常用排序算法及java示例
2021/12/11 1:18:28
本文主要是介绍常用排序算法及java示例,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
排序算法
冒泡排序、插入排序、选择排序、归并排序、快速排序、计数排序、基数排序、桶排序
排序算法 | 时间复杂度 | 是否基于比较 |
---|---|---|
冒泡、插入、选择 | O(n^2) | 是 |
快排、归并 | O(nlogn) | 是 |
桶、计数、基数 | O(n) | 否 |
冒泡排序
排序过程
-
只操相邻的两个元素
-
每次冒泡操作比较相邻元素,如果不满足大小关系,进行交换
-
每趟遍历找到当前剩余元素中最大的那个,并放到合适位置
-
n趟遍历后完成排序
特点
稳定排序、原地排序(空间复杂度为O(1))
代码
public void bubbleSort(int array[]) { for (int i = 0; i < array.length - 1; i++) { // 减去i,是因为已经找到了最大的i个元素,放到了最后面,不用再比较了 for (int j = 0; j < array.length - 1 - i; j++) { // 如果左边的元素大于右边的,进行交换 // 必须是大于,不能用大于等于,如果相等,不操作,保持排序的稳定性 if (array[j] > array[j + 1]) { int tmp = array[j]; array[j] = array[j + 1]; array[j + 1] = tmp; } } } }
优化点
如果在排序过程中,某一趟遍历没有进行任何交换操作,说明已经有序了,后面的遍历就不必再进行了,所以可以加个标记,判断当前遍历是否发生过交换操作,如果没有就结束排序吧。
插入排序
排序过程
-
将数组分为两个区间:已排序和未排序区间
-
已排序区间初始只有第一个元素
-
取未排序区间的元素在已排序区间找到合适的位置插入,并保证已排序区间的有序性
-
重复第3步,直到未排序区间的元素为空
特点
稳定排序、原地排序(空间复杂度为O(1))
代码
public void insertionSort(int[] array) { // 从索引1开始,索引0为已排序区间的第一个元素 for (int i = 1; i < array.length; i++) { for (int j = i; j > 0; j--) { if (array[j] < array[j - 1]) { // 这里作数据移动,就是交换当前的两个元素,把比目标元素大的,最终都交换到它的后面 // 因为只处理比目标元素大的,等于它的时候已经结束了,所以保证排序的稳定性 int tmp = array[j]; array[j] = array[j - 1]; array[j - 1] = tmp; } } } }
优化点
示例代码采用了每一步比较的时候,元素交换的写法来移动元素。还有另外一种写法:就是先记录下目标元素的值,比较的时候,如果被比较的元素比目标元素大,直接后移,最后找到合适位置,将目标元素赋值给它。
选择排序
排序过程
-
将数组分为两个区间:已排序和未排序区间
-
已排序区间最初为空
-
每次从未排序里找到一个最小的元素放到已排序区间的末尾
-
重复第3步,直到未排序区间只剩一个元素
特点
不稳定排序、原地排序(空间复杂度为O(1))
代码
public void selectSort(int[] array) { for (int i = 0; i < array.length - 1; i++) { int minIndex = i; for (int j = i + 1; j < array.length; j++) { if (array[minIndex] > array[j]) { // 找到最小的那个 minIndex = j; } } if (i != minIndex) { // 交换元素,把最小的放到已排序区间末尾 int tmp = array[i]; array[i] = array[minIndex]; array[minIndex] = tmp; } } }
归并排序
排序过程
归并采用分治的思想,将待排序的数组从中间分成左右两个更小的数组,分别进行排序并合并,该过程递归处理,直到数组不可再分割。
特点
稳定排序,非原地排序(空间复杂度O(n))
代码
public class MergeSort { public void sort(int[] array) { // 左右边界索引 sort(array, 0, array.length - 1); } private void sort(int[] array, int left, int right) { if (left < right) { int mid = (left + right) / 2; sort(array, left, mid); sort(array, mid + 1, right); merge(array, left, mid, right); } } private void merge(int[] array, int left, int mid, int right) { // 创建一个容纳left -> right元素的额外数组 int[] tmp = new int[right - left + 1]; // 左半区间的起始索引 int ll = left; // 右半区间的起始索引 int rl = mid + 1; // tmp数组的起始索引 int k = 0; while (ll <= mid && rl <= right) { // 谁小取谁 tmp[k++] = array[ll] < array[rl] ? array[ll++] : array[rl++]; } // 将左半区间剩余的元素复制过来,也可以直接调用 System.arraycopy方法 while (ll <= mid) { tmp[k++] = array[ll++]; } // 将右半区间剩余的元素复制过来 while (rl <= right) { tmp[k++] = array[rl++]; } // 此时tmp里的都是两个区间合并后有序的,copy进原数组,从原数组的left位置开始 System.arraycopy(tmp, 0, array, left, tmp.length); } }
快速排序
排序过程
采用分治思想,从数组里选取一个元素作为分区点,将数组分为两个区间,将比它小的放到左区间,比它大的放到右区间,重复处理这两个区间,直到子区间大小为1结束。
特点
非稳定排序,原地排序(空间复杂度O(1)),也可以借用额外空间,非原地排序。
代码
public class QuickSort { public void sort(int[] array) { sort(array, 0, array.length - 1); } private void sort(int[] array, int left, int right) { if (left >= right) { return; } // 选取最后一个元素作为分区点 int pivot = array[right]; // 用来查下一个分区位置 int pos = left; // 从第一个元素开始 for (int i = left; i < right; i++) { if (array[i] < pivot) { // array[i] 得放到小区间了 int tmp = array[i]; array[i] = array[pos]; array[pos] = tmp; // 我们是从第一个元素开始的,如果第一个元素小于pivot怎么办,那就会走到这里,让pos指向下一个元素,不过这种情况上面的这个交换其实意义不大了 // 如果遇到下一个元素比pivot大了,这时候刚好pos指向它。因为array[i] < pivot,才能走到这个逻辑,所以找到下一个比pivot小的,然后进行交换 pos++; } } // 把pos位置的和pivot换了 int tmp = array[right]; array[right] = array[pos]; array[pos] = tmp; sort(array, left, pos - 1); sort(array, pos + 1, right); } }
下面的3种排序,存在使用场景及限制条件,对要排序的数据要求比较苛刻,用的也不广泛,就当是为了面试了解下吧
桶排序
排序过程
-
将待排序的n个元素均匀到划分到m个桶
-
每个桶内平均有k=n/m个元素,这是最理想的情况下。如果数据分布不均匀,可能有的桶多,有的桶少,桶装不下还得扩容。
-
每个桶内部继续排序,可选择快排等其它排序算法
-
桶本身是有序的,每个桶内部排好序后,一次遍历即可
既然每个桶内部还要排序,为什么说它是O(n)的排序算法?当桶的数量接近待排序元素的数据量时,时间复杂度就接近O(n)。
场景
-
要求数据分布均匀,如果分布不均匀,最坏情况下时间复杂度会退化为O(nlogn)
-
数据天然有序,这样划分的每个桶也是有序的
比较适合外排这样的场景。
代码
这个代码是我根据这个排序过程写出来的,只作示例,仅供参考。
这个demo看一下明白啥意思就行,这个demo写的太简单了,要求测试数据必须大于0,且不能重复。
public class BucketSort { public static void main(String[] args) { int[] array = {5, 2, 8, 99, 4, 60, 77, 13, 55, 22}; Arrays.stream(array).forEach(n-> System.out.printf("%d ", n)); System.out.println(); new BucketSort().sort(array); Arrays.stream(array).forEach(n-> System.out.printf("%d ", n)); System.out.println(); } public void sort(int[] array) { // 只是测试,设置桶大小为1,这样后面就不考虑插入数据扩容问题了,但是这样要求元素不能重复了,这样搞有点计数排序的味道了 int bucketSize = 1; // 第一次遍历,找到最大值和最小值 int min = Integer.MAX_VALUE, max = Integer.MIN_VALUE; for (int n : array) { min = Math.min(min, n); max = Math.max(max, n); } // 计算桶的个数 int bucketNums = (max - min) / bucketSize + 1; // 毕竟是示例,直接初始化每个桶固定大小,不要考虑扩容问题 int[][] bucket = new int[bucketNums][bucketSize]; // 将元素分布到每个桶里,第2次遍历了 for (int n : array) { // 找到和最小值的差值,然后计算在哪个桶 int diff = n - min; int bucketIndex = diff / bucketSize; // 因为每个桶大小 就是1,找到哪个桶就放入就行,不用考虑该放到这个桶的哪个位置了 bucket[bucketIndex][0] = n; } // 对桶做一个排序,其实桶里只有一个元素的时候,不排也行 int index = 0; for (int i = 0; i < bucketNums; i++) { Arrays.sort(bucket[i]); for (int j = 0; j < bucket[i].length; j++) { // 所以这里认为数据为0就是不存在,测试的时候,测试数据必须都得大于0 if (bucket[i][j] != 0) { // 将每个桶的元素copy到原来的数组里 array[index++] = bucket[i][j]; } } } } }
计数排序
排序过程
-
获取待排数据的最大值和最小值
-
根据最大值和最小值计算需要多少个桶,差值多少差不多就是多少个桶,一对一的比例
-
将数据相同的放到对应索引的桶,该桶的值就是当前小于等于该值的元素个数
-
把桶遍历一遍,输出到原数组就是排序后的数据
上面实现的桶排序的demo虽然不规范,但是前半部分还是比较像计数排序的实现。
场景
-
要求元素的数据范围不能太大,要不然桶太多了。
-
需要数据是非负整数,否则也要转换为非负整数
代码
下面的实现也只是一个demo,另外假定元素中没有负数的,仅作参考。
public class CountingSort { public static void main(String[] args) { int[] array = {5, 2, 8, 99, 4, 60, 77, 13, 55, 22}; Arrays.stream(array).forEach(n -> System.out.printf("%d ", n)); System.out.println(); new CountingSort().sort(array); Arrays.stream(array).forEach(n -> System.out.printf("%d ", n)); System.out.println(); } public void sort(int[] array) { // 找到数组中的最大值 int max = Integer.MIN_VALUE; for (int n : array) { max = Math.max(max, n); } // 计数数组,需要包含max的值,大小就是max+1 int[] count = new int[max + 1]; // java默认初始化每个元素都是0 // 计算每个索引对应的值个数 for (int i = 0; i < array.length; i++) { count[array[i]]++; } // 计算小于等于当前值的个数 for (int i = 1; i < count.length; i++) { count[i] = count[i] + count[i - 1]; } // 将数据排序写入到一个临时数组 int[] tmp = new int[array.length]; for (int i = array.length - 1; i >= 0; i--) { // 当前值 int curValue = array[i]; // 小于等于当前值的数量 int countValue = count[curValue]; // 该值减1对应的就是排序后的索引位值 int index = countValue - 1; tmp[index] = array[i]; // 当前值的数量少了一个 count[curValue]--; } //将临时数组copy到原数组 System.arraycopy(tmp, 0, array, 0, array.length); } }
基数排序
排序过程
-
将数据的每一位采用稳定算法分别进行排序
场景
对数据有要求,要求数据能分割成单独的位。
代码
代码示例,用来理解用的,仅作参考。
public class BasicSort { public static void main(String[] args) { int[] array = {5, 2777, 833, 99666, 432, 60, 77, 16663, 55, 22, 833}; Arrays.stream(array).forEach(n -> System.out.printf("%d ", n)); System.out.println(); new BasicSort().sort(array); Arrays.stream(array).forEach(n -> System.out.printf("%d ", n)); System.out.println(); } public void sort(int[] array) { // 先找到最大的那一位数 int max = Integer.MIN_VALUE; for (int n : array) { max = Math.max(max, n); } // 将数据拆分成对应的位,比如最大的数max为9999,可以拆分为4位,其它数据最多也只拆分成4位,不足了补上 // 计算下多少位吧 int bits = 1; while ((max /= 10) > 0) bits++; // 将每个数拆成对应的位,如[9,9,9,9],[0,7,9,6],[0,0,1,6]... int[][] matrix = new int[array.length][bits]; for (int i = 0; i < array.length; i++) { int tmp = array[i]; int col = bits - 1; while (true) { int mod = tmp % 10; matrix[i][col--] = mod; if ((tmp /= 10) == 0) { break; } } } // Arrays.stream(matrix).forEach(x -> { // Arrays.stream(x).forEach(xx -> System.out.printf("%d ", xx)); // System.out.println(); // }); // 从低位开始,对每一位比较来排序 for (int c = bits - 1; c >= 0; c--) { // 需要一种稳定排序算法,对每一位比较来排序,这里用插入排序试一下吧 for (int i = 1; i < array.length; i++) { for (int j = i; j > 0; j--) { if (matrix[j][c] < matrix[j - 1][c]) { // 把matrix中对应的元素交换了 int[] tmp = matrix[j]; matrix[j] = matrix[j - 1]; matrix[j - 1] = tmp; // 把索引对应的array中的元素也要交换了 int arr = array[j]; array[j] = array[j - 1]; array[j - 1] = arr; } } } } } }
这篇关于常用排序算法及java示例的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-12-29设计Element UI表单组件居然如此简单!
- 2024-12-28一步到位:购买适合 SEO 的域名全攻略
- 2024-12-27OpenFeign服务间调用学习入门
- 2024-12-27OpenFeign服务间调用学习入门
- 2024-12-27OpenFeign学习入门:轻松掌握微服务通信
- 2024-12-27OpenFeign学习入门:轻松掌握微服务间的HTTP请求
- 2024-12-27JDK17新特性学习入门:简洁教程带你轻松上手
- 2024-12-27JMeter传递token学习入门教程
- 2024-12-27JMeter压测学习入门指南
- 2024-12-27JWT单点登录学习入门指南