Java算法--第三章--排序（14）概述

Java算法–第三章–排序（14）概述

排序算法的总结:
一、基础排序-----算法评估等级：O（n²）
1.冒泡
谁大谁上，每一轮都把最大的顶到天花板效率太低O(n2)–掌握swap

2.选择排序，效率较低，但经常用它内部的循环方式来找最大值和最小值–怎么一次性求出数组的最大值和最小值

3.插排
虽然平均效率低，但是在序列基本有序时，它很快，所以也有其适用范围
Arrays这个工具类在1.7里面做了较大改动

4.希尔
缩小增量排序，是插排的改良，对空间思维训练有帮助

---

---

二、分治法
步骤：①子问题拆分 ②递归求解子问题 ③合并子问题的解

1.快排
是软件工业中最常见的常规排序法，其双向指针扫描和分区算法是核心，往往用于解决类似问题，特别地partition算法用来划分不同性质的元素，也用于著名的topk问题
（快排重视子问题的拆分）
（如果主元不是中位数的话，特别是每次主元都在数组的一侧时，复杂度将退化为N²）
工业优化：三点取中法，绝对中值法，小数据量用插入排序

2.归并排序
空间换时间–逆序对数
（归并排序中序子问题的合并）

3.堆排序（一般用于海量数据）
用到了二叉堆数据结构，是继续掌握树结构的起手式
=插排+二分查找

（上面三个都是NlgN的复杂度，其中快排表现最好，是原址的不用开辟辅助空间;堆排也是原址的,但是常数因子较大，不具备优势）

上面都是基于比较的排序，可证明它们在元素随机顺序情况下最好是NlgN的，用决策树证明

---

---

下面三个是非比较排序，在特定情况下会比基于比较的排序要快:

1.计数排序
可到说是最快的:O(N+k ）, k=maxOf(sourceArr),
用它来解决问题时必须注意如果序列中的值分布非常广（最大值很大，元素分布很稀疏），空间将会浪费很多所以计数排序的适用范围是:序列的关键字比较集中，已知边界，且边界较小

2.桶排序
先分桶，再用其他排序方法对桶内元素排序，按桶的编号依次检出。用它解决问题必须注意序列的值是否均匀地分布在桶中。（分配收集）
如果不均匀，那么个别桶中的元素会远多于其他桶，桶内排序用比较排序，极端情况下，全部元素还是会集中在一个桶中，复杂度还是会退化成N1gN的
其时间复杂度是:时间复杂度:OC(N+C)，其中C=N*(logN-logM)，约等于N*lgN

其时间复杂度是:时间复杂度:O(N+C)，其中C=N*（logN-logM)，约等于N*lgN
（N是元素个数，M是桶的个数）

3.基数排序
kN级别（k是最大数的位数）是数值型排序里面又快又稳的，无论元素分布如何，只开辟固定的辅助空间（10个桶）
对比桶排序，基数排序每次需要的桶的数量并不多。而且基数排序几乎不需要任何“比较"操作，而桶内多个数据必须进行基于比较操作的排序。
因此,在实际应用中，对十进制整数来说，基数排序更好用。|工

在查找算法中，基于比较的查找算法最好的时间复杂度也是O(logN)。
比如折半查找、平衡二叉树、红黑树等。
但是Hash表却有O©线性级别的查找效率(不冲突情况下查找效率达到O(1))。大家好好体会一下: Hash表的思想和桶排序是不是有异曲同工之妙呢?