第五话 排序算法
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了第五话 排序算法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含30163字，纯文字阅读大概需要44分钟。
内容图文
5. 排序算法
5.1排序算法介绍
排序算法（Sort Algorithm），排序是将一组数据，依指定的顺序进行排序的过程
排序的分类：
- 内部排序：指将需要处理的所有数据都加载到内部存储器中进行排序。
- 外部排序：数据量过大，无法全部加载到内存中，需要借助外部存储进行排序。
常见的排序算法分类
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-thpn5xWQ-1618541456962)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325084358307.png)]
度量一个程序（算法）执行时间的两种方法
- 事后统计方法
这种方法可行，但是有两个问题：一是要想对设计的算法的运行能力进行评价，需要实际运行该程序；二是所得时间的统计量依赖于计算机的硬件，软件等环境因素，这种方式，要在同一台计算机的相同状态下运行，才能比较哪个算法速度更快
- 事前估计的方法
通过分析某个算法的时间复杂度来判断哪个算法更优。
5.1.1 算法的时间复杂度
时间频度
时间频度：一个算法花费的时间与算法中语句的执行次数成正比，哪个算法在语句执行的次数多，它花费的时间就多，**一个算法中的语句执行次数称为语句频度或时间频度。**计为T(n)。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Mhgat7rL-1618541456966)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325084440288.png)]
结论
- 2n+20和2n随着n变大，执行曲线无限接近，20可以忽略
- 3n+10和3n随着n变大，执行曲线无限接近，10可以忽略
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hANpvmK2-1618541456970)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325084551920.png)]
结论
- 2n2+3n+10和2n2随着n的增大，执行曲线无限接近，可以忽略3n+10
- n2+5n+20和n2随着n的增大，执行曲线无限接近，可以忽略5n+20
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-O5RUvlvy-1618541456974)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325084622475.png)]
结论
- 随着 n 值变大， 5n^2+7n 和 3n^2 + 2n ， 执行曲线重合, 说明 这种情况下, 5 和 3 可以忽略。
- 而 n^3+5n 和 6n^3+4n ， 执行曲线分离， 说明多少次方式关键
5.1.2 时间复杂度概念
- 一般情况下，算法中的基本操作语句的重复执行次数是问题规模n的某个函数，用T(n)表示，若某个辅助函数f(n)，使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数，记作T(n)=O(f(n))，称O(f(n))为算法的渐进时间复杂度，简称时间复杂度。
- T(n)不同，但时间复杂度可能相同。如：T(n)=n2+7n+6与T(n)+3n2+2n+2，它们的T(n)不同，但时间复杂度相同都是O(n^2)。
- 计算时间复杂度的方法
- 用常数1代替运行时间中的所有加法常数
- 修改后的运行次数函数中，只保留最高阶项
- 去除最高阶项的系数
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YrfMhmPq-1618541456976)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325090021138.png)]
常数阶O(1)
int i = 1;
int j = 2;
++i;
j++;
int m = i + j;
无论代码执行了多少行，只要没有循环体等复杂结构，那么这个代码的时间复杂度就是O(1)，上述代码在执行的时候，它消耗的时间不随着某个变量的增长而增长，那么无论这类代码有多长。即使几十万都可以用O(1)来表示它的时间复杂度。
对数阶
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SFmTLaMG-1618541456978)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325090949315.png)]
线性阶O(n)
for (i = 1;i <= n; ++i){
j = i;
j++;
}
这段代码，for循环里面的代码块会执行n遍，因此它消耗的时间是随着n的变化而变化的，因此这类代码都可以用O(n)来表示它的时间复杂度。
线性对数阶
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EK3D4zKJ-1618541456980)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325092301879.png)]
平方阶O(n^2)
for (x = 1;i <= n;x++){
for (i = 1;i <= n;i++){
j = i;
j++;
}
}
平方阶O(n2)就更容易理解了，如果把O(n)的代码再嵌套循环一遍，它的时间复杂度就是O(n2)，这段代码其实就是嵌套了2层n循环，如果将其中的一层循环由n改为m，那么它的时间复杂度就变成了O(m*n)。
5.1.3 平均时间复杂度和最坏时间复杂度
- 平均时间复杂度是指所有可能的输入实例以等概率出现的情况下，该算法的运行时间
- 最坏情况下的时间复杂度称最坏时间复杂度，一般讨论的时间复杂度均是最坏情况下的时间复杂度，这样做的原因是：最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限，这就保证了算法的运行时间不会比最坏情况更长了。
- 平均时间复杂度和最坏时间复杂度是否一致，和算法有关如图所示；
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CsqynZtf-1618541456982)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325093406839.png)]
5.1.4 算法空间复杂度
- 类似于时间复杂度的讨论，一个算法的空间复杂度(Space Complexity)定义为该算法所消耗的存储空间，也是问题规模n的函数。
- 空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度。有的算法需要占用的临时工作单元数与解决问题的规模n有关，它随着n的增大而增大，当n比较大时，将占用较多的存储单元，例如快速排序和归并排序算法就属于这种情况。
- 在做算法分析的时候，主要讨论的是时间复杂度。从用户使用体验上来看，更看重的程序执行的速度，一些缓存产品（redis,memcache）和算法（基数排序）的本质就是用空间换时间。
5.2 冒泡排序
5.2.1 基本介绍
冒泡排序（Bubble Sorting）的基本思想是：通过对待排序序列从前向后（从小标较小的元素开始），依次比较相邻元素的值，若发现逆序则交换，使值较大的元素逐渐从前向移向后部，就象水底下的气泡一样逐渐向上冒。
因为排序的过程中，各个元素不断接近自己的位置，如果一趟比较下来没有进行过交换，就说明序列有序，因此需要在排序的过程中设置一个标志flag判断元素是否进行过交换。
思路
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SpohdlX0-1618541456984)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325101055268.png)]
5.2.2 应用实例
我们举例一个具体的案例来说明冒泡法，将五个无序的数：3 9 -1 10 -2，使用冒泡排序法将其排成一个从小到大的有序数列
基础代码
public class BubbleSort {
public static void main(String[] args) {
int arr[] = {3, 9, -1, 10, -2};
//第一趟排序，就是将最大的数排在最后
int temp = 0;//临时变量
for (int i = 0; i < arr.length - 1; i++) {
for (int j = 0; j < arr.length - 1 - i; j++) {
//如果前面的数比后面的数大就交换
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第"+(i+1)+"趟排序后的数组~~~");
System.out.println(Arrays.toString(arr));
}
/*
//第二趟排序，就是将第二大的数排在倒数第二位
for (int j = 0; j < arr.length - 2; j++) {
//如果前面的数比后面的数大就交换
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第二趟排序后的数组~~~");
System.out.println(Arrays.toString(arr));
//第三趟排序，就是将第二大的数排在倒数第三位
for (int j = 0; j < arr.length - 3; j++) {
//如果前面的数比后面的数大就交换
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第三趟排序后的数组~~~");
System.out.println(Arrays.toString(arr));
//第四趟排序，就是将第二大的数排在倒数第三位
for (int j = 0; j < arr.length - 4; j++) {
//如果前面的数比后面的数大就交换
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第四趟排序后的数组~~~");
System.out.println(Arrays.toString(arr));
*/
}
}
结果
第1趟排序后的数组~~~
[3, -1, 9, -2, 10]
第2趟排序后的数组~~~
[-1, 3, -2, 9, 10]
第3趟排序后的数组~~~
[-1, -2, 3, 9, 10]
第4趟排序后的数组~~~
[-2, -1, 3, 9, 10]
优化：如果我们发现在某趟排序中，没有发生一次交换，可以提前结束冒泡排序，这个就是优化。
public class BubbleSort {
public static void main(String[] args) {
// int arr[] = {3, 9, -1, 10, 20};
// System.out.println("排序前~~~");
// System.out.println(Arrays.toString(arr));
//测试一下冒泡排序的速度O(n^2)，给80000个数据，测试
//创建要给80000个随机的数组
int[] arr = new int[80000];
for (int i = 0;i < 80000;i++){
arr[i] = (int)(Math.random() * 800000); //生成一个【0，800000）数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间："+date1Str);
//测试冒泡排序
bubbleSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间："+date2Str);
// System.out.println("测试后~~~");
// System.out.println(Arrays.toString(arr));
/*
//第二趟排序，就是将第二大的数排在倒数第二位
for (int j = 0; j < arr.length - 2; j++) {
//如果前面的数比后面的数大就交换
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第二趟排序后的数组~~~");
System.out.println(Arrays.toString(arr));
//第三趟排序，就是将第二大的数排在倒数第三位
for (int j = 0; j < arr.length - 3; j++) {
//如果前面的数比后面的数大就交换
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第三趟排序后的数组~~~");
System.out.println(Arrays.toString(arr));
//第四趟排序，就是将第二大的数排在倒数第三位
for (int j = 0; j < arr.length - 4; j++) {
//如果前面的数比后面的数大就交换
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
System.out.println("第四趟排序后的数组~~~");
System.out.println(Arrays.toString(arr));
*/
}
public static void bubbleSort(int[] arr) {
//第一趟排序，就是将最大的数排在最后
int temp = 0;//临时变量
boolean flag = false;
for (int i = 0; i < arr.length - 1; i++) {
for (int j = 0; j < arr.length - 1 - i; j++) {
//如果前面的数比后面的数大就交换
if (arr[j] > arr[j + 1]) {
flag = true;
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
// System.out.println("第" + (i + 1) + "趟排序后的数组~~~");
// System.out.println(Arrays.toString(arr));
if (!flag) {
//在一趟排序中，一次交换没有发生过
break;
} else {
flag = false;//重置flag!!!进行下次判断
}
}
}
}
结果
排序前的时间：2021-03-25 12:56:23
排序后的时间：2021-03-25 12:56:36
5.3 选择排序
选择排序也属于内部排序法，是从欲排序的数据中，按指定的规则选出某一元素，再次依规定交换位置后达到排序的目的。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7tMutooi-1618541456986)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325130810350.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-d8di3ZK1-1618541456988)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325131357981.png)]
代码实现
public class SelectSort {
public static void main(String[] args) {
int[] arr = {101, 34, 119, 1,-1,90,123};
System.out.println("排序前~~~");
System.out.println(Arrays.toString(arr));
System.out.println("排序后~~~");
selectSort(arr);
System.out.println(Arrays.toString(arr));
}
//选择排序
public static void selectSort(int[] arr) {
//在推导的过程中，我们找到了规律，因此我们可以使用for来解决
for (int i = 0; i < arr.length - 1; i++) {
int minIndex = i;
int min = arr[i];
for (int j = i + 1; j < arr.length; j++) {
if (min > arr[j]) {
//说明假定的最小值，并不是最小值
min = arr[j]; //重置min
minIndex = j; //重置minIndex
}
}
//将最小值，放在arr[0]，即交换
if (minIndex != i) {
arr[minIndex] = arr[i];
arr[i] = min;
}
// System.out.println("第"+ (i+1) + "一轮后");
// System.out.println(Arrays.toString(arr));
}
/*
//第一轮
int minIndex = 0;
int min = arr[0];
for (int j = 0 + 1; j < arr.length; j++) {
if (min > arr[j]) {
//说明假定的最小值，并不是最小值
min = arr[j]; //重置min
minIndex = j; //重置minIndex
}
}
//将最小值，放在arr[0]，即交换
if (minIndex != 0) {
arr[minIndex] = arr[0];
arr[0] = min;
}
System.out.println("第一轮后");
System.out.println(Arrays.toString(arr));
//第二轮
minIndex = 1;
min = arr[1];
for (int j = 1 + 1; j < arr.length; j++) {
if (min > arr[j]) {
//说明假定的最小值，并不是最小值
min = arr[j]; //重置min
minIndex = j; //重置minIndex
}
}
//将最小值，放在arr[0]，即交换
if (minIndex != 1) {
arr[minIndex] = arr[1];
arr[1] = min;
}
System.out.println("第二轮后");
System.out.println(Arrays.toString(arr));
//第三轮
minIndex = 2;
min = arr[2];
for (int j = 2 + 1; j < arr.length; j++) {
if (min > arr[j]) {
//说明假定的最小值，并不是最小值
min = arr[j]; //重置min
minIndex = j; //重置minIndex
}
}
//将最小值，放在arr[0]，即交换
if (minIndex != 2) {
arr[minIndex] = arr[2];
arr[2] = min;
}
System.out.println("第二轮后");
System.out.println(Arrays.toString(arr));
*/
}
}
结果
排序前~~~
[101, 34, 119, 1, -1, 90, 123]
排序后~~~
[-1, 1, 34, 90, 101, 119, 123]
运行时间代码测试
// int[] arr = {101, 34, 119, 1,-1,90,123};
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 800000); //生成一个【0，800000）数
}
System.out.println("排序前~~~");
// System.out.println(Arrays.toString(arr));
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间："+date1Str);
System.out.println("排序后~~~");
selectSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间："+date2Str);
结果
排序前~~~
排序前的时间：2021-03-25 14:56:24
排序后~~~
排序后的时间：2021-03-25 14:56:28
5.4 插入排序
插入式排序属于内部排序法，是对于欲排序的元素以插入的方式寻求该元素的适当位置，以达到排序的目的。
插入排序（Inserting Sorting）的基本思想是：把n个待排序的元素看成为一个有序表和一个无序表，开始时有序表中只含有一个元素，无需表中包含有n-1个元素，排序过程中每次从无序表中取出第一个元素，把它的排序码依次与有序表元素的排序码进行比较，将它插入到有序表中的适当位置，使之成为新的有序表。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-B0TjIwjs-1618541456990)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210325151652653.png)]
代码实现
public class InsertSort {
public static void main(String[] args) {
// int[] arr = {101, 34, 119, 1};
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 800000); //生成一个【0，800000）数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间：" + date1Str);
//测试插入排序
insertSort(arr);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间：" + date2Str);
}
//插入排序
public static void insertSort(int[] arr) {
for (int i = 1; i < arr.length; i++) {
int insertVal = arr[i];
int insertIndex = i - 1; //即arr[1]得前面这个数得下标
//给insertVal 找到插入得位置
//说明
//1. insertIndex >= 0 保证在给insertVal 找到插入位置，不越界
//2. insertVal < arr[insertIndex] 待插入得数，还没有找到插入的位置
//3. 就需要将arr[insertIndex] 后移
while (insertIndex >= 0 && insertVal < arr[insertIndex]) {
arr[insertIndex + 1] = arr[insertIndex];
insertIndex--;
}
//当退出while循环时，说明插入的位置找到，insertIndex +1;
//这里我们判断是否需要赋值
if (insertIndex + 1 != i) {
arr[insertIndex + 1] = insertVal;
}
// System.out.println("第" + i + "轮插入");
// System.out.println(Arrays.toString(arr));
}
/*
//使用逐步推导的方式来讲解
//第一轮
//定义待插入的数
int insertVal = arr[1];
int insertIndex = 1 -1; //即arr[1]得前面这个数得下标
//给insertVal 找到插入得位置
//说明
//1. insertIndex >= 0 保证在给insertVal 找到插入位置，不越界
//2. insertVal < arr[insertIndex] 待插入得数，还没有找到插入的位置
//3. 就需要将arr[insertIndex] 后移
while (insertIndex >= 0 && insertVal < arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];
insertIndex--;
}
//当退出while循环时，说明插入的位置找到，insertIndex +1;
arr[insertIndex +1] = insertVal;
System.out.println("第1轮插入");
System.out.println(Arrays.toString(arr));
//第二轮
//定义待插入的数
insertVal = arr[2];
insertIndex = 2 -1; //即arr[1]得前面这个数得下标
//给insertVal 找到插入得位置
//说明
//1. insertIndex >= 0 保证在给insertVal 找到插入位置，不越界
//2. insertVal < arr[insertIndex] 待插入得数，还没有找到插入的位置
//3. 就需要将arr[insertIndex] 后移
while (insertIndex >= 0 && insertVal < arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];
insertIndex--;
}
//当退出while循环时，说明插入的位置找到，insertIndex +1;
arr[insertIndex +1] = insertVal;
System.out.println("第2轮插入");
System.out.println(Arrays.toString(arr));
//第三轮
//定义待插入的数
insertVal = arr[3];
insertIndex = 3 - 1; //即arr[1]得前面这个数得下标
//给insertVal 找到插入得位置
//说明
//1. insertIndex >= 0 保证在给insertVal 找到插入位置，不越界
//2. insertVal < arr[insertIndex] 待插入得数，还没有找到插入的位置
//3. 就需要将arr[insertIndex] 后移
while (insertIndex >= 0 && insertVal < arr[insertIndex]){
arr[insertIndex + 1] = arr[insertIndex];
insertIndex--;
}
//当退出while循环时，说明插入的位置找到，insertIndex +1;
arr[insertIndex +1] = insertVal;
System.out.println("第3轮插入");
System.out.println(Arrays.toString(arr));
*/
}
}
运行结果
排序前的时间：2021-03-29 11:08:21
排序后的时间：2021-03-29 11:08:23
5.5 希尔排序
5.5.1 希尔排序算法的介绍
针对插入排序中存在的问题有：
当需要插入的数是较小的数时，后移的次数明显增多，对效率有影响
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-90ONTyHD-1618541456993)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210329111648973.png)]
希尔排序算法的介绍
希尔排序是1959年提出的一种排序算法，希尔排序也是插入排序，它是简单的排序经过改进之后的一个更高效的版本，也称为缩小增量排序。
希尔排序的基本思想：
希尔排序是把记录按小标的一定增量分组，对每组使用直接插入排序算法排序，随着增量的减少，每组包含的关键词越来越多，当增量减少至1时，整个文件被分成一组，算法终止。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3k0jJogO-1618541456996)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210329112211305.png)]
经过上面的宏观调控，整个数组的有序化程度成果惊人，此时仅仅需要对以上数列简单微调，无需大量移动就可以完成整个数组的排序。
5.5.2 算法的实现
交换法实现
public class ShellSort {
public static void main(String[] args) {
int[] arr = {8, 9, 1, 7, 2, 3, 5, 4, 6, 0};
shellSort(arr);
}
//使用逐步推导的方式来编写希尔排序
public static void shellSort(int[] arr) {
int temp = 0;
int count = 0;
//根据前面的逐步分析，使用循环处理
//希尔排序时，对有序序列在插入时采用交换法
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < arr.length; i++) {
//遍历各组中所有的元素（共gap组）
for (int j = i - gap; j >= 0; j -= gap) {
//如果当前元素大于加上步长后的那个元素，说明交换
if (arr[j] > arr[j + gap]) {
temp = arr[j];
arr[j] = arr[j + gap];
arr[j + gap] = temp;
}
}
}
System.out.println("希尔排序" + (++count) + "轮=" + Arrays.toString(arr));
}
/*
int temp = 0;
//希尔排序的第一轮排序
//因为是第一轮排序，是将十个数据分成五组
for (int i = 5; i < arr.length; i++) {
//遍历各组中所有的元素（共5组，每组有2个元素），步长为5
for (int j = i - 5; j >= 0; j -= 5) {
//如果当前元素大于加上步长后的那个元素，说明交换
if (arr[j] > arr[j + 5]) {
temp = arr[j];
arr[j] = arr[j + 5];
arr[j + 5] = temp;
}
}
}
System.out.println("希尔排序的1轮后=" + Arrays.toString(arr));
//因为是第二轮排序，是将十个数据分成五组
for (int i = 2; i < arr.length; i++) {
//遍历各组中所有的元素（共2组，每组有5个元素），步长为 2
for (int j = i - 2; j >= 0; j -= 2) {
//如果当前元素大于加上步长后的那个元素，说明交换
if (arr[j] > arr[j + 2]) {
temp = arr[j];
arr[j] = arr[j + 2];
arr[j + 2] = temp;
}
}
}
System.out.println("希尔排序的2轮后=" + Arrays.toString(arr));
//因为是第三轮排序，是将十个数据分成五组
for (int i = 1; i < arr.length; i++) {
//遍历各组中所有的元素（共2组，每组有5个元素），步长为 2
for (int j = i - 1; j >= 0; j -= 1) {
//如果当前元素大于加上步长后的那个元素，说明交换
if (arr[j] > arr[j + 1]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
}
System.out.println("希尔排序的3轮后=" + Arrays.toString(arr));
*/
}
}
运行的结果显示
希尔排序1轮=[3, 5, 1, 6, 0, 8, 9, 4, 7, 2]
希尔排序2轮=[0, 2, 1, 4, 3, 5, 7, 6, 9, 8]
希尔排序3轮=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
效率的显示
排序前的时间：2021-03-29 14:00:10
排序后的时间：2021-03-29 14:00:17
移位式的算法实现
public static void shellSort2(int[] arr) {
//增量gap，并逐步的缩小增量
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
//从第gap个元素，逐步对其所在的组进行直接插入排序
for (int i = gap; i < arr.length; i++) {
int j = i;
int temp = arr[j];
if (arr[j] < arr[j - gap]) {
while (j - gap >= 0 && temp < arr[j - gap]) {
//移动
arr[j] = arr[j - gap];
j -= gap;
}
//当退出while之后，就给temp找到插入的位置
arr[j] = temp;
}
}
}
}
算法效率的计算
排序前的时间：2021-03-29 14:31:00
排序后的时间：2021-03-29 14:31:00
*这也太牛逼了吧~~~~~*~
5.6 快速排序算法
5.6.1 快速排序算法的介绍
快速排序算法（Quicksort）是对冒泡排序的一种改进，基本思想是：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一部分的所有数据要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序国恒可以递归，以此达到整个数据都变成有序序列。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0F2mm65h-1618541456998)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210329144131037.png)]
5.6.3 代码实现
代码的实现
public class QuickSort {
public static void main(String[] args) {
// int[] arr = {-9, 78, 0, 23, -567, 70};
// quickSort(arr,0,arr.length - 1);
// System.out.println(Arrays.toString(arr));
int[] arr = new int[80000];
for (int i = 0;i < 80000;i++){
arr[i] = (int)(Math.random() * 800000); //生成一个【0，800000）数
}
Date date1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(date1);
System.out.println("排序前的时间："+date1Str);
quickSort(arr,0,arr.length - 1);
Date date2 = new Date();
String date2Str = simpleDateFormat.format(date2);
System.out.println("排序后的时间："+date2Str);
}
/*
public static void quickSort(int[] arr, int left, int right) {
int l = left;
int r = right;
int temp = 0;//作为交换时使用
//pivot 中轴值
int pivot = arr[(left + right) / 2];
//while循环的目的是让比pivot值小放到左边
//比pivot大的值放右边
while (l < r) {
//在pivot的左边一直找，直到大于等于pivot的值，才退出
while (arr[l] < pivot) {
l += 1;
}
//在pivot的右边一直找，找到小于等于pivot值，才退出
while (arr[r] > pivot) {
r -= 1;
}
//如果l >= r说明pivot的左右两边的值，已经按照左边全部是小于等于pivot的值，右边全部是大于等于pivot值
if (l >= r) {
break;
}
//交换
temp = arr[l];
arr[l] = arr[r];
arr[r] = temp;
//如果交换完毕，发现这个arr[l] == pivot值相等，r--，前移
if (arr[l] == pivot) {
l -= 1;
}
//如果交换完毕，发现这个arr[l] == pivot值相等，l++，后移
if (arr[r] == pivot) {
r += 1;
}
}
//如果l == r，则必须l++,r++否则出现栈溢出
if (l == r) {
l += 1;
r -= 1;
}
//向左递归
if (left < r) {
quickSort(arr,left,r);
}
//向右递归
if (right > l) {
quickSort(arr,l,right);
}
}
*/
private static void quickSort(int[] arr, int left, int right) {
if (left < right) {
int partitionIndex = partition(arr, left, right);
quickSort(arr, left, partitionIndex - 1);
quickSort(arr, partitionIndex + 1, right);
}
}
private static int partition(int[] arr, int left, int right) {
int pivot = arr[left];
//终止while循环以后left和right一定相等的
while (left < right) {
while (left < right && arr[right] >= pivot) {
--right;
}
arr[left] = arr[right];
while (left < right && arr[left] <= pivot) {
++left;
}
arr[right] = arr[left];
}
arr[left] = pivot;
//right可以改为left
return left;
}
}
上面是有两种实现代码
5.7 归并排序
5.7.1 归并排序算法基本介绍
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（devide-and-conquer）策略（分治法将问题分(devide)成一些小的问题，然后再递归求解，而治(conquer)的阶段则将分的阶段得到各答案修补在一起，即分而治之。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DHo26srn-1618541457000)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210330090336661.png)]
**说明：**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，（也可以使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。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SBe6fs6w-1618541457002)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210330091200075.png)]
5.7.2 代码的实现
public class MergeSort {
public static void main(String[] args) {
int[] arr = {8, 4, 5, 7, 1, 3, 6, 2};
int[] temp = new int[arr.length];
mergedSort(arr, 0, arr.length - 1, temp);
System.out.println(Arrays.toString(arr));
}
//分加合并的算法
public static void mergedSort(int[] arr, int left, int right, int[] temp) {
if (left < right) {
int mid = (left + right) / 2;
//向左递归进行分解
mergedSort(arr, left, mid, temp);
//向右递归进行分解
mergedSort(arr, mid + 1, right, temp);
//合并
merge(arr, left, mid, right, temp);
}
}
//合并的方法
public static void merge(int[] arr, int left, int mid, int right, int[] temp) {
System.out.println("~~~~");
int i = left; //初始化i，左边有序序列的初始索引
int j = mid + 1; //初始化j，右边有序序列的初始索引
int t = 0; //指向temp数组的当前索引
//（一）
//先把左右两边（有序）的数组按照规则填充到temp数组
//直到左右两边的有序序列，有一边处理完毕
while (i <= mid && j <= right) {
if (arr[i] <= arr[j]) {
temp[t] = arr[i];
t += 1;
i += 1;
} else {
temp[t] = arr[j];
t += 1;
j += 1;
}
}
//（二）
//把有剩余数据的一边的数据依次全部填充到temp
while (i <= mid) {
//左边的有序序列还有剩余的元素，就全部填充到temp
temp[t] = arr[i];
t += 1;
i += 1;
}
while (j <= right) {
//右边的有序序列还有剩余的元素，就全部填充到temp
temp[t] = arr[j];
t += 1;
j += 1;
}
//（三)
//将temp数组的元素拷贝到arr
//注意，并不是每次都拷贝所有
t = 0;
int tempLeft = left;
while (tempLeft <= right) {
arr[tempLeft] = temp[t];
t += 1;
tempLeft += 1;
}
}
}
运行的结果
~~~~
~~~~
~~~~
~~~~
~~~~
~~~~
~~~~
[1, 2, 3, 4, 5, 6, 7, 8]
合并的次数就是n-1
5.8 基数排序
5.8.1 基数排序的基本知识
- 基数排序（radix sort）属于分配式排序（distribution sort）又称桶子法或bin sort，顾名思义，它是通过键值的各个位的键，将要排序的元素分配至某些桶中，达到排序的作用。
- 基数排序是属于稳定性的排序，基数排序法是效率高的稳定性排序法。
- 基数排序是桶排序的扩展
- 基数排序是1887年赫尔曼发明的，它是这样实现的：将整数按位数切割成不同的数字，然后按每个位数分别比较。
基数排序的基本思想
- 将所有待比较数值统一为同样数位长度，数位较短的数前面补0，然后从低位开始，依次进行一次排序。这样从最低位排序一直到最高位排序完成以后，数列就变成了一个有序序列。
- 看一个图文解释，理解基数排序的步骤。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kKvcVXON-1618541457004)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210330110131298.png)]
第二轮之后是十位
第三轮是百位
轮数是按照最高位数来判断的
5.8.2 代码实现
public class RadixSort {
public static void main(String[] args) {
int[] arr = {53, 3, 542, 748, 14, 214};
radixSort(arr);
}
//基数排序的方法
public static void radixSort(int[] arr) {
//根据前面的推导过程，我们可以得到最终的基数排序代码
//得到数组中最大的数的位数
int max = arr[0];
for (int i = 0; i < arr.length; i++) {
if (arr[i] > max) {
max = arr[i];
}
}
//得到最大的数是几位数
int maxLength = (max + "").length();
//定义一个二维数组，表示10个桶就是一个一维数组
//说明
//1. 二维数组包含十个一维数组
//2. 为了防止在放入数的时候，数据溢出，则每一个一位数组（桶），大小定义为arr.length
//3. 这是一种典型的空间换时间的算法
int[][] bucket = new int[10][arr.length];
//为了记录每个桶中，实际存放了多少个数据，定义一个一维数组来记录各个桶的每次放入的数据个数
int[] bucketElementCounts = new int[10];
//使用循环处理代码
for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
for (int j = 0; j < arr.length; j++) {
int digitOfElement = arr[j] /n % 10;
//放入到对用的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序（一维数组的下标依次取出数据，放入原来的数组）
int index = 0;
//遍历每一个桶，并将桶中的数据放入到原数组
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中有数据才放入到原数组
if (bucketElementCounts[k] != 0) {
for (int l = 0; l < bucketElementCounts[k]; l++) {
arr[index] = bucket[k][l];
index++;
}
}
//第一轮处理结束后，需要将各个bucketElemtCounts[k] = 0;
bucketElementCounts[k] = 0;
}
System.out.println("第"+(i+1)+"轮，对个位数的排序处理 arr = " + Arrays.toString(arr));
}
/*
//第一轮
for (int j = 0;j < arr.length;j++){
//取出每个元素个位数的值
int digitOfElement = arr[j] % 10;
//放入到对用的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序（一维数组的下标依次取出数据，放入原来的数组）
int index = 0;
//遍历每一个桶，并将桶中的数据放入到原数组
for (int k = 0;k < bucketElementCounts.length; k++){
//如果桶中有数据才放入到原数组
if (bucketElementCounts[k] != 0){
for (int l =0;l < bucketElementCounts[k];l++){
arr[index] = bucket[k][l];
index++;
}
}
//第一轮处理结束后，需要将各个bucketElemtCounts[k] = 0;
bucketElementCounts[k] = 0;
}
System.out.println("第1轮，对个位数的排序处理 arr = "+ Arrays.toString(arr));
//===============================================================================
//第二轮
for (int j = 0;j < arr.length;j++){
//取出每个元素个位数的值
int digitOfElement = arr[j] /10 % 10;
//放入到对用的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序（一维数组的下标依次取出数据，放入原来的数组）
index = 0;
//遍历每一个桶，并将桶中的数据放入到原数组
for (int k = 0;k < bucketElementCounts.length; k++){
//如果桶中有数据才放入到原数组
if (bucketElementCounts[k] != 0){
for (int l =0;l < bucketElementCounts[k];l++){
arr[index] = bucket[k][l];
index++;
}
}
bucketElementCounts[k] = 0;
}
System.out.println("第2轮，对十位数的排序处理 arr = "+ Arrays.toString(arr));
//=====================================================================================
//第二轮
for (int j = 0;j < arr.length;j++){
//取出每个元素个位数的值
int digitOfElement = arr[j] /100 % 10;
//放入到对用的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序（一维数组的下标依次取出数据，放入原来的数组）
index = 0;
//遍历每一个桶，并将桶中的数据放入到原数组
for (int k = 0;k < bucketElementCounts.length; k++){
//如果桶中有数据才放入到原数组
if (bucketElementCounts[k] != 0){
for (int l =0;l < bucketElementCounts[k];l++){
arr[index] = bucket[k][l];
index++;
}
}
bucketElementCounts[k] = 0;
}
System.out.println("第3轮，对百位数的排序处理 arr = "+ Arrays.toString(arr));
*/
}
}
结果
第1轮，对个位数的排序处理 arr = [542, 53, 3, 14, 214, 748]
第2轮，对个位数的排序处理 arr = [3, 14, 214, 542, 748, 53]
第3轮，对个位数的排序处理 arr = [3, 14, 53, 214, 542, 748]
5.8.3 基数排序的注意事项
- 基数排序是对传统桶排序的扩展，速度很快
- 基数排序是经典的空间换时间的方式，占用的内存很大，当对海量数据排序的时候，容易造成 OutOfMemoryError
- 基数排序是稳定的。【注：假定在待排序的记录序列中，存在多个具有相同的关键字的记录，若经过排序，这些记录的相对次序保持不变，即在原序列中，r[i]=r[j]，且r[i]在r[j]之前，而在排序后的序列中，r[i]依旧在r[j]之前，则称这种排序算法是稳定的，否则是不稳定的。
- 有负数的数组，我们不用基数排序来进行排序，如果想要支持负数，请查看：https://code.i-harness.com/zh-CN/q/e98fa9
5.9 排序算法比较
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yyw50cud-1618541457006)(C:\Users\dongwei\AppData\Roaming\Typora\typora-user-images\image-20210330145705820.png)]
内容总结
以上是互联网集市为您收集整理的第五话 排序算法全部内容，希望文章能够帮你解决第五话 排序算法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。