引用
来源：
选择排序
实现原理
首先从未排序序列中找到最小的元素，放置到排序序列的起始位置，然后从剩余的未排序序列中继续寻找最小元素，放置到已排序序列的末尾。所以称之为选择排序。
代码实现
public static int[] selectionsort(int[] arr){
if (null == arr || arr.length == 0){
return null;
}
int length = arr.length;
for (int i = 0; i < length - 1; i ) {
int min = i;
for (int j = i 1; j < length; j ) {
if (arr[j] < arr[min]){
min = j;
}
}
int temp = arr[i];
arr[i] = arr[min];
arr[min] = temp;
}
return arr;
}
案例分析
时间复杂度与空间复杂度
每次要找一遍最小值，最坏情况下找n次，这样的过程要执行n次，所以时间复杂度还是o(n^2)。空间复杂度是o(1)。
快速排序
实现原理
- 在数据集之中，选择一个元素作为”基准”（pivot）。
- 所有小于”基准”的元素，都移到”基准”的左边；所有大于”基准”的元素，都移到”基准”的右边。这个操作称为分区 (partition)。
操作，分区操作结束后，基准元素所处的位置就是最终排序后它的位置。
- 对”基准”左边和右边的两个子集，不断重复第一步和第二步，直到所有子集只剩下一个元素为止。
代码实现
public static int partition(int[] array, int lo, int hi) {
// 固定的切分方式
int key = array[lo];
while (lo < hi) {
while (array[hi] >= key && hi > lo) {// 从后半部分向前扫描
hi--;
}
array[lo] = array[hi];
while (array[lo] <= key && hi > lo) {// 从前半部分向后扫描
lo ;
}
array[hi] = array[lo];
}
array[hi] = key;
return hi;
}
public static int[] sort(int[] array, int lo, int hi) {
if (lo >= hi) {
return array;
}
int index = partition(array, lo, hi);
sort(array, lo, index - 1);
sort(array, index 1, hi);
return array;
}
案例分析
时间复杂度与空间复杂度
快速排序也是一个不稳定排序，平均时间复杂度是o(nlogn)。空间复杂度是o(logn)。
冒泡排序
实现原理
依次比较相邻的两个元素，如果第一个元素大于第二个元素就交换它们的位置。这样比较一轮之后，最大的元素就会跑到队尾。然后对未排序的序列重复这个过程，最终转换成有序序列。
代码实现
public static int[] bubblesort(int[] arr){
for (int i = 0; i < arr.length - 1; i ) {
for (int j = 0; j < arr.length - i -1; j ) {
if (arr[j] > arr[j 1]){
arr[j] = arr[j] arr[j 1];
arr[j 1] = arr[j] - arr[j 1];
arr[j] = arr[j] - arr[j 1];
}
}
}
return arr;
}
案例分析
以数组 arr = [3 4 2 8 0] 为例说明，加粗的数字表示每次循环要比较的两个数字：
第一次外循环
(
3 4 2 8 0 ) → (
3 4 2 8 0 )， 4 > 3 位置不变 ( 3
4 2 8 0 ) → (3
2 4 8 0 )， 4 > 2 交换位置 ( 3 2
4 8 0 ) → ( 3 2
4 8 0 )， 8 > 4 位置不变 ( 3 2 4
8 0 ) → ( 3 2 4
0 8 )， 8 > 0 交换位置
第二次外循环（除开最后一个元素8，对剩余的序列）
(
3 2 4 0 8 ) → (
2 3 4 0 8 )， 3 > 2 交换位置 ( 2
3 4 0 8 ) → ( 2
3 4 0 8 )， 4 > 3 位置不变 ( 2 3
4 0 8 ) → ( 2 3
0 4 8 )， 4 > 0 交换位置
第三次外循环（除开已经排序好的最后两个元素，对剩余的循环，直到剩余的序列为 1）
(
2 3 0 4 8 ) → (
2 3 0 4 8 )，3 > 2 位置不变 (2
3 0 4 8 ) → (2
0 3 4 8 )，3 > 0 交换位置
第四次外循环（最后一次）
(
2 0 3 4 8 ) → (
0 2 3 4 8 )，2 > 0 交换位置
时间复杂度与空间复杂度
由于我们要重复执行n次冒泡，每次冒泡要执行n次比较（实际是1到n的等差数列，也就是(a1 an) * n / 2），也就是 o(n^2)。 空间复杂度是o(1)。
插入排序
实现原理
- 认为第一个元素是排好序的，从第二个开始遍历。
- 拿出当前元素的值，从排好序的序列中从后往前找。
- 如果序列中的元素比当前元素大，就把它后移。直到找到一个小的。
- 把当前元素放在这个小的后面（后面的比当前大，它已经被后移了）。
代码实现
public static int[] insertionsort(int[] arr){
for (int i = 1; i < arr.length; i ) {
for (int j = i; j > 0; j--) {
if (arr[j] < arr[j - 1]){
int temp = arr[j];
arr[j] = arr[j - 1];
arr[j - 1] = temp;
}
}
}
return arr;
}
原理图解
案例1
案例2
时间复杂度与空间复杂度
因为要选择n次，而且插入时最坏要比较n次，所以时间复杂度同样是o(n^2)。空间复杂度是o(1)。
希尔排序
实现原理
- 先取一个正整数 d1(d1 < n)，把全部记录分成 d1 个组，所有距离为 d1 的倍数的记录看成一组，然后在各组内进行插入排序
- 然后取 d2(d2 < d1)
- 重复上述分组和排序操作；直到取 di = 1(i >= 1) 位置，即所有记录成为一个组，最后对这个组进行插入排序。一般选 d1 约为 n/2，d2 为 d1 /2， d3 为 d2/2 ，…， di = 1。
代码实现
public static int[] shellsort(int[] arr){
for (int gap = arr.length/2; gap > 0 ; gap/=2) {
for (int i = gap; i < arr.length; i ) {
int j = i;
while (j-gap>=0 && arr[j] < arr[j-gap]){
int temp = arr[j];
arr[j] = arr[j-gap];
arr[j-gap] = temp;
j -= gap;
}
}
}
return arr;
}
案例分析
假设有数组 array = [80, 93, 60, 12, 42, 30, 68, 85, 10]，首先取 d1 = 4，将数组分为 4 组，如下图中相同颜色代表一组：
然后分别对 4 个小组进行插入排序，排序后的结果为：
然后，取 d2 = 2，将原数组分为 2 小组，如下图：
然后分别对 2 个小组进行插入排序，排序后的结果为：
最后，取 d3 = 1，进行插入排序后得到最终结果：
时间复杂度与空间复杂度
希尔排序的时间复杂度受步长的影响，平均时间复杂度是o(n log2 n),空间复杂度是o(1)。
归并排序
实现原理
- 把 n 个记录看成 n 个长度为 l 的有序子表
- 进行两两归并使记录关键字有序，得到 n/2 个长度为 2 的有序子表
- 重复第 2 步直到所有记录归并成一个长度为 n 的有序表为止。
总而言之，归并排序就是使用递归，先分解数组为子数组，再合并数组。
代码实现
public static int[] mergesort(int[] arr){
int[] temp =new int[arr.length];
internalmergesort(arr, temp, 0, arr.length-1);
return temp;
}
private static void internalmergesort(int[] a, int[] b, int left, int right){
//当left==right的时，已经不需要再划分了
if (left
案例分析
案例1
以数组 array = [4 2 8 3 5 1 7 6] 为例，首先将数组分为长度为 2 的子数组，并使每个子数组有序：
[4 2] [8 3] [5 1] [7 6] ↓
[2 4] [3 8] [1 5] [6 7]
然后再两两合并：
[2 4 3 8] [1 5 6 7] ↓
[2 3 4 8] [1 5 6 7]
最后将两个子数组合并：
[2 3 4 8 1 5 6 7] ↓
[1 2 3 4 5 6 7 8]
案例2
时间复杂度与空间复杂度
在合并数组过程中，实际的操作是当前两个子数组的长度，即2m。又因为打散数组是二分的，最终循环执行数是logn。所以这个算法最终时间复杂度是o(nlogn)，空间复杂度是o(1)。
堆排序
实现原理
堆排序就是把最大堆堆顶的最大数取出，将剩余的堆继续调整为最大堆，再次将堆顶的最大数取出，这个过程持续到剩余数只有一个时结束。在堆中定义以下几种操作：
- 最大堆调整（max-heapify）：将堆的末端子节点作调整，使得子节点永远小于父节点
- 创建最大堆（build-max-heap）：将堆所有数据重新排序，使其成为最大堆
- 堆排序（heap-sort）：移除位在第一个数据的根节点，并做最大堆调整的递归运算
- parent(i) = floor((i-1)/2)，i 的父节点下标
- left(i) = 2i 1，i 的左子节点下标
- right(i) = 2(i 1)，i 的右子节点下标
代码实现
/**
* 堆排序
*/
public static int[] heapsort(int[] arr) {
// 将待排序的序列构建成一个大顶堆
for (int i = arr.length / 2; i >= 0; i--){
heapadjust(arr, i, arr.length);
}
// 逐步将每个最大值的根节点与末尾元素交换，并且再调整二叉树，使其成为大顶堆
for (int i = arr.length - 1; i > 0; i--) {
swap(arr, 0, i); // 将堆顶记录和当前未经排序子序列的最后一个记录交换
heapadjust(arr, 0, i); // 交换之后，需要重新检查堆是否符合大顶堆，不符合则要调整
}
return arr;
}
/**
* 构建堆的过程
* @param arr 需要排序的数组
* @param i 需要构建堆的根节点的序号
* @param n 数组的长度
*/
private static void heapadjust(int[] arr, int i, int n) {
int child;
int father;
for (father = arr[i]; leftchild(i) < n; i = child) {
child = leftchild(i);
// 如果左子树小于右子树，则需要比较右子树和父节点
if (child != n - 1 && arr[child] < arr[child 1]) {
child ; // 序号增1，指向右子树
}
// 如果父节点小于孩子结点，则需要交换
if (father < arr[child]) {
arr[i] = arr[child];
} else {
break; // 大顶堆结构未被破坏，不需要调整
}
}
arr[i] = father;
}
// 获取到左孩子结点
private static int leftchild(int i) {
return 2 * i 1;
}
// 交换元素位置
private static void swap(int[] arr, int index1, int index2) {
int tmp = arr[index1];
arr[index1] = arr[index2];
arr[index2] = tmp;
}
案例分析
时间复杂度与空间复杂度
堆执行一次调整需要o(logn)的时间，在排序过程中需要遍历所有元素执行堆调整，所以最终时间复杂度是o(nlogn)。空间复杂度是o(1)。
您还没有登录,请您登录后再发表评论