免責事項:この記事はブロガーオリジナル記事です、続くBY-SAのCC 4.0を著作権契約、複製、元のソースのリンクと、この文を添付してください。
最悪の場合の複雑さのクイックドレンは、それが最適化する必要がある(N ^ 2)Oに到達します。
:リファレンス前に、各シーケンスの長さの後に行うことができる最悪のケースを避けるために、実質的に同じである、それが配列の中央値のレベルを見つけるために、線形アルゴリズムを使用する必要がある:線形時間選択アルゴリズムを選択します。
実装のソースコード:
package Keshe;
import java.util.Arrays;
public class Test {
private static Comparable[] bubble(int left, int right, Comparable []arr){ //冒泡排序,每次调用只起一次泡
Comparable temp;
for(int j=left;j<right;j++){
if(arr[j+1].compareTo(arr[j])<0)
swap(arr,j+1,j+2);
}
return arr;
}
private static Comparable[] bubbleSort(int left,int right,Comparable []arr){ //冒泡排序n-1次冒泡
Comparable temp;
for(int i=left+1;i<right;i++){
boolean YN = true;
for(int j=left;j<right-i;j++){
if(arr[j+1].compareTo(arr[j])<0){
swap(arr,j+1,j);
YN = false;
}
}
if(YN) break;
}
return arr;
}
public static Comparable select(int p,int r,int k,Comparable []arr)//Comperable强行对实现它的每个类的对象进行整体排序
{
if(r-p<5) {
arr=bubbleSort(p,k,arr);
return arr[p+k-1];
}
for(int i=0;i<=(r-p-4)/5 ;i++){
int s = p+i*5; //每组第一个元素
int t = s + 4; //每组最后一个元素
for(int j=0;j<3;j++)
arr=bubble(s,t-j,arr); //遍历一次只做一次冒泡
swap(arr,p+i,s+2);
}
Comparable x = select(p,p+(r-p-4)/5,(r-p+6)/10,arr);
int i = partition(p,r,arr);
int j=i-p+1;
if(k<=j)
return select(p,i,k,arr);
else
return select(i+1,r,k-j,arr);
}//线性时间选择
private static int partition(int p,int r,Comparable []arr){//11, 3, 29, 49, 30, 7, 50, 63, 46, 1, 99
int i = p,j =r+1;
Comparable x = arr[p];
while(true){
while(arr[++i].compareTo(x)<0 && i<r);
while(arr[--j].compareTo(x)>0);
if(i>=j){
arr[p] = arr[j];
arr[j] = (int)x;
break;
}
swap(arr,i,j);
}
return j;
}
public static void swap(Comparable[] arr, int i, int j) {
Comparable temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
public static void main(String[] args) {
long a=System.nanoTime();
Test s = new Test();
Comparable[] arr = { 11, 3, 29, 49, 30, 7, 50, 63, 46, 1, 99 };
System.out.println("未排序的数组:" + Arrays.toString(arr));
s.select(0, arr.length - 1,arr.length/2,arr);
System.out.println("排序后的数组:" + Arrays.toString(arr));
System.out.print("运行时间:");
System.out.println(System.nanoTime()-a+"纳秒");
}
}
最適化された約100万ナノ秒で高速走行時の元の行は50万人に到達します