排序总结
稳定
sort | 最差时间 | 最好时间 | 平均时间 | 稳定 | 空间复杂度 |
---|---|---|---|---|---|
冒泡排序 | O(n^2) | O(n) | O(n^2) | 稳定 | O(1) |
插入排序 | O(n^2) | O(n) | O(n^2) | 稳定 | O(1) |
二叉树排序 | O(n^2) | O(nlogn) | O(nlogn) | 稳定 | O(n) |
归并排序l | O(nlogn) | O(nlogn) | O(nlogn) | 稳定 | O(n) |
不稳定
sort | 最差时间 | 最好时间 | 平均时间 | 稳定 | 空间复杂度 |
---|---|---|---|---|---|
选择排序 | O(n^2) | O(n^2) | O(n^2) | 不稳定 | O(1) |
快排 | O(n^2) | O(nlogn) | O(nlogn) | 不稳定 | O(logn~ O(n)) |
堆排序 | O(nlogn) | O(nlogn) | O(nlogn) | 不稳定 | O(1) |
希尔排序 | O(n^2) | 不稳定 | O(1) |
冒泡排序(Bubble Sort)
它是一种较简单的排序算法。它会遍历若干次要排序的数列,每次遍历时,它都会从前往后依次的比较相邻两个数的大小;如果前者比后者大,则交换它们的位置。这样,一次遍历之后,最大的元素就在数列的末尾!采用相同的方法再次遍历时,第二大的元素就被排列在最大元素之前。重复此操作,直到整个数列都有序为止!
/*
* a -- 待排序的数组
* n -- 数组的长度
*/
public static void bubbleSort(int[] a, int n) {
int i,
j;
for (i = n - 1; i > 0; i--) {
// 将a[0...i]中最大的数据放在末尾
for (j = 0; j < i; j++) {
if (a[j] > a[j + 1]) {
// 交换a[j]和a[j+1]
int tmp = a[j];
a[j] = a[j + 1];
a[j + 1] = tmp;
}
}
}
}
运行:
int[] a = {20,40,30,10,60,50,70};
String aa = "冒泡排序";
bubbleSort(a, a.length);
System.out.print(aa);
for (int d: a) {
System.out.print(d + ",");
}
选择排序和插入排序都是在冒泡基础上的演进:
选择排序:选出最小的值放入列表,选完即可
直接插入排序:左侧为有序队列,从右侧遍历的数字在放入左侧有序队列时排序插入。
直接插入排序(Straight Insertion Sort)
/**
* @param
* a -- 待排序的数组
* n -- 数组的长度
*/
public static void insertSort(int[] a, int n) {
int i,j,k;
for (i = 1; i < n; i++) {
//a[i]为右侧遍历出的待插数据
//在有序队列a[0,i]中为a[i]在前面的a[0...i-1]有序区间中找一个合适的位置
for (j = i - 1; j >= 0; j--) if (a[j] < a[i]) break;//从大到小找到比i小的值j即可终止
//如找到了一个合适的位置, 把整个数组下标大于j的值都往后移动一个空位给i使用
if (j != i - 1) {
//将比a[i]大的数据向后移
int temp = a[i];
for (k = i - 1; k > j; k--) a[k + 1] = a[k];
//将a[i]放到正确位置上
a[k + 1] = temp;
}
}
}
和冒泡的规则相同,双重for循环找到最最小值
快速排序(Quick Sort)
使用分治法策略
它的基本思想是:选择一个基准数,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。
快速排序流程:
1.从数列中挑出一个基准值放入x。
2.将所有比基准值小的摆放在基准前面,所有比基准值大的摆在基准的后面(相同的数可以到任一边);在这个分区退出之后,该基准就处于数列的中间位置(把x赋值给中间值,完成一轮互换)。
3.递归地把"基准值前面的子数列"和"基准值后面的子数列"进行排序。
图文介绍
/**
*
* 参数说明:
* a -- 待排序的数组
* l -- 数组的左边界(例如,从起始位置开始排序,则l=0)
* r -- 数组的右边界(例如,排序截至到数组末尾,则r=a.length-1)
*/
public static void quickSort(int[] a, int l, int r) {
if (l < r) {
int i,j, x;
i = l;
j = r;
x = a[i];
while (i < j) {
while (i < j && a[j] > x) j--; // 从右向左找第一个小于x的数
if (i < j) a[i++] = a[j];
while (i < j && a[i] < x) i++; // 从左向右找第一个大于x的数
if (i < j) a[j--] = a[i];
}
a[i] = x;//最后把基准值赋值给中间值,完成一轮替换
/* 递归调用 */
quickSort(a, l, i - 1);//把中间值左侧数据排序
quickSort(a, i + 1, r);//右侧数据排序
/* 递归调用 */
}
}
//运行
String aa = "快速排序";
quickSort(a,0,a.length-1);
System.out.print(aa);
for (int d : a) {
System.out.print(d+",");
}
希尔排序shell sort
希尔(Shell)排序又称为缩小增量排序,它是一种插入排序。它是直接插入排序算法的一种威力加强版。该方法因DL.Shell于1959年提出而得名。
希尔排序的基本思想是:
1.把记录按步长 gap 分组,对每组记录采用直接插入排序方法进行排序。
2.随着步长逐渐减小,所分成的组包含的记录越来越多,当步长的值减小到 1 时,整个数据合成为一组,构成一组有序记录,则完成排序。
看图配合步骤讲解,第一次gap=5,每隔gap个元素为一组比大小;gap不断对折,直到gap=1完成排序。
初始时,有一个大小为 10 的无序序列。
在第一趟排序中,我们不妨设 gap1 = N / 2 = 5,即相隔距离为 5 的元素组成一组,可以分为 5 组。接下来,按照直接插入排序的方法对每个组进行排序。
在第二趟排序中,我们把上次的 gap 缩小一半,即 gap2 = gap1 / 2 = 2 (取整数)。这样每相隔距离为 2 的元素组成一组,可以分为 2 组。按照直接插入排序的方法对每个组进行排序。
在第三趟排序中,再次把 gap 缩小一半,即gap3 = gap2 / 2 = 1。这样相隔距离为 1 的元素组成一组,即只有一组。按照直接插入排序的方法对每个组进行排序。此时,排序已经结束。
需要注意一下的是,图中有两个相等数值的元素 5 和 5 。我们可以清楚的看到,在排序过程中,两个元素位置交换了。
所以,希尔排序是不稳定的算法。
/**
* 希尔排序
* @param list
*/
public static void shellSort(int[] a) {
int gap = a.length / 2; //初始对折=步长
while (1 <= gap) {
// 把距离为 gap 的元素编为一个组,扫描所有组
for (int i = gap; i < a.length; i++) {
int j = 0;
int temp = a[i];
// 对距离为 gap 的元素组进行排序,每隔gap个为一组对比大小
for (j = i - gap; j >= 0 && temp < a[j]; j = j - gap) {
a[j + gap] = a[j];
}
a[j + gap] = temp;
}
System.out.format("gap = %d:\t", gap);
printAll(a);
gap = gap / 2; // 减小增量
}
}
// 打印完整序列
public static void printAll(int[] a) {
for (int value : a) {
System.out.print(value + "\t");
}
System.out.println();
}
归并排序
基本思想
归并排序(MERGE-SORT)是利用归并的思想实现的排序方法,该算法采用经典的分治(divide-and-conquer)策略(分治法将问题分(divide)成一些小的问题然后递归求解,而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起,即分而治之)。
分而治之
和希尔排序的思想视乎有些相似,都是对折分组
可以看到这种结构很像一棵完全二叉树,本文的归并排序我们采用递归去实现(也可采用迭代的方式去实现)。分阶段可以理解为就是递归拆分子序列的过程,递归深度为log2n。
每个小组最后都要面对的一步:合并相邻有序子序列
再来看看治阶段,我们需要将两个已经有序的子序列合并成一个有序序列,比如上图中的最后一次合并,要将[4,5,7,8]和[1,2,3,6]两个已经有序的子序列,合并为最终序列[1,2,3,4,5,6,7,8],来看下实现步骤。
思路:创建一个两个数组长度之和的临时数组temp,两个数组对比,谁小就放入temp中。对比完成
public class MergeSort {
public static void main(String []args){
int []arr = {9,8,7,6,5,4,3,2,1};
sort(arr);
System.out.println(Arrays.toString(arr));
}
public static void sort(int []arr){
int []temp = new int[arr.length];
//在排序前,先建好一个长度等于原数组长度的临时数组,
//避免递归中频繁开辟空间
sort(arr,0,arr.length-1,temp);
}
private static void sort(int[] arr,int left,int right,int []temp){
if(left<right){
int mid = (left+right)/2;
sort(arr,left,mid,temp);//递归调用:左边归并排序,使得左子序列有序
sort(arr,mid+1,right,temp);//递归调用:右边归并排序,使得右子序列有序
merge(arr,left,mid,right,temp);//将两个有序子数组合并操作
}
}
private static void merge(int[] arr,int left,int mid,int right,int[] temp){
int i = left;//左序列指针
int j = mid+1;//右序列指针
int t = 0;//临时数组指针
while (i<=mid && j<=right){
if(arr[i]<=arr[j]){
temp[t++] = arr[i++];
}else {
temp[t++] = arr[j++];
}
}
while(i<=mid){//将左边剩余元素填充进temp中
temp[t++] = arr[i++];
}
while(j<=right){//将右序列剩余元素填充进temp中
temp[t++] = arr[j++];
}
t = 0;
//将temp中的元素全部拷贝到原数组中
while(left <= right){
arr[left++] = temp[t++];
}
}
}
堆排序
堆排序(Heapsort)是指利用堆积树(堆)这种数据结构所设计的一种排序算法,它是选择排序的一种。可以利用数组的特点快速定位指定索引的元素。堆分为大根堆和小根堆,是完全二叉树。
- 完全二叉树: 除了最后一层之外的其他每一层都被完全填充,并且所有结点都保持向左对齐。
- 满二叉树:除了叶子结点之外的每一个结点都有两个孩子,每一层(当然包含最后一层)都被完全填充。
- 完满二叉树:除了叶子结点之外的每一个结点都有两个孩子结点。
完全二叉树(Complete Binary Tree):
满二叉树(Perfect Binary Tree):
完满二叉树(Full Binary Tree):
参考资料:
http://www.cnblogs.com/idorax/p/6441043.html
堆排序是将数据看成是完全二叉树、根据完全二叉树的特性来进行排序的一种算法
最大堆要求节点的元素都要不小于其孩子,
最小堆要求节点元素都不大于其左右孩子
处于最大堆的根节点的元素一定是这个堆中的最大值
完全二叉树有个特性:
左边子节点位置 = 当前父节点的两倍 + 1
右边子节点位置 = 当前父节点的两倍 + 2
节点的关系和节点编号和数组下标对象的下标关系:
排序过程
第一步:先n个元素的无序序列,构建成大顶堆
第二步:将根节点与最后一个元素交换位置,(将最大元素"沉"到数组末端)
第三步:交换过后可能不再满足大顶堆的条件,所以需要将剩下的n-1个元素重新构建成大顶堆
第四步:重复第二步、第三步直到整个数组排序完成
/**
* 建堆
*
* @param arrays 看作是完全二叉树
* @param currentRootNode 当前父节点位置
* @param size 节点总数
*/
public static void heapify(int[] arrays, int currentRootNode, int size) {
if (currentRootNode < size) {
//左子树和右字数的位置
int left = 2 * currentRootNode + 1;
int right = 2 * currentRootNode + 2;
//把当前父节点位置看成是最大的
int max = currentRootNode;
if (left < size) {
//如果比当前根元素要大,记录它的位置
if (arrays[max] < arrays[left]) {
max = left;
}
}
if (right < size) {
//如果比当前根元素要大,记录它的位置
if (arrays[max] < arrays[right]) {
max = right;
}
}
//如果最大的不是根元素位置,那么就交换
if (max != currentRootNode) {
int temp = arrays[max];
arrays[max] = arrays[currentRootNode];
arrays[currentRootNode] = temp;
//继续比较,直到完成一次建堆
heapify(arrays, max, size);
}
}
}
/**
* 完成一次建堆,最大值在堆的顶部(根节点)
*/
public static void maxHeapify(int[] arrays, int size) {
// 从数组的尾部开始,直到第一个元素(角标为0)
for (int i = size - 1; i >= 0; i--) {
heapify(arrays, i, size);
}
}
//堆排序入口
public static void heapSort(int[] arrays) {
for (int i = 0; i < arrays.length; i++) {
//每次建堆就可以排除一个元素了
maxHeapify(arrays, arrays.length - i);
//把顶部最大值放到数组最后面
int temp = arrays[0];
arrays[0] = arrays[(arrays.length - 1) - i];
arrays[(arrays.length - 1) - i] = temp;
}
}