1.直接插入排序
《算法导论》P10,《数据结构》P265
向已经排好序的数组a[1..j-1]插入a[j],进行一趟循环遍历。插入排序的基本操作是在一个有序表进行查找和插入。每一趟插入排序从后往前进行比较,便于数组中元素的向后移动。
空间复杂度:O(1)(当使用swap交换时,可实现原址)
时间复杂度:(n^2)/4即O(n^2)
2.拓展
1)折半查找排序
插入排序的基本操作是在一个有序表进行查找和插入。由查询故可以想到“二分查找”即折半查找,通过折半查找找到插入位置,再操作数组插入
代码:
//插入排序
public class Insert_Sort {
//直接插入排序
public void InsertSort(int[] data)
{
if((data != null)&&(data.length > 0))
{
for(int i = 1;i < data.length; i ++)
{
int key = data[i];//记录下当前需要插入的数字,作为哨兵
int index = i - 1;//记录哨兵最终要插入的位置
//一直循环找到第一个比key小的位置
while((index > 0)&&(data[index] > key))
{
//后移数组
data[index + 1] = data[index];
index --;
}
//将哨兵插入
data[index + 1] = key;
}
}
}
//直接插入排序实现方法二
public void InsertSort2(int[] data)
{
if((data != null)&&(data.length > 0))
{
for(int i = 1;i < data.length; i ++)
{
int key = data[i];//记录下当前需要插入的数字,作为哨兵
int index = i - 1;//记录哨兵最终要插入的位置
//一直循环找到第一个比key小的位置
while((index > 0)&&(data[index] > key))
{
//直接交换数据,即将要插入的值通过不断往前交换,插入到合适的值
swap(data, index + 1, index);
index --;
}
}
}
}
//折半插入排序
public void BinaryInsertSort(int[] data)
{
if((data != null)&&(data.length > 0))
{
for(int i = 1;i < data.length; i ++)
{
int key = data[i];//记录下当前需要插入的数字,作为哨兵
int start = 0;
int end = i - 1;
//二分查找
while(start < end)
{
int mid = (start + end) / 2;
if(data[mid] > key)//插入点在前半段
{
end = mid - 1;
}
else if(data[mid] < key)//插入点在后半段
{
start = mid + 1;
}
else //相等即找到插入点
{
start = end = mid;
}
}
//移动数组插入,注意要从后往前移动,且此时start=mid
for(int j = i - 1; j > end; j--)
{
data[j + 1] = data[j];
}
data[end + 1] = key;
}
}
}
private void swap(int[] data , int a, int b)
{
int temp = data[a];
data[a] = data[b];
data[b] = temp;
}
public static void main(String[] args) {
int data[] = {2,34,45,2,13,24,5,24,57};
Insert_Sort insert_Sort = new Insert_Sort();
insert_Sort.BinaryInsertSort(data);
Main.print_array(data);
}
}
二、堆排序:
/** 堆排序(最小堆)**/
public class HeapSort<T> {
private List<T> heaps;
private Comparator<T> comparator;
public HeapSort(int max_size, Comparator<T> comparator) {
if (max_size >= 0) {
heaps = new ArrayList<T>(max_size);
}
this.comparator = comparator;
}
/**
* 上移调整堆中元素
*
* @param index 要迁移的元素位置index**/
private void shiftUp(int index) {
// 判断index是否合法
if ((index < 0) || (index >= heaps.size()))
return;
T target = heaps.get(index);
while (index > 0) {
int parentIndex = (index - 1) / 2;
T parentData = heaps.get(parentIndex);
// 如果父节点的值大于新插入节点值,则需要进行交换
if (comparator.compare(parentData, target) > 0) {
heaps.set(index, parentData);
index = parentIndex;
} else { // 否则则表示已经形成了最小堆,无需再做转换
break;
}
}
// 将target移动到最合适的位置
heaps.set(index, target);
}
/**
* 下移调整
* 思路:对于index位置的元素,首先找出其左右子节点的较小值;然后与index位置元素作比较
* 若较小值小于[index],则明显不符合最小堆的性质,因此需要将两者位置进行交换
***/
private void shiftDown(int index) {
// 判断index是否合法
if ((index < 0) || (index >= heaps.size()))
return;
T target = heaps.get(index);
int leftIndex = index * 2 + 1;
while (leftIndex < heaps.size()) {
int minIndex = leftIndex;
T minData = heaps.get(minIndex);// 默认左节点为较小节点
int rightIndex = leftIndex + 1;
if (rightIndex < heaps.size()) { // 弱存在右节点,则需要比较得到较小的那个
T rightData = heaps.get(rightIndex);
if (comparator.compare(rightData, minData) < 0) {
minData = rightData;
minIndex = rightIndex;
}
}
// 再将最小值与目标值进行比较
if (comparator.compare(target, minData) > 0) {
heaps.set(index, minData);
// 为继续循环做准备
index = minIndex;
leftIndex = minIndex * 2 + 1;
} else {
break;
}
}
}
/** 添加元素 **/
public void addToHeap(T node) {
heaps.add(node);
shiftUp(heaps.size() - 1);
}
/** 建堆 **/
public void buildHeap(T[] nodes) {
for (T node : nodes) {
addToHeap(node);
}
}
/** 从堆中删除堆顶元素
* @return 返回删除的元素 **/
public T removeHeapTop() {
// 如果当前堆为空,则不能继续删除
if (isEmpty()) return null;
T topData = heaps.get(0);
if (heaps.size() > 1) {// 等于1,则移除之后堆便为空,无需再做重排
// 由于删除堆顶元素之后,其左右子树仍然是最小堆,故取最后的叶子节点放到
// 堆顶,进行ShiftDown重排之后最后得到的堆依然是最小堆
T lastData = heaps.remove(heaps.size() - 1);
heaps.set(0, lastData);
shiftDown(0);
}
return topData;
}
/** 进行排序 **/
public void heapSortPrint(T[] nodes) {
if (nodes == null || nodes.length == 0)
return;
T data = null;
while ((data = removeHeapTop()) != null) {
System.out.print(data);
}
}
/** 判断堆是否为空 **/
public boolean isEmpty() {
return heaps.isEmpty();
}
public static class ListNode {
int val;
ListNode next;
ListNode(int x) {
val = x;
}
}
public static void main(String[] args) {
Comparator<ListNode> comparator = new Comparator<ListNode>() {
@Override
public int compare(ListNode o1, ListNode o2) {
if (o1 == null)
return -1;
if (o2 == null)
return 1;
return o1.val - o2.val;
}
};
int[] datas = {1, -2, 3, 4, -5, 6, 7, -8, 9, -100};
ListNode[] nodes = new ListNode[datas.length];
for (int i = 0; i < nodes.length; i++) {
nodes[i] = new ListNode(datas[i]);
}
HeapSort<ListNode> heapSort = new HeapSort<>(nodes.length, comparator);
heapSort.heapSortPrint(nodes);
}
}
C++实现:
void print(int a[], int n){
for(int j= 0; j<n; j++){
cout<<a[j] <<" ";
}
cout<<endl;
}
/**
* 已知H[s…m]除了H[s] 外均满足堆的定义
* 调整H[s],使其成为大顶堆.即将对第s个结点为根的子树筛选,
*
* @param H是待调整的堆数组
* @param s是待调整的数组元素的位置
* @param length是数组的长度
*
*/
void HeapAdjust(int H[],int s, int length)
{
int tmp = H[s];
int child = 2*s+1; //左孩子结点的位置。(i+1 为当前调整结点的右孩子结点的位置)
while (child < length) {
if(child+1 <length && H[child]<H[child+1]) { // 如果右孩子大于左孩子(找到比当前待调整结点大的孩子结点)
++child ;
}
if(H[s]<H[child]) { // 如果较大的子结点大于父结点
H[s] = H[child]; // 那么把较大的子结点往上移动,替换它的父结点
s = child; // 重新设置s ,即待调整的下一个结点的位置
child = 2*s+1;
} else { // 如果当前待调整结点大于它的左右孩子,则不需要调整,直接退出
break;
}
H[s] = tmp; // 当前待调整的结点放到比其大的孩子结点位置上
}
print(H,length);
}
/**
* 初始堆进行调整
* 将H[0..length-1]建成堆
* 调整完之后第一个元素是序列的最小的元素
*/
void BuildingHeap(int H[], int length)
{
//最后一个有孩子的节点的位置 i= (length -1) / 2
for (int i = (length -1) / 2 ; i >= 0; --i)
HeapAdjust(H,i,length);
}
/**
* 堆排序算法
*/
void HeapSort(int H[],int length)
{
//初始堆
BuildingHeap(H, length);
//从最后一个元素开始对序列进行调整
for (int i = length - 1; i > 0; --i)
{
//交换堆顶元素H[0]和堆中最后一个元素
int temp = H[i]; H[i] = H[0]; H[0] = temp;
//每次交换堆顶元素和堆中最后一个元素之后,都要对堆进行调整
HeapAdjust(H,0,i);
}
}
int main(){
int H[10] = {3,1,5,7,2,4,9,6,10,8};
cout<<"初始值:";
print(H,10);
HeapSort(H,10);
//selectSort(a, 8);
cout<<"结果:";
print(H,10);
}