插入排序
原理
插入排序,顾名思义肯定是已插入为主,将待排序的数组分为已排序(数组前部分)和未排序(数组后部分),这里我们已从小到大排序,数组为num[0–end]刚开始排序时,固定第一个数num[0]为已经排序好的数,从第二个数num[1]开始,从后往前比较已排序中的数据,如果小于num[1] <num[0] 则交换位置,直到比较到已排序数组的第一个位置结束。
num[0…i]为已排序数组
num[i+1…end]为未排序数组
比较num[i+1]与num[0…i]中的数据,从后往前比较,若num[i+1] <num[j] 则交换两个数位置,直到j==0,也就是比较到
num[i+1] 与num[0]
算
法
复
杂
度
O
(
n
2
)
算法复杂度O(n^2)
算法复杂度O(n2)
代码
/**
* 插入排序
* @param nums
*/
private static void insertSort(int[] nums){
for (int i = 1;i<nums.length;i++){
int index = i;
for (int j=i-1;j>=0;j--){
if (nums[index]<nums[j]){
int temp = nums[index];
nums[index] = nums[j];
nums[j] = temp;
index--;
}
}
}
}
冒泡排序
原理
冒泡排序,两两交换位置, 算 法 复 杂 度 O ( n 2 ) 算法复杂度O(n^2) 算法复杂度O(n2)
代码
/**
* 冒泡排序
* @param nums
*/
private static void maopao(int[] nums){
for (int i = 0;i<nums.length-1;i++){
for (int j = 0;j<nums.length-1;j++){
if (nums[j]>nums[j+1]){
int temp = nums[j];
nums[j] = nums[j+1];
nums[j+1] = temp;
}
}
}
}
选择排序
原理
每轮循环选择一个最小值,将这个值与第一个位置交换,以此类推,一共n-1轮
算
法
复
杂
度
O
(
n
2
)
算法复杂度O(n^2)
算法复杂度O(n2)
代码
/**
* 选择排序
* @param nums
*/
private static void selectSort(int[] nums){
for(int i=0;i<nums.length-1;i++){
int min = Integer.MAX_VALUE;
int index = 0;
for (int j = i;j<nums.length;j++){
if (nums[j] < min){
min = nums[j];
index=j;
}
}
nums[index] = nums[i];
nums[i] = min;
}
}
归并排序
原理
归并排序的思想是,利用二分的特性,将序列分成两个子序列进行排序,将排序后的两个子序列归并(合并),当序列的长度为2时,它的两个子序列长度为1,即视为有序,可直接合并,即达到归并排序的最小子状态
需要O(n)的辅助空间。归并排序是稳定的。
算
法
复
杂
度
O
(
n
l
o
g
n
)
算法复杂度O(nlogn)
算法复杂度O(nlogn)
代码
/**
* 归并排序
* @param nums
*/
private static void guibingsort(int[] nums){
gbsort(nums,0,nums.length-1);
}
private static void gbsort(int[] nums,int start,int end){
if (start < end){
int mid = (start+end)/2;
gbsort(nums,start,mid);
gbsort(nums,mid+1,end);
merge(nums,start,mid,end);
}
}
private static void merge(int[] nums,int left,int mid,int right){
int[] temp = new int[right-left+1];
int index = 0;
int leftstart = left;
int rightstart = mid+1;
while (leftstart<= mid &&rightstart<= right){
if (nums[leftstart] <= nums[rightstart]){
temp[index] = nums[leftstart];
leftstart++;
index++;
}else {
temp[index] = nums[rightstart];
rightstart++;
index++;
}
}
while (leftstart<= mid){
temp[index] = nums[leftstart];
leftstart++;
index++;
}
while (rightstart<=right){
temp[index] = nums[rightstart];
rightstart++;
index++;
}
for (int i = 0;i<temp.length;i++){
nums[left] = temp[i];
left++;
}
}
快速排序
原理
与归并排序类似,也是分治,但是不同的是,快速排序是选定一个值,将数组中比这个值大的放在右边,比这个值小的放在左边,一轮排序下来之后,返回中间mid值,根据mid值将数组分为左右两个部分再次排序。
快速排序利用分而治之的思想,它的最好和平均实际复杂度为O(nlogn),但是,如果选取基准的规则正好与实际数值分布相反,例如我们选取第一个数为基准,而原始序列是倒序的,那么每一轮循环,快排都只能把基准放到最右侧,故快排的最差时间复杂度为O(n2)。快排算法本身没有用到额外的空间,可以说需要的空间为O(1);对于递归实现,也可以说需要的空间是O(n),因为在递归调用时有栈的开销,当然最坏情况是O(n),平均情况是O(logn)。快速排序是不稳定的。
代码
quick(nums,0,nums.length-1);
/**
* 快速排序
* @param nums
* @param start
* @param end
*/
private static void quick(int[] nums,int start,int end){
if (start<end){
int mid = quickSort(nums,start,end);
quick(nums,start,mid-1);
quick(nums,mid+1,end);
}
}
private static int quickSort(int[] nums,int start,int end){
int val = nums[start];
while (start<end){
while (start<end && nums[end]>=val)
end--;
nums[start] = nums[end];
while (start<end && nums[start]<=val)
start++;
nums[end] = nums[start];
}
nums[start] = val;
return start;
}
堆排序
原理
父节点为i 左子节点为(2i+1) 右子节点为 2(i+1) 子节点为i 父节点为 (i-1)/2
可以从上往下建堆,也可以从下往上建堆,建堆,分为大顶堆和小顶堆,每次完成建堆之后,将堆顶也就是index=0这个位置的数与数组最后一个数交换,如果从小到大排序,则建立大顶堆,反之小顶堆,一次循环建堆可能存在堆没有完全建成,所以我使用了一个变量max或者min来存储,一次建堆之后判断堆顶是不是最大值或者最小值,若不是则继续建堆,若是则交换第一个数与最后一个数,以此类推
算
法
复
杂
度
O
(
n
l
o
g
n
)
算法复杂度O(nlogn)
算法复杂度O(nlogn)
代码
/**
* 堆排序
* 父节点为i
* 左子节点为(2*i+1) 右子节点为 2*(i+1)
*
* 子节点为i 父节点为 (i-1)/2
* @param nums
*/
private static void heapSort(int[] nums){
for (int i = nums.length-1;i>=0;i--){
heapBig(nums,i);
}
}
private static void heapBig(int[] nums,int end){
//初始化堆--> 大顶堆
int index = 0;
int max = nums[0];
while ((2*index+1) <= end){
if (2*index+1<=end&&nums[index] < nums[2*index+1]){
int temp = nums[index];
nums[index] = nums[2*index+1];
nums[2*index+1] = temp;
}
if (2*(index+1)<=end&&nums[index] < nums[2*(index+1)]){
int temp = nums[index];
nums[index] = nums[2*(index+1)];
nums[2*(index+1)] = temp;
}
max = Math.max(nums[index],max);
index++;
}
if (max !=nums[0]){
heapBig(nums,end);
}else {
int temp = nums[0];
nums[0] = nums[end];
nums[end] = temp;
}
}
private static void heapSmall(int[] nums,int end){
//初始化堆--> 小顶堆
int index = 0;
int min = nums[0];
while ((2*index+1) <= end){
if (2*index+1<=end&&nums[index] > nums[2*index+1]){
int temp = nums[index];
nums[index] = nums[2*index+1];
nums[2*index+1] = temp;
}
if (2*(index+1)<=end&&nums[index] > nums[2*(index+1)]){
int temp = nums[index];
nums[index] = nums[2*(index+1)];
nums[2*(index+1)] = temp;
}
min = Math.min(nums[index],min);
index++;
}
if (min !=nums[0]){
heapSmall(nums,end);
}else {
int temp = nums[0];
nums[0] = nums[end];
nums[end] = temp;
}
}
以上就是6中排序方法,以此记录一下