1、插入排序 (insertion-sort)
//相比于冒泡排序,选择更优。 原因:冒泡排序和选择排序严格O(n^2),而插入排序根据数据的复杂程度最优复杂度为(N)。
对于少量元素的排序,它是一个有效算法。
public static void insertionSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
//0~0有序
//0~i 想有序
for (int i = 1; i < arr.length; i++) { //
for (int j = i - 1; j >= 0 && arr[j] > arr[j + 1]; j--) {
swap(arr, j, j + 1);
}
}
}
通过以下动图来看插入排序的整个过程,图中红色的柱子为当前要插入的数,橘黄色的柱子为当前已经排好序的数据,绿色的柱子为正在跟红色的柱子比较的数,浅蓝色的柱子为还未插入的数。
2、选择排序
//O(N^2)
//选择排序
public static void selectionSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
for (int i = 0; i < arr.length - 1; i++) { //i~N-1
int minIndex = i; //最小值的下标
for (int j = i + 1; j < arr.length; j++) { //i~N-1 找最小值的下标
minIndex = arr[j] < arr[minIndex] ? j : minIndex;//
}
swap(arr, i, minIndex);
}
}
3、冒泡排序
public static void bubbleSort(int[] arr) {
if (arr == null || arr.length == 2) {
return;
}
for (int e = arr.length - 1; e > 0; e--) { //0~e //每次最大的数一定是在最后面
for (int i = 0; i < e; i++) {
if (arr[i] > arr[i + 1]) {
swap(arr, i, i + 1);
}
}
}
}
4.归并排序
在《算法导论》里讲到归并排序主要体现分治的思想策略。
//O(N*logN) //稳定性强
//归并排序
public static void mergeSort(int[] arr) {
//数组中没有元素或者只有一个元素
if (arr == null || arr.length < 2) {
return;
}
process(arr, 0, arr.length - 1);
}
//递归
public static void process(int[] arr, int L, int R) {
if (L == R) { //单个数有序直接返回
return;
}
int mid = L + ((R - L) >> 1); //找到中点
process(arr, L, mid); //如下图所示 分为单个数实现归并
process(arr, mid + 1, R);
merge(arr, L, mid, R);
}
public static void merge(int[] arr, int Left, int Middle, int Right) {
int[] help = new int[Right - Left + 1];
int i = 0;
int p1 = Left;
int p2 = Middle + 1;
while (p1 <= Middle && p2 <= Right) {
help[i++] = arr[p1] < arr[p2] ? arr[p1++] : arr[p2++];
}
while (p1 <= Middle) {
help[i++] = arr[p1++];//
}
while (p2 <= Right) {
help[i++] = arr[p2++];
}
//拷贝数组
for (i = 0; i < help.length; i++) {
arr[Left+i] = help[i];
}
}
归并排序动态图 演示
5.快速排序
//O(NlogN)
//快排(随机快排)
public static void quickSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
quickSort(arr, 0, arr.length - 1);
}
//先随机指定一个数字作为基数
//arr[1.....r]排好序号
public static void quickSort(int[] arr, int L, int R) {
if (L < R) {
swap(arr, L + (int) (Math.random() + (R - L + 1)), R); //随机数使得排序复杂度称为概率事件、
int[] p = partition(arr, L, R); //
quickSort(arr, L, p[0] - 1); //<区域
quickSort(arr, p[1] + 1,R); //大于区域
}
}
//这是一个处理arr[1...r]的函数
//默认以arr[r]做划分,arr[r] -> p <p ==p >p
//返回等于区域(左边界,右边界),所以返回一个长度为2的数组res,res[0],res[1]
public static int[] partition(int[] arr, int L, int R) {
int less = L - 1; // <区域右边界
int more = R; //>区左边界
while(L<more){
if (arr[L] < arr[R]) { //当前数小于划分值
swap(arr, ++less, L++);
} else if (arr[L] > arr[R]) { //当前数 > 划分值
swap(arr, --more, L);
} else {
L++;
}
}
swap(arr, more, R);
return new int[]{ less+1;more};
}
//上面排序中swap函数同此
//交换两个数
//若i j 是同一位置会出错
public static void swap(int[] arr, int i, int j) {
arr[i] = arr[i] ^ arr[j];
arr[j] = arr[i] ^ arr[j];
arr[i] = arr[i] ^ arr[j];
}
//
快速排序动态图演示
6.堆
//堆结构就是用数组实现的完全二叉树结构
//优先级队列就是堆结构
//堆操作1
//左孩子 index*2+1 右孩子 index *2 +2
public static void heapify(int[] arr, int index, int heapSize) { //heapsize是判断的边界
int left = index * 2 + 1; //左孩子的下标
while (left < heapSize) { //下方有孩子
//两孩子中谁值最大把其下标给largest
int largest = left + 1 < heapSize && arr[left + 1] > arr[left]
? left + 1 : left;
//父亲和较大孩子之间,谁的值大,把下标给largest给她
largest = arr[index] > arr[largest] ? index : largest;
if (largest == index) {
break;
}
swap(arr, largest, index);
index = largest;
left = index * 2 + 1;
}
}
//堆操作2
//某个数现在处在index位置,网上继续移动
public static void heapInsert(int[] arr, int index){
while (arr[index] > arr[(index-1)/2]){ //与父节点进行比较
swap(arr,index ,(index-1)/2);
index = (index-1)/2;
}
}
//堆排序
public static void heapSort(int[] arr){
if (arr ==null || arr.length<2){
return;
}
for (int i = 0 ; i < arr.length;i++){ //O(N)
heapInsert(arr,i); //O(logN) 调整为大根堆
}
// for (int i= arr.length ; i > = 0 ; i--){
// heapify(arr,i,arr.length);
// }
int heapSize = arr.length;
swap(arr,0,--heapSize);
while (heapSize >0){ //O(N)
heapify(arr,0,heapSize); //O(logN)
swap(arr,0,--heapSize); //O(1)
}
}
///有些情况下需要手写堆
//系统提供不一定高效
//小根堆
public void sortedArrDistanceLessK(int[] arr,int k){
//默认小根堆
PriorityQueue<Integer> heap = new PriorityQueue<>();//***********
int index = 0;
for (;index <= Math.min(arr.length,k);index++){//
heap.add((arr[index])); //加入
}
int i = 0 ;
for (;index<arr.length;i++,index++){
heap.add(arr[index]);
arr[i]=heap.poll(); //拿出
}
while(!heap.isEmpty()){
arr[i++]=heap.poll();
}
}
7.桶排序
//基数排序
public static void radixSort(int[] arr){
if(arr==null||arr.length<=2){
return;
}
radixSort(arr,0,arr.length-1,maxbits(arr));
}
public static int maxbits(int[] arr){ //找最大值有几个十进制位
int max = Integer.MIN_VALUE;
for (int i = 0; i < arr.length; i++) {
max = Math.max(max,arr[i]);//找数组里面的最大值
}
int res = 0;
while (max!=0){
res++;
max/=10;
}
return res;
}
//arr[bengin...end]排序
public static void radixSort(int[] arr , int L , int R,int digit){
final int radix = 10;
int i = 0 ,j=0;
//有多少个数准备多少个空间
int[] bucket =new int[R-L+1];
for (int d= 1;d<=digit;d++){ //最大数有多少位就进出多少次
//10个空间
//count[0]当前位是0的数字有多少个
//count[1]当前位是0和1的数字有多少个
//count[i]当前位是(0~1)的数字有多少个
int[] count = new int[radix];//count[0...9]
for (i=L; i < R; i++) {
j=getDigit(arr[i],d);
count[j]++;
}
for (i=1 ; i<radix;i++){//形成前缀和
count[i] = count[i]+count[i-1];
}
for(i=R;i>=L;i--){
j=getDigit(arr[i],d);
bucket[count[j]-1]=arr[i];
count[j]--;
}
for (i=L,j=0;i<=R;i++,j++){
arr[i]=bucket[j];
}
}
}
public static int getDigit(int x , int d){
return ((x/((int)Math.pow(10,d-1)))%d);
}
7总结
最常用快排
基于比较的排序无法低于O(N*logN)