* 对数组a中的元素进行排序
*/
public static void sort(Comparable[] a) {
for (int i = 1; i < a.length; i++) {
for (int j = i; j > 0; j--) {
//比较索引处的值和索引处-1处的值，如果索引j-1处的值比索引处的值大，则交换数据，如果不大，那么就找到适合的位置了，退出循环即可；
if (greater(a[j - 1], a[j])) {
exch(a, j - 1, j);
} else {
break;
}
}
}
}
/**
* 比较元素是否大于w元素
*/
public static boolean greater(Comparable v, Comparable w) {
return v.compareTo(w) > 0;
}
/**
* 数组元素i和j交换位置
*/
private static void exch(Comparable[] a, int i, int j) {
Comparable temp;
temp = a[i];
a[i] = a[j];
a[j] = temp;
}
}
e.时间复杂度分析：
插入排序使用了双层for循环，其中内层循环的循环体是真正完成排序的代码，所以，我们分析插入排序的时间复杂度，主要分析一下内层循环体的执行次数即可。
最坏情况，也就是待排序的数组元素为{12,10,6,5,4,3,2,1}，那么：
比较的次数为：
(N-1)+(N-2)+(N-3)+…+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2;
交换的次数为：
(N-1)+(N-2)+(N-3)+…+2+1=((N-1)+1)*(N-1)/2=N^2/2-N/2
总执行次数为：
(N^2/2-N/2) + (N^2/2-N/2) = N^2-N;
按照大O推导法则，保留函数中的最高阶项那么最终插入排序的时间复杂度为O(N^2).
二、高级排序
之前我们学习过基础排序，包括冒泡排序，选择排序还有插入排序，并且对他们在最坏情况下的时间复杂度做了分析，发现都是O(N^2)，而平方阶通过我们之前学习算法分析我们知道，随着输入规模的增大，时间成本将急剧上升，所以这些基本排序方法不能处理更大规模的问题，接下来我们学习一些高级的排序算法，争取降低算法的时间复杂度最高阶次幂。
1.希尔排序
希尔排序是插入排序的一种，又称“缩小增量排序”，是插入排序算法的一种更高效的改进版本。前面学习插入排序的时候，我们会发现一个很不友好的事儿，如果已排序的分组元素为{2,5,7,9,10}，未排序的分组元素为{1,8}，那么下一个待插入元素为1，我们需要拿着1从后往前，依次和10,9,7,5,2进行交换位置，才能完成真正的插入，每次交换只能和相邻的元素交换位置。那如果我们要提高效率，直观的想法就是一次交换，能把1放到更前面的位置，比如一次交换就能把1插到2和5之间，这样一次交换1就向前走了5个位置，可以减少交换的次数，这样的需求如何实现呢？接下来我们来看看希尔排序的原理。
a.需求：
排序前：{9,1,2,5,7,4,8,6,3,5}
排序后：{1,2,3,4,5,5,6,7,8,9}
b.排序原理：
1）选定一个增长量h，按照增长量h作为数据分组的依据，对数据进行分组；
2）对分好组的每一组数据完成插入排序；
3）减小增长量，最小减为1，重复第二步操作。
增长量h的确定：增长量h的值每一固定的规则，我们这里采用以下规则：
int h=1
while(h<5){
h=2h+1；//3,7
}
//循环结束后我们就可以确定h的最大值；
h的减小规则为：
h=h/2
c.API设计：
| 类名 | Shell |
|---|---|
| 构造方法 | Shell()：创建Shell对象 |
| 成员方法 | 1.public static void sort(Comparable[] a)：对数组内的元素进行排序 2.private static boolean greater(Comparable v,Comparable w):判断v是否大于w 3.private static void exch(Comparable[] a,int i,int j)：交换a数组中，索引i和索引j处 |
d.代码实现：
/**
* @小亿 希尔排序（高级排序）
* 不稳定排序
* 原理：
* 1）选定一个增长量h，按照增长量h作为数据分组的依据，对数据进行分组。
* 2）对分好组的每一组数据完成插入排序。
* 3）减小增长量，最小减为1，重复第二步操作。
*/
public class Shell {
/**
* 对数组a中的元素进行排序
*/
public static void sort(Comparable[] a) {
//1.根据数组a的长度，确定增长量h的初始值
int h = 1;
while (h < a.length / 2) {
h = 2 * h + 1;
}
//2.希尔排序
while (h >= 1) {
//排序
//2-1.找到待插入的元素
for (int i = h; i <= a.length - 1; i++) {
//2-2.把待插入的元素插入到有序的元素中
for (int j = i; j >= h; j -= h) {
//待插入的元素是a[j]，比较a[j]和a[j-h]
if (greater(a[j - h], a[j])) {
//交换元素
exch(a, j - h, j);
} else {
//待插入元素已经找到了合适的位置，结束循环；
break;
}
}
}
//减小h的值
h = h / 2;
}
}
/**
* 比较元素是否大于w元素
*/
public static boolean greater(Comparable v, Comparable w) {
return v.compareTo(w) > 0;
}
/**
* 数组元素i和j交换位置
*/
private static void exch(Comparable[] a, int i, int j) {
Comparable temp;
temp = a[i];
a[i] = a[j];
a[j] = temp;
}
}
e.时间复杂度分析：
在希尔排序中，增长量h并没有固定的规则，有很多论文研究了各种不同的递增序列，但都无法证明某个序列是最好的，对于希尔排序的时间复杂度分析，已经超出了我们课程设计的范畴，所以在这里就不做分析了。
2.归并排序
归并排序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的一个非常典型的应用。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，称为二路归并。
1）递归
正式学习归并排序之前，我们得先学习一下递归算法。
a.定义：
定义方法时，在方法内部调用方法本身，称之为递归.
public void show(){
System.out.println("aaaa");
show();
}
b.作用：
它通常把一个大型复杂的问题，层层转换为一个与原问题相似的，规模较小的问题来求解。递归策略只需要少量的
程序就可以描述出解题过程所需要的多次重复计算，大大地减少了程序的代码量。
c.注意事项：
在递归中，不能无限制的调用自己，必须要有边界条件，能够让递归结束，因为每一次递归调用都会在栈内存开辟
新的空间，重新执行方法，如果递归的层级太深，很容易造成栈内存溢出。
d.需求：
请定义一个方法，使用递归完成求N的阶乘；
分析：
1!: 1
2!: 2*1=2*1!
3!: 3*2*1=3*2!
4!: 4*3*2*1=4*3!
...
n!: n*(n-1)*(n-2)...*2*1=n*(n-1)!
所以，假设有一个方法factorial(n)用来求n的阶乘，那么n的阶乘还可以表示为n*factorial(n-1)
e.代码实现：
public class Test {
public static void main(String[] args) throws Exception {
int result = factorial(5);
System.out.println(result);
}
public static int factorial(int n){
if (n==1){
return 1;
}
return n*factorial(n-1);
}
}
2）归并排序
a.需求：
排序前：{8,4,5,7,1,3,6,2}
排序后：{1,2,3,4,5,6,7,8}
b.排序原理：
1）尽可能的一组数据拆分成两个元素相等的子组，并对每一个子组继续拆分，直到拆分后的每个子组的元素个数是1为止。
2）将相邻的两个子组进行合并成一个有序的大组；
3）不断的重复步骤2，直到最终只有一个组为止。
c.API设计：
| 类名 | Merge |
|---|---|
| 构造方法 | Merge()：创建Merge对象 |
| 成员方法 | 1.public static void sort(Comparable[] a)：对数组内的元素进行排序 2.private static void sort(Comparable[] a, int lo, int hi)：对数组a中从索引lo到索引hi之间的元素进行排序 3.private static void merge(Comparable[] a, int lo, int mid, int hi):从索引lo到所以mid为一个子组，从索引mid+1到索引hi为另一个子组，把数组a中的这两个子组的数据合并成一个有序的大组（从索引lo到索引hi 4.private static boolean less(Comparable v,Comparable w):判断v是否小于w） 5.private static void exch(Comparable[] a,int i,int j)：交换a数组中，索引i和索引j处的值 |
| 成员变量 | 1.private static Comparable[] assist：完成归并操作需要的辅助数组 |
d.归并原理：
e.代码实现：
/**
* @小亿 归并排序（高级排序）
* 稳定排序
* 原理：
* 1）尽可能的一组数据拆分成两个元素相等的子组，并对每一个子组继续拆分，
* 直到拆分后的每一子组的元素个数是1为止。
* 2）将相邻的两个子组进行合并成一个有序的大组。
* 3）不断的重复步骤2，直到最终只有一个组为止。
*/
public class Merge {
//总并所需要的辅助数组
private static Comparable[] assist;
/**
* 比较元素是否大于w元素
*/
public static boolean less(Comparable v, Comparable w) {
return v.compareTo(w) < 0;
}
/**
* 数组元素i和j交换位置
*/
private static void exch(Comparable[] a, int i, int j) {
Comparable t = a[i];
a[i] = a[j];
a[j] = t;
}
/**
* 对数组a中的元素进行排序
*/
public static void sort(Comparable[] a) {
//1.初始化辅助数组assist；
assist = new Comparable[a.length];
//2.定义一个lo变量，和hi变量，分别记录数组中最小的索引和最大的索引；
int lo = 0;
int hi = a.length - 1;
//3.调用sort重载方法完成数组a中，从索引lo到索引hi的元素的排序
sort(a, lo, hi);
}
/**
* 对数组a中从lo到hi的元素进行排序
*/
public static void sort(Comparable[] a, int lo, int hi) {
//做安全性校验;
if (hi <= lo) {
return;
}
//对从lo到hi之间的数据进行分为两个组
int mid = lo + (hi - lo) / 2;// 5,9 mid=7
//分别对每一组数据进行排序
sort(a, lo, mid);
sort(a, mid + 1, hi);
//再把两个组中的数据进行归并
merge(a, lo, mid, hi);
}
/**
* 对数组中，从lo到mid为一组，从mid+1到hi为一组，对这两组数据进行归并
*/
private static void merge(Comparable[] a, int lo, int mid, int hi) {
//定义三个指针
int i = lo;
int p1 = lo;
int p2 = mid + 1;
//遍历，移动p1指针和p2指针，比较对应索引处的值，找出小的那个，放到辅助数组的对应索引处
while (p1 <= mid && p2 <= hi) {
//比较对应索引处的值
if (less(a[p1], a[p2])) {//p1比p2小
assist[i++] = a[p1++];
} else {
assist[i++] = a[p2++];
}
}
//遍历，如果p1的指针没有走完，那么顺序移动p1指针，把对应的元素放到辅助数组的对应索引处
while (p1 <= mid) {
assist[i++] = a[p1++];
}
//遍历，如果p2的指针没有走完，那么顺序移动p2指针，把对应的元素放到辅助数组的对应索引处
while (p2 <= hi) {
assist[i++] = a[p2++];
}
//把辅助数组中的元素拷贝到原数组中
for (int index = lo; index <= hi; index++) {
a[index] = assist[index];
}
}
}
f.时间复杂度分析：
归并排序是分治思想的最典型的例子，上面的算法中，对a[lo…hi]进行排序，先将它分为a[lo…mid]和a[mid+1…hi]
两部分，分别通过递归调用将他们单独排序，最后将有序的子数组归并为最终的排序结果。该递归的出口在于如果
一个数组不能再被分为两个子数组，那么就会执行merge进行归并，在归并的时候判断元素的大小进行排序。
用树状图来描述归并，如果一个数组有8个元素，那么它将每次除以2找最小的子数组，共拆log8次，值为3，所以
树共有3层,那么自顶向下第k层有2^k 个子数组，每个数组的长度为2^(3-k) ，归并最多需要2^(3-k)次比较。因此每层
的比较次数为 2^k * 2(3-k)=23,那么3层总共为 3*2^3。
假设元素的个数为n，那么使用归并排序拆分的次数为log2(n),所以共log2(n)层，那么使用log2(n)替换上面32^3中 的3这个层数，最终得出的归并排序的时间复杂度为：log2(n) 2^(log2(n))=log2(n)*n,根据大O推导法则，忽略底数，最终归并排序的时间复杂度为O(nlogn);
缺点：
需要申请额外的数组空间，导致空间复杂度提升，是典型的以空间换时间的操作。
3.快速排序
快速排序是对冒泡排序的一种改进。它的基本思想是：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。
a.需求：
排序前:{6, 1, 2, 7, 9, 3, 4, 5, 8}
排序后:{1, 2, 3, 4, 5, 6, 7, 8, 9}
b.排序原理：
1.首先设定一个分界值，通过该分界值将数组分成左右两部分；
2.将大于或等于分界值的数据放到到数组右边，小于分界值的数据放到数组的左边。此时左边部分中各元素都小于
或等于分界值，而右边部分中各元素都大于或等于分界值；
3.然后，左边和右边的数据可以独立排序。对于左侧的数组数据，又可以取一个分界值，将该部分数据分成左右两
部分，同样在左边放置较小值，右边放置较大值。右侧的数组数据也可以做类似处理。
4.重复上述过程，可以看出，这是一个递归定义。通过递归将左侧部分排好序后，再递归排好右侧部分的顺序。当
左侧和右侧两个部分的数据排完序后，整个数组的排序也就完成了。
c.API设计：
| 类名 | Quick |
|---|---|
| 构造方法 | Quick()：创建Quick对象 |
| 成员方法 | 1.public static void sort(Comparable[] a)：对数组内的元素进行排序 2.private static void sort(Comparable[] a, int lo, int hi)：对数组a中从索引lo到索引hi之间的元素进行排序 3.public static int partition(Comparable[] a,int lo,int hi):对数组a中，从索引 lo到索引 hi之间的元素进行分组，并返回分组界限对应的索引 4.private static boolean less(Comparable v,Comparable w):判断v是否小于w 5.private static void exch(Comparable[] a,int i,int j)：交换a数组中，索引i和索引j处的值 |
切分原理：
把一个数组切分成两个子数组的基本思想：
1.找一个基准值，用两个指针分别指向数组的头部和尾部；
2.先从尾部向头部开始搜索一个比基准值小的元素，搜索到即停止，并记录指针的位置；
3.再从头部向尾部开始搜索一个比基准值大的元素，搜索到即停止，并记录指针的位置；
4.交换当前左边指针位置和右边指针位置的元素；
5.重复2,3,4步骤，直到左边指针的值大于右边指针的值停止。
d.代码实现：
/**
* @小亿 快速排序（高级排序）
* 不稳定排序
* 原理：
* 1）找一个基准值，用两个指针分别指向数组的头部和尾部。
* 2）先从尾部向头部开始搜索一个比基准值小的元素，搜索到即停止，并记录指针位置。
* 3）再从头部向尾部开始搜索一个比基准值大的元素，搜索到即停止，并记录指针位置。
* 4）交换当前左边指针位置和右边指针位置的元素。
* 5）重复2，3，4步骤，直到左边指针的值大于右边指针的值停止。
*/
public class Quick {
/**
* 比较元素是否大于w元素
*/
public static boolean less(Comparable v, Comparable w) {
return v.compareTo(w) < 0;
}
/**
* 数组元素i和j交换位置
*/
private static void exch(Comparable[] a, int i, int j) {
Comparable t = a[i];
a[i] = a[j];
a[j] = t;
}
/**
* 对数组a中的所有元素进行排序
*/
public static void sort(Comparable[] a) {
int lo = 0;
int hi = a.length - 1;
sort(a, lo, hi);
}
/**
* 对数组a中从lo到hi的元素进行排序
*/
public static void sort(Comparable[] a, int lo, int hi) {
//安全性校验
if (hi <= lo) {
return;
}
//需要对数组中lo索引到hi索引处的元素进行分组（左子组和右子组）：
int partition = partition(a, lo, hi);
//让左子组有序
sort(a, lo, partition - 1);
//让右子组有序
sort(a, partition + 1, hi);
}
/**
* 对数组a中，从索引lo到索引hi之间的元素进行分组，并返回分组界限对应的索引
*/
public static int partition(Comparable[] a, int lo, int hi) {
//确定分界值
Comparable key = a[lo];
//定义两个指针，分别指向待切分元素的最小索引处和最大索引处的下一个位置
int left = lo;
int right = hi + 1;
//切分:一定要先让右指针先移动（关键点）
while (true) {
//先从右往左扫描，移动right指针，找到一个比分界值小的元素，停止
while (less(key, a[--right])) {
if (right == lo) {
break;
}
}
//再从左往右扫描，移动left指针，找到一个比分界值大的元素，停止
while (less(a[++left], key)) {
if (left == hi) {
break;
}
}
//判断left>=right，如果是，则证明元素扫描完毕，结束循环，如果不是，则交换元素即可
if (left >= right) {
break;
} else {
exch(a, left, right);
}
}
//交换分界值
exch(a, lo, right);
return right;
}
}
e.时间复杂度分析：
快速排序的一次切分从两头开始交替搜索，直到left和right重合，因此，一次切分算法的时间复杂度为O(n),但整个
快速排序的时间复杂度和切分的次数相关。
最优情况：每一次切分选择的基准数字刚好将当前序列等分。
如果我们把数组的切分看做是一个树，那么上图就是它的最优情况的图示，共切分了logn次，所以，最优情况下快
速排序的时间复杂度为O(nlogn);
最坏情况：每一次切分选择的基准数字是当前序列中最大数或者最小数，这使得每次切分都会有一个子组，那么总
共就得切分n次，所以，最坏情况下，快速排序的时间复杂度为O(n^2);
平均情况：每一次切分选择的基准数字不是最大值和最小值，也不是中值，这种情况我们也可以用数学归纳法证
明，快速排序的时间复杂度为O(nlogn),由于数学归纳法有很多数学相关的知识，容易使我们混乱，所以这里就不对平均情况的时间复杂度做证明了。
排序之间的比较：
/**
* 1）插入排序与希尔排序的比较
* 排序时间的比较
* <p>
* 2）插入排序与希尔排序的比较
* 排序时间的比较
*/
public class SortCompare {
//调用不同的测试方法，完成测试
public static void main(String[] args) throws Exception {
//1.创建一个ArrayList集合，保存读取出来的整数；
ArrayList<Integer> list = new ArrayList<>();
//2.创建缓存读取流BufferedReader，读取数据，并存储到ArrayList中；
BufferedReader reader = new BufferedReader(new InputStreamReader(SortCompare.class.getClassLoader().getResourceAsStream("reverse_arr.txt")));
String line = null;
while ((line = reader.readLine()) != null) {
//line是字符串，把line转换成Integer,储存到集合中
int i = Integer.parseInt(line);
list.add(i);
}
reader.close();
//3.把ArrayList集合转换成数组
Integer[] a = new Integer[list.size()];
list.toArray(a);
//4.调用测试代码完成测试
testInsertion(a);//插入排序:37499毫秒
testShell(a);//希尔排序:30毫秒
testMerge(a);//归并排序:70毫秒
}
//测希尔排序
public static void testShell(Integer[] a) {
//1.获取执行之前的时间
long start = System.currentTimeMillis();
//2.执行算法代码
Shell.sort(a);
//3.获取执行之后的时间
long end = System.currentTimeMillis();
//4.算出程序执行的时间并输出
System.out.println("希尔排序执行的时间为：" + (end - start) + "毫秒");
}
//测插入排序
public static void testInsertion(Integer[] a) {
//1.获取执行之前的时间
long start = System.currentTimeMillis();
//2.执行算法代码
Insertion.sort(a);
//3.获取执行之后的时间
long end = System.currentTimeMillis();
//4.算出程序执行的时间并输出
System.out.println("插入排序执行的时间为：" + (end - start) + "毫秒");
}
//测试归并排序
public static void testMerge(Integer[] a) {
//1.获取执行之前的时间
long start = System.currentTimeMillis();
//2.执行算法代码
Merge.sort(a);
//3.获取执行之后的时间
long end = System.currentTimeMillis();
//4.算出程序执行的时间并输出
System.out.println("归并排序执行的时间为：" + (end - start) + "毫秒");
}
}
总结
冒泡排序：
只有当arr[i]>arr[i+1]的时候，才会交换元素的位置，而相等的时候并不交位置，所以冒泡排序是一种稳定排序算法。
选择排序:
选择排序是给每个位置选择当前元素最小的,例如有数据{5(1)，8 ，5(2)， 2， 9 },第一遍选择到的最小元素为2，所以5(1)会和2进行交换位置，此时5(1)到了5(2)后面，破坏了稳定性，所以选择排序是一种不稳定的排序算法。
插入排序：
比较是从有序序列的末尾开始，也就是想要插入的元素和已经有序的最大者开始比起，如果比它大则直接插入在其后面，否则一直往前找直到找到它该插入的位置。如果碰见一个和插入元素相等的，那么把要插入的元素放在相等元素的后面。所以，相等元素的前后顺序没有改变，从原无序序列出去的顺序就是排好序后的顺序，所以插入排序是稳定的。
希尔排序：
希尔排序是按照不同步长对元素进行插入排序 ,虽然一次插入排序是稳定的，不会改变相同元素的相对顺序，但在不同的插入排序过程中，相同的元素可能在各自的插入排序中移动，最后其稳定性就会被打乱，所以希尔排序是不
稳定的。
归并排序：
归并排序在归并的过程中，只有arr[i]<arr[i+1]的时候才会交换位置，如果两个元素相等则不会交换位置，所以它并不会破坏稳定性，归并排序是稳定的。
快速排序：
快速排序需要一个基准值，在基准值的右侧找一个比基准值小的元素，在基准值的左侧找一个比基准值大的元素，然后交换这两个元素，此时会破坏稳定性，所以快速排序是一种不稳定的算法。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
