第 7 章 排序
1 排序算法介绍
排序也称排序算法(Sort Algorithm
),排序是将一组数据,依指定的顺序进行排列的过程。
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。 - 外部排序法:
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(见下图):
2 算法的时间复杂度
度量一个程序(算法)执行时间的两种方法:
-
事后统计的方法
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性能进行评测,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,才能比较那个算法速度更快。 -
事前估算的方法
通过分析某个算法的时间复杂度来判断哪个算法更优。
2.1 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例,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
举例说明1:
比如计算1-100所有数字之和, 我们设计两种算法:
举例说明2:
忽略常数项
结论:
1)2n+20 和 2n 随着n 变大,执行曲线无限接近, 20可以忽略
2)3n+10 和 3n 随着n 变大,执行曲线无限接近, 10可以忽略
举例说明3:
忽略低次项
结论:
1)2n^2+3n+10 和 2n^2 随着n 变大, 执行曲线无限接近, 可以忽略
2)3n+10 n^2+5n+20 和 n^2 随着n变大,执行曲线无限接近, 可以忽略 5n+20
举例说明4:
忽略系数
结论:
1)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。
2)而n^3+5n 和 6n^3+4n ,执行曲线分离,说明多少次方式关键
2.2 时间复杂度
-
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,若有某个辅助函数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,都为O(n²)
。 -
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T(n)=n²+7n+6 => T(n)=n²+7n+1
修改后的运行次数函数中,只保留最高阶项T(n)=n²+7n+1 => T(n) = n²
去除最高阶项的系数T(n) = n² => T(n) = n² => O(n²)
2.3 常见的时间复杂度
- 常数阶
O(1)
- 对数阶
O(log2n)
- 线性阶
O(n)
- 线性对数阶
O(nlog2n)
- 平方阶
O(n^2)
- 立方阶
O(n^3)
- k次方阶
O(n^k)
- 指数阶
O(2^n)
说明:
1) 常见的算法时间复杂度由小到大依次为:
Ο(1)<Ο(log2n)<Ο(n)<Ο(nlog2n)<Ο(n2)<<Ο(2n)
,随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低
2) 从图中可见,我们应该尽可能避免使用指数阶的算法
2.4 常见的时间复杂度举例
2.4.1 常数阶O(1)
无论代码执行了多少行,只要是没有循环等复杂结构,那这个代码的时间复杂度就都是O(1)
int i = 1;
int j = 2;
++i;
j++;
int m= i +j;
上述代码在执行的时候,它消耗的时候并不随着某个变量的增长而增长,那么无论这类代码有多长,即使有几万几十万行,都可以用O(1)
来表示它的时间复杂度。
2.4.2 对数阶O(log2n)
int i = 1;
while(i<n){
i = i*2;
}
说明:在while循环里面,每次都将 i 乘以 2,乘完之后,i 距离 n 就越来越近了。假设循环x次之后,i 就大于 2 了,此时这个循环就退出了,也就是说 2 的 x 次方等于 n,那么 x = log2n也就是说当循环 log2n 次以后,这个代码就结束了。因此这个代码的时间复杂度为:O(log2n)
。
O(log2n)
的这个2 时间上是根据代码变化的,i = i * 3 ,则是 O(log3n)
.
2.4.3 线性阶O(n)
for(i=1; i <= n; ++i){
j = i;
j++;
}
说明:这段代码,for循环里面的代码会执行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
2.4.4 线性对数阶O(nlogN)
for(m=1; men;m++){
i = 1;
while(i<n){
i = i *2;
}
}
说明:线性对数阶O(nlogN) 其实非常容易理解,将时间复杂度为O(logn)的代码循环N遍的话,那么它的时间复杂度就是 n * O(logN),也就是了O(nlogN)
2.4.5 平方阶O(n²)
for(x=1; i<=n; X++){
for(i=1; i<=n; i++){
j = i;
j++;
}
}
说明: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,它的时间复杂度就是 O(n*n),即 O(n²)
。如果将其中一层循环的n改成m,那它的时间复杂度就变成了 O(m*n)
2.4.6 立方阶O(n³)
、K次方阶O(n^k)
说明:参考上面的O(n²) 去理解就好了,O(n³)相当于三层n循环,其它的类似
2.5 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均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。
- 平均时间复杂度和最坏时间复杂度是否一致,和算法有关(如下图)。
3 算法的空间复杂度
- 类似于时间复杂度的讨论,一个算法的空间复杂度(
Space Complexity
)定义为该算法所耗费的存储空间,它也是问题规模n的函数。 - 空间复杂度(
Space Complexity
)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 - 在做算法分析时,主要讨论的是时间复杂度。从用户使用体验上看,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)本质就是用空间换时间.
4 冒泡排序
冒泡排序(Bubble Sorting
)的基本思想是:通过对待
排序序列从前向后(从下标较小的元素开始),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,因此要在排序过程中设置
一个标志flag判断元素是否进行过交换。从而减少不必要的比较。(这里说的优化,可以在冒泡排序写好后,在进行)
4.1 图解冒泡算法
4.2 冒泡排序应用实例
我们举一个具体的案例来说明冒泡法。我们将五个无序的数: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。
代码展示:
package itcast01;
import java.text.SimpleDateFormat;
import java.util.Date;
/*
冒泡排序(10s)
*/
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));
//为了容量理解,我们把冒泡排序的演变过程,给大家展示
//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个的随机的数组
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 8000000); //生成一个[0, 8000000) 数
}
Date data1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(data1);
System.out.println("排序前的时间是=" + date1Str);
//测试冒泡排序
bubbleSort(arr);
Date data2 = new Date();
String date2Str = simpleDateFormat.format(data2);
System.out.println("排序后的时间是=" + date2Str);
//System.out.println("排序后");
//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 - 1 - 1 ; j++) {
// 如果前面的数比后面的数大,则交换
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,就是将第三大的数排在倒数第三位
for (int j = 0; j < arr.length - 1 - 2; j++) {
// 如果前面的数比后面的数大,则交换
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4大的数排在倒数第4位
for (int j = 0; j < arr.length - 1 - 3; j++) {
// 如果前面的数比后面的数大,则交换
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)); */
}
// 将前面额冒泡排序算法,封装成一个方法
public static void bubbleSort(int[] arr) {
// 冒泡排序 的时间复杂度 O(n^2), 自己写出
int temp = 0; // 临时变量
boolean flag = false; // 标识变量,表示是否进行过交换
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,则交换
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,一次交换都没有发生过
break;
} else {
flag = false; // 重置flag!!!, 进行下次判断
}
}
}
}
5 选择排序
5.1 基本介绍:
选择式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,再依规定交换位置后达到排序的目的。
选择排序(select sorting)也是一种简单的排序方法。它的基本思想是:第一次从arr[0]~ arr[n-1]中选取最小值,与arr[0]交换,第二次从arr[1]~ arr[n-1]中选取最小值,与arr[1]交换,第三次从arr[2]~ arr[n-1]中选取最小值,与arr[2]交换,…,第i次从arr[i-1]~ arr[n-1]中选取最小值,与arr[i-1]交换,…, 第n-1次从arr[n-2]~arr[n-1]中选取最小值,与arr[n-2]交换,总共通过n-1次,得到一个按排序码从小到大排列的有序序列。
5.2 选择排序应用实例:
有一群牛 , 颜值分别是 101, 34, 119, 1 请使用选择排序从低到高进行排序 [101, 34, 119, 1]
代码展示:
package itcast02;
import java.text.SimpleDateFormat;
import java.util.Date;
//选择排序(比冒泡快点)(3s)
public class SelectSort {
public static void main(String[] args) {
//int [] arr = {101, 34, 119, 1, -1, 90, 123};
//创建要给80000个的随机的数组
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
}
System.out.println("排序前");
//System.out.println(Arrays.toString(arr));
Date data1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(data1);
System.out.println("排序前的时间是=" + date1Str);
selectSort(arr);
Date data2 = new Date();
String date2Str = simpleDateFormat.format(data2);
System.out.println("排序前的时间是=" + date2Str);
//System.out.println("排序后");
//System.out.println(Arrays.toString(arr));
}
//选择排序
public static void selectSort(int[] arr) {
//在推导的过程,我们发现了规律,因此,可以使用for来解决
//选择排序时间复杂度是 O(n^2)
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
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)+"轮后~~");
//System.out.println(Arrays.toString(arr));// 1, 34, 119, 101
}
/*
//使用逐步推导的方式来,讲解选择排序
//第1轮
//原始的数组 : 101, 34, 119, 1
//第一轮排序 : 1, 34, 119, 101
//算法 先简单--》 做复杂, 就是可以把一个复杂的算法,拆分成简单的问题-》逐步解决
//第1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
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1轮后~~");
System.out.println(Arrays.toString(arr));// 1, 34, 119, 101
//第2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
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2轮后~~");
System.out.println(Arrays.toString(arr));// 1, 34, 119, 101
//第3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
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3轮后~~");
System.out.println(Arrays.toString(arr));// 1, 34, 101, 119 */
}
}
6 插入排序
6.1 插入排序介绍
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找寻该元素的适当位置,以达到排序的目的。
6.2 插入排序基本思想
插入排序(Insertion 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,开始时有序表中只包含一个元素,无序表中包含有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。
6.3 插入排序应用案例
有一群小牛, 考试成绩分别是 101, 34, 119, 1 请从小到大排序
6.4 代码实现
package itcast03;
import java.text.SimpleDateFormat;
import java.util.Date;
/*
插入排序(不到一秒)
*/
public class InsertSort {
public static void main(String[] args) {
//int[] arr = {101, 34, 119, 1, -1, 89};
// 创建要给80000个的随机的数组
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
}
System.out.println("插入排序前");
Date data1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(data1);
System.out.println("排序前的时间是=" + date1Str);
insertSort(arr); //调用插入排序算法
Date data2 = new Date();
String date2Str = simpleDateFormat.format(data2);
System.out.println("排序前的时间是=" + date2Str);
//System.out.println(Arrays.toString(arr));
}
//插入排序
public static void insertSort(int[] arr) {
int insertVal = 0;//插入的数是直接一个个的,没有按照大小的
int insertIndex = 0;
//使用for循环来把代码简化
for (int i = 1; i < arr.length; i++) {
//定义待插入的数
insertVal = arr[i];
insertIndex = i - 1; // 即arr[1]的前面这个数的下标
// 给insertVal 找到插入的位置
// 说明
// 1. insertIndex >= 0 保证在给insertVal 找插入位置,不越界
// 2. insertVal < arr[insertIndex] 待插入的数,还没有找到插入位置
// 3. 就需要将 arr[insertIndex] 后移
while (insertIndex >= 0 && insertVal < arr[insertIndex]) {
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex]
insertIndex--;
}
// 当退出while循环时,说明插入的位置找到, insertIndex + 1
// 举例:理解不了,我们一会 debug
//这里我们判断是否需要赋值(就是在原来位置就不需要变了)
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,便利理解
//第1轮 {101, 34, 119, 1}; => {34, 101, 119, 1}
//{101, 34, 119, 1}; => {101,101,119,1}
//定义待插入的数
int insertVal = arr[1];
int insertIndex = 1 - 1; //即arr[1]的前面这个数的下标
//给insertVal 找到插入的位置
//说明
//1. insertIndex >= 0 保证在给insertVal 找插入位置,不越界
//2. insertVal < arr[insertIndex] 待插入的数,还没有找到插入位置
//3. 就需要将 arr[insertIndex] 后移
while(insertIndex >= 0 && insertVal < arr[insertIndex] ) {
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex]
insertIndex--;
}
//当退出while循环时,说明插入的位置找到, insertIndex + 1
//举例:理解不了,我们一会 debug
arr[insertIndex + 1] = insertVal;
System.out.println("第1轮插入");
System.out.println(Arrays.toString(arr));
//第2轮
insertVal = arr[2];
insertIndex = 2 - 1;
while(insertIndex >= 0 && insertVal < arr[insertIndex] ) {
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex]
insertIndex--;
}
arr[insertIndex + 1] = insertVal;
System.out.println("第2轮插入");
System.out.println(Arrays.toString(arr));
//第3轮
insertVal = arr[3];
insertIndex = 3 - 1;
while (insertIndex >= 0 && insertVal < arr[insertIndex]) {
arr[insertIndex + 1] = arr[insertIndex];// arr[insertIndex]
insertIndex--;
}
arr[insertIndex + 1] = insertVal;
System.out.println("第3轮插入");
System.out.println(Arrays.toString(arr)); */
}
}
7 希尔排序
7.1 希尔排序介绍
简单插入排序存在的问题
我们看简单的插入排序可能存在的问题.
数组 arr = {2,3,4,5,6,1} 这时需要插入的数 1(最小), 这样的过程是:
{
2,3,4,5,6,6}
{
2,3,4,5,5,6}
{
2,3,4,4,5,6}
{
2,3,3,4,5,6}
{
2,2,3,4,5,6}
{
1,2,3,4,5,6}
结论: 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.
希尔排序是希尔(Donald Shell)于1959年提出的一种排序算法。希尔排序也是一种插入排序,它是简单插入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。
7.2 希尔排序法基本思想
希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包含的关键词越来越多,当增量减至1时,整个文件恰被分成一组,算法便终止
7.3 希尔排序应用实例
希尔排序法应用实例:
有一群小牛, 考试成绩分别是 {8,9,1,7,2,3,5,4,6,0} 请从小到大排序. 请分别使用
- 希尔排序时, 对有序序列在插入时采用交换法, 并测试排序速度.
- 希尔排序时, 对有序序列在插入时采用移动法, 并测试排序速度
代码实现:
package itcast03;
import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;
/*
交换法(7s),移位法(不到1s)
希尔排序有两种方法: 交换法 和 移动法
*/
public class ShellSort {
public static void main(String[] args) {
//int[] arr = {8, 9, 1, 7, 2, 3, 5, 4, 6, 0};
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
}
System.out.println("排序前");
//System.out.println(Arrays.toString(arr));
Date data1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(data1);
System.out.println("排序前的时间是=" + date1Str);
//shellSort(arr);//交换式
shellSort2(arr);//移位法
Date data2 = new Date();
String date2Str = simpleDateFormat.format(data2);
System.out.println("排序前的时间是=" + date2Str);
}
//使用希尔排序来排序
public static void shellSort(int[] arr) {
int temp = 0;
int count = 0;
//根据前面的分析, 使用循环处理
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < arr.length; i++) {
//遍历各组中所有元素(共gap组, 每组有个元素), 步长gap
for (int j = i - gap; j >= 0; j -= gap) {
//如果当前元素大于加上步长后的元素, 说明交换
if (arr[j] > arr[j + gap]) {
temp = arr[j];
arr[j] = arr[j + gap];
arr[j + gap] = temp;
}
}
}
count++;
}
System.out.println("希尔排序第" + count + "轮后:" + Arrays.toString(arr));
/*
int temp = 0;
//希尔排序的第1轮排序
//因为第1轮排序, 是将10个数据分成了 5 组
for (int i = 5; i < arr.length; i++) {
//遍历各组中所有元素(共5组, 每组有2个元素), 步长5
for (int j = i - 5; j >= 0; j -= 5) {
//如果当前元素大于加上步长后的元素, 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1轮后:" + Arrays.toString(arr));
//希尔排序的第2轮排序
//因为第2轮排序, 是将10个数据分成了 5/2 = 2 组
for (int i = 2; i < arr.length; i++) {
//遍历各组中所有元素(共2组, 每组有5个元素), 步长5
for (int j = i - 2; j >= 0; j -= 2) {
//如果当前元素大于加上步长后的元素, 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2轮后:" + Arrays.toString(arr));
//希尔排序的第3轮排序
//因为第3轮排序, 是将10个数据分成了 2/2 = 1 组
for (int i = 1; i < arr.length; i++) {
//遍历各组中所有元素(共1组, 每组有10个元素), 步长5
for (int j = i - 1; j >= 0; j -= 1) {
//如果当前元素大于加上步长后的元素, 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3轮后:" + Arrays.toString(arr));
*/
}
//对交换式的希尔排序进行优化 -> 移位法【就是插入法的原型】
public static void shellSort2(int[] arr) {
int count = 0;
//增量gap, 并逐渐地缩减增量
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
//从第gap 个元素, 逐个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后, 就给出temp 找到插入的位置
arr[j] = temp;
}
}
count++;
}
//System.out.println("希尔排序第" + count + "轮后:" + Arrays.toString(arr));
}
}
8 快速排序
8.1 快速排序简介
快速排序(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
8.2 应用案例
快速排序法应用实例:
要求: 对 [-9,78,0,23,-567,70] 进行从小到大的排序,要求使用快速排序法。【测试8w和800w】
说明[验证分析]:
如果取消左右递归,结果是 -9 -567 0 23 78 70
如果取消右递归,结果是 -567 -9 0 23 78 70
如果取消左递归,结果是 -9 -567 0 23 70 78
8.3 代码实现
package itcast01;
//快排(1s)
import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;
public class QuickSort {
public static void main(String[] args) {
//int[] arr = {-9, 78, 0, 23, -567, 70};
//测试快排的速度
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
}
System.out.println("排序前");
Date data1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(data1);
System.out.println("排序前的时间是=" + date1Str);
quickSort(arr, 0, arr.length -1);
//System.out.println("快速排序完为:" + Arrays.toString(arr));
Date data2 = new Date();
String date2Str = simpleDateFormat.format(data2);
System.out.println("排序前的时间是=" + date2Str);
}
/**
*
* @param arr 目标数组
* @param left 左索引
* @param right 右索引
*/
public static void quickSort(int[] arr, int left, int right) {
int l = left;
int r = right;
//pivot 中轴值
int pivot = arr[(left + right) / 2];
int temp = 0;//创建临时变量, 作为交换时使用
//while 循环的目的是让pivot 值小的放到左面
//比pivot 值大的放到右边
while( l < r) {
//在pivot 左面一直找,找到大于等于pivot值, 才退出
while( arr[l] < pivot) {
l += 1;
}
//在pivot 右面一直找,找到小于等于pivot值, 才退出
while(arr[r] > pivot) {
r -= 1;
}
//如果l >= r 说明左右两个边的值, 已经按照左边全部是
//小于等于pivot 的值, 右边全是大于等于pivot的值
if(l >= r) {
break;
}
//交换
temp = arr[l];
arr[l] = arr[r];
arr[r] = temp;
//如果交换完, 发现这个arr[l] == pivot值相等 r-- ,前移
if (arr[l] == pivot) {
r -= 1;
}
//如果交换完, 发现这个arr[r] == pivot值相等 l++ ,后移
if (arr[r] == pivot) {
l += 1;
}
}
// 如果 l == r, 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);
}
}
}
9 归并排序
9.1 归并排序介绍:
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(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)。
9.2 示意图1
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。
9.3 示意图2
归并排序思想示意图2-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
9.3 归并案例
归并排序的应用实例:
给你一个数组, val arr = Array(9,8,7,6,5,4,3,2,1), 请使用归并排序完成排序。
代码实现:
//归并算法(不到1s)
import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;
public class MergetSort {
public static void main(String[] args) {
//int[] arr = {8, 4, 5, 7, 6, 2};
//创建要给80000个的随机的数组
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 8000000); //生成一个[0, 8000000) 数
}
Date data1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(data1);
System.out.println("排序前的时间是=" + date1Str);
int temp[] = new int[arr.length];//归并排序需要一个额外的空间
mergeSort(arr, 0, arr.length - 1, temp);
Date data2 = new Date();
String date2Str = simpleDateFormat.format(data2);
System.out.println("排序后的时间是=" + date2Str);
//System.out.println("归并排序后:" + Arrays.toString(arr));
}
//分+合方法
public static void mergeSort(int[] arr, int left, int right, int[] temp) {
if (left < right) {
int mid = (left + right) / 2;//中间索引
//向左递归进行分解
mergeSort(arr, left, mid, temp);
//向右递归进行分解
mergeSort(arr, mid + 1, right, temp);
//到合并
merge(arr, left, mid, right, temp);
}
}
//合并的方法
/**
*
* @param arr 排序的原始数组
* @param left 左边有序序列的初始索引
* @param mid 中间索引
* @param right 右边索引
* @param temp 做中转的数组
*/
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, 右边的有序序列的初始索引
int t = 0;//指向temp数组当前索引
//(一)
//先把左右两边(有序)的数据按照规则填充到temp数组
//直到左右两边的有序序列, 有一边处理完毕为止
while(i <= mid && j <= right) {
//如果我们发现有序序列的单前元素,小于等于右边有序序列的当前元素
//即将左边的单前元素, 拷贝到temp 数组
//然后要后移
if (arr[i] <= arr[j]) {
temp[t] = arr[i];
t += 1;
i += 1;
} else {
//反之, 将右边的有序列表的当前元素, 填充到temp数组
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) {
//左面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) {
//左面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) {
//第一次合并 tempLeft = 0 , right = 1 // tempLeft = 2 right = 3 // tL=0 ri=3
//最后一次 tempLeft = 0 right = 7
arr[tempLeft] = temp[t];
t += 1;
tempLeft += 1;
}
}
}
10 基数排序(桶排序)介绍:
-
基数排序(radix sort)属于“分配式排序”(distribution sort),又称“桶子法”(bucket sort)或bin sort,顾名思义,它是通过键值的各个位的值,将要排序的元素分配至某些“桶”中,达到排序的作用
-
基数排序法是属于稳定性的排序,基数排序法的是效率高的稳定性排序法
-
基数排序(Radix Sort)是桶排序的扩展
-
基数排序是1887年赫尔曼·何乐礼发明的。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。
10.1 基数排序基本思想
基数排序基本思想
-
将所有待比较数值统一为同样的数位长度,数位较短的数前面补零。然后,从最低位开始,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, 数列就变成一个有序序列。
-
这样说明,比较难理解,下面我们看一个图文解释,理解基数排序的步骤
10.2 基数排序的图解
基数排序图文说明:
将数组 {53, 3, 542, 748, 14, 214} 使用基数排序, 进行升序排序。
10.3 基数排序代码实现
要求:将数组 {53, 3, 542, 748, 14, 214 } 使用基数排序, 进行升序排序
思路分析:前面的图文已经讲明确
代码实现:看老师演示
- 基数排序的说明:
- 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,占用内存很大, 当对海量数据排序时,容易造成 OutOfMemoryError 。 - 基数排序时稳定的。[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]仍在r[j]之前,则称这种排序算法是稳定的;否则称为不稳定的]
- 有负数的数组,我们不用基数排序来进行排序, 如果要支持负数,参考: sorting - sort翻译 - 基数排序维基百科
- 基数排序是对传统桶排序的扩展,速度很快.
代码实现:
//基数排序(不到1s)
import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;
public class RadixSort {
public static void main(String[] args) {
//80000 * 11 * 4 / 1024 / 1024 / 1024 = 0.0032G(占内存很大)
//int[] arr = {53, 3, 542, 748, 14, 214};
//创建要给80000个的随机的数组
int[] arr = new int[80000];
for (int i = 0; i < 80000; i++) {
arr[i] = (int) (Math.random() * 8000000); //生成一个[0, 8000000) 数
}
Date data1 = new Date();
SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String date1Str = simpleDateFormat.format(data1);
System.out.println("排序前的时间是=" + date1Str);
radixSort2(arr);
Date data2 = new Date();
String date2Str = simpleDateFormat.format(data2);
System.out.println("排序后的时间是=" + date2Str);
}
public static void radixSort2(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
//1. 得到数组中最大的位数
int max = arr[0];//假设第一位数就是最大数
for (int i = 1; i < arr.length; i++) {
if (max < arr[i]) {
max = arr[i];
}
}
//得到最大数的位数:
int maxLength = (max + "").length();
//定义一个二维数组, 表示10个桶, 每个桶就是一个一维数组
//说明:
//1. 二维数组包含10个一维数组
//2. 为了防止在放入数的时候, 数据溢出, 则每个一维数组(桶), 大小定为arr.length
//3. 名明确, 基数排序是使用空间换时间的经典算法
int[][] bucket = new int[10][arr.length];
//为了记录每个桶, 实际存放多少个数据, 我们定义一个一维数组, 来记录各个桶每次放入数据个数
//可以这样理解
//比如: bucketElementCounts[0] 记录的是 bucket[0] 桶的放入的数据的个数
int[] bucketElementCounts = new int[10];
//这个默认为0, 所以这个就相当于索引
//digitOfElement: 这个就是进入桶的数
//这里是我们使用循环将代码实现
for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
//(针对每个元素对应位进行排序处理), 第一次是个位, 第二次是十位, 第三次是百位。。。
for (int j = 0; j < arr.length; j++) {
//取出每个元素的对应位的值
int digitOfElement = arr[j] / n % 10;
//放入到对应的桶中
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, 放入原来数组)
int index = 0;
//遍历每一个桶, 并将桶中的数据, 放入到元素组中
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中有数据, 我们才放入到原数组
if (bucketElementCounts[k] != 0) {
//即循环该桶即第k个桶(即第k个一维数组), 放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入到arr
arr[index] = bucket[k][l];
index++;
}
}
//第i+1轮处理后 需要将每个bucketElementCounts 置零 ===========重要
bucketElementCounts[k] = 0;
}
//System.out.println("第" + (i + 1) + "轮,对个位的基数排序:" + Arrays.toString(arr));
}
}
/*
//基数排序方法
public static void radixSort(int[] arr) {
//第1轮(针对每个元素的个位数进行排序处理)
//定义一个二维数组, 表示10个桶, 每个桶就是一个一维数组
//说明:
//1. 二维数组包含10个一维数组
//2. 为了防止在放入数的时候, 数据溢出, 则每个一维数组(桶), 大小定为arr.length
//3. 名明确, 基数排序是使用空间换时间的经典算法
int[][] bucket = new int[10][arr.length];
//为了记录每个桶, 实际存放多少个数据, 我们定义一个一维数组, 来记录各个桶每次放入数据个数
//可以这样理解
//比如: bucketElementCounts[0] 记录的是 bucket[0] 桶的放入的数据的个数
int[] bucketElementCounts = new int[10];
//这个默认为0, 所以这个就相当于索引
//digitOfElement: 这个就是进入桶的数
//按照这个桶的顺序(一维数组的下标依次取出数据, 放入原来数组)
for (int j = 0; j < arr.length; j++) {
//取出每个元素的个数
int digitOfElement = arr[j] % 10;
//放入到对应的桶中
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, 放入原来数组)
int index = 0;
//遍历每一个桶, 并将桶中的数据, 放入到元素组中
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中有数据, 我们才放入到原数组
if (bucketElementCounts[k] != 0) {
//即循环该桶即第k个桶(即第k个一维数组), 放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入到arr
arr[index] = bucket[k][l];
index++;
}
}
//第1轮处理后 需要将每个bucketElementCounts 置零 ===========重要
bucketElementCounts[k] = 0;
}
System.out.println("第1轮,对个位的基数排序:" + Arrays.toString(arr));
//第2轮(针对每个元素的个位数进行排序处理)
for (int j = 0; j < arr.length; j++) {
//取出每个元素的十数
int digitOfElement = arr[j] / 10 % 10;
//放入到对应的桶中
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, 放入原来数组)
index = 0;
//遍历每一个桶, 并将桶中的数据, 放入到元素组中
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中有数据, 我们才放入到原数组
if (bucketElementCounts[k] != 0) {
//即循环该桶即第k个桶(即第k个一维数组), 放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入到arr
arr[index++] = bucket[k][l];
}
}
//第2轮处理后 需要将每个bucketElementCounts 置零 ===========重要
bucketElementCounts[k] = 0;
}
System.out.println("第2轮,对个位的基数排序:" + Arrays.toString(arr));
//第3轮(针对每个元素的个位数进行排序处理)
for (int j = 0; j < arr.length; j++) {
//取出每个元素的百数
int digitOfElement = arr[j] / 10 / 10 % 10;
//放入到对应的桶中
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, 放入原来数组)
index = 0;
//遍历每一个桶, 并将桶中的数据, 放入到元素组中
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中有数据, 我们才放入到原数组
if (bucketElementCounts[k] != 0) {
//即循环该桶即第k个桶(即第k个一维数组), 放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放入到arr
arr[index++] = bucket[k][l];
}
}
//第3轮处理后 需要将每个bucketElementCounts 置零 ===========重要
bucketElementCounts[k] = 0;
}
System.out.println("第3轮,对个位的基数排序:" + Arrays.toString(arr));
}
*/
}
11 常用排序算法总结和对比