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:
1) 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。
2) 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。
常见的排序的排序算法分类如图:
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。
原始数组:3, 9, -1, 10, 20
第一趟排序
(1) 3, 9, -1, 10, 20 // 如果相邻的元素逆序就交换
(2) 3, -1, 9, 10, 20
(3) 3, -1, 9, 10, 20
(4) 3, -1, 9, 10, 20
第二趟排序
(1) -1, 3, 9, 10, 20 //交换
(2) -1, 3, 9, 10, 20
(3) -1, 3, 9, 10, 20
第三趟排序
(1) -1, 3, 9, 10, 20
(2) -1, 3, 9, 10, 20
第四趟排序
(1) -1, 3, 9, 10, 20
小结冒泡排序规则
(1) 一共进行 数组的大小-1 次 大的循环
(2)每一趟排序的次数在逐渐的减少
(3) 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
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)
代码实现
public static void bubbleSort(int[] arr){
int temp = 0;
//标识变量,表示是否进行过交换
boolean flag = false;
//时间复杂度O(n^2)
for (int i = 0; i < arr.length - 1; i++) { //一共要排序几次
for (int j = 0; j < arr.length - 1 - i; j++) {//每次排序需要比较的次数
if (arr[j] > arr[j + 1]){
flag = true;
temp = arr[j + 1];
arr[j + 1] = arr[j];
arr[j] = temp;
}
}
if (flag){//出现过交换,重置flag
flag = false;
}else//在上一趟排序中,一次交换也没有发生过
break;
}
}
选择排序
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。
选择排序思想
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
原始的数组 : 101, 34, 119, 1
第一轮排序 : 1, 34, 119, 101
第二轮排序 : 1, 34, 119, 101
第三轮排序 : 1, 34, 101, 119
小结选择排序的规则
1. 选择排序一共有 数组大小 - 1 轮排序
2. 每1轮排序,又是一个循环, 循环的规则(代码)
- 先假定当前这个数是最小数
- 然后和后面的每个数进行比较,如果发现有比当前数更小的数,就重新确定最小数,并得到下标
- 当遍历到数组的最后时,就得到本轮最小数和下标 2.4 交换 [代码中再继续说 ]
代码实现
public static void selectSort(int[]arr){
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]){
minIndex = j;
min = arr[j];
}
}
//将最小值放在arr[i],即交换
if (minIndex != i){//如果最小值的下标改变了则交换
arr[minIndex] = arr[i];
arr[i] = min;
}
}
}
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找寻该元素的适当位置,以达到排序的目的。
插入排序思想
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。
原始的数组 : (101), 34, 119, 1
橘色箭头表示待插入的元素下标
绿色箭头表示待插入元素
第一次插入排序
第二次插入排序
第三次插入排序
代码实现
public static void insertSort(int[] arr){
int insertIndex = 0;
int insertValue = 0;
for (int i = 1; i < arr.length; i++) {
insertIndex = i - 1;
insertValue = arr[i];
while(insertIndex >= 0 && arr[insertIndex] > insertValue){
arr[insertIndex + 1] = arr[insertIndex];
insertIndex--;
}
//优化是否需要赋值
if (insertIndex + 1 != i){
arr[insertIndex + 1] = insertValue;
}
}
}
分析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
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。
希尔排序基本思想
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
为了方便大家理解
希尔排序时,对有序序列在插入时先采用交换法(冒泡法)
public static void shellSort(int[] arr){
int temp = 0;
int count = 0;
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < arr.length; i++) {
for (int j = i - gap; j >= 0; j -= gap) {
if (arr[j] > arr[j + gap]){//这里采用交换法
temp = arr[j];
arr[j] = arr[j + gap];
arr[j + gap] = temp;
}
}
}
}
}
希尔排序时,对有序序列在插入时采用移位法(真正的希尔排序)(插入法)
public static void shellSort(int[]arr){
int count = 0;
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < arr.length; i++) {
int insertIndex = i - gap;
int insertValue = arr[insertIndex + gap];
while(insertIndex >= 0 && insertValue < arr[insertIndex]){
arr[insertIndex + gap] = arr[insertIndex];
insertIndex -= gap;
}
if (insertIndex != (i - gap)){
arr[insertIndex + gap] = insertValue;
}
}
}
}
快速排序
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
代码实现
public static void quickSort(int[] arr,int left,int right){
int r = right;
int l = left;
int temp = 0;
int pivot = arr[(right + left) / 2];
while(l < r){
while(arr[l] < pivot){
l++;
}
while(arr[r] > pivot){
r--;
}
if(l == r)
break;
temp = arr[r];
arr[r] = arr[l];
arr[l] = temp;
if (arr[l] == pivot){
r--;
}
if (arr[r] == pivot){
l++;
}
}
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);
}
}
归并排序
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)。
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。
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
代码实现
治
public static void merge(int[] arr,int left,int mid,int right,int[]temp){
//System.out.println("*****");
int i = left;
int j = mid + 1;
int t = 0;
while(i <= mid && j <= right){
temp[t++] = arr[i] > arr[j] ? arr[j++] : arr[i++];
}
while(i <= mid){
temp[t++] = arr[i++];
}
while (j <= right){
temp[t++] = arr[j++];
}
t = 0;
int tempLeft = left;
//System.out.println("tempLeft = " + tempLeft + "right = " + right);
while(tempLeft <= right){
arr[tempLeft++] = temp[t++];
}
}
分(递归)
public static void mergeSort(int[] arr,int left,int right,int[] temp){
if(left < right){
int mid = (left + right) / 2;
mergeSort(arr,left,mid,temp);
mergeSort(arr,mid + 1,right,temp);
merge(arr,left,mid,right,temp);
}
}
基数排序(桶排序)
1、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
2、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
3、基数排序(Radix Sort)是桶排序的扩展
4、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。
基数排序的基本思想
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
数组的初始状态 arr = {53, 3, 542, 748, 14, 214}
第1轮排序:
(1) 将每个元素的个位数取出,然后看这个数应该放在哪个对应的桶(一个一维数组)
(2) 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)
数组的第1轮排序 arr = {542, 53, 3, 14, 214, 748}
第2轮排序:
(1) 将每个元素的十位数取出,然后看这个数应该放在哪个对应的桶(一个一维数组)
(2) 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)
数组的第2轮排序 arr = {3, 14, 214, 542, 748, 53}
第3轮排序:
(1) 将每个元素百位数取出,然后看这个数应该放在哪个对应的桶(一个一维数组)
(2) 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)
数组的第3轮排序 arr = {3, 14, 53, 214, 542, 748}
以上就是基数排序的实现过程
代码实现
代码说明
获取数组最大元素的位数
使用二维数组bucket[10][arr.length]模拟桶
使用bucketElementCounts[10]模拟每个桶的指针
public static void redixSort(int[]arr){
//获取数组中最大元素的位数
int max = arr[0];
for (int i = 0; i < arr.length; i++) {
if(max < arr[i])
max = arr[i];
}
int maxLength = (max + "").length();
//定义一个二维数组模拟桶
int [][] bucket = new int[10][arr.length];
//为了记录每个桶中的元素个数定义一个一维数组
int [] bucketElementCounts = new int[10];
for (int i = 0, n = 1; i < maxLength; i++,n *= 10) {
//入桶
for (int j = 0; j < arr.length; j++) {
int digitOfElement = arr[j] / n %10;
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
int index = 0;
//出桶
for (int j = 0; j < bucketElementCounts.length; j++) {
if(bucketElementCounts[j] != 0){
for (int k = 0; k < bucketElementCounts[j]; k++) {
arr[index++] = bucket[j][k];
}
}
//取出元素后,需要将bucketElementCount中的元素清零
bucketElementCounts[j] = 0;
}
//System.out.println("第" + (i + 1) + "次排序后的数组" + Arrays.toString(arr));
}
}
排序算法的速度测试
下面我创建了一个长度分别为80000的随机数组进行测试
硬件:CPU8代i7
public static void main(String[] args) {
System.out.println("测试排序算法的时间");
int[] arr = new int[80000];
for (int i = 0; i < arr.length; i++) {
arr[i] = (int)(Math.random() * 8000000);
}
Long startTime = System.currentTimeMillis();
redixSort(arr);
Long endTime = System.currentTimeMillis();
System.out.println(endTime - startTime + "ms");
}
分别测试
冒泡排序(优化后)
经过多次测试80000个数据冒泡排序大致时间10s左右
选择排序
经过多次测试80000个数据选择排序大致时间1900ms-2200ms
插入排序
经过多次测试80000个数据插入排序大致时间528ms-600ms
希尔排序
经过多次测试80000个数据希尔排序大致时间17ms-22ms
测试800000个数据
测试8000000个数据
快速排序
经过多次测试80000个数据快速排序大致时间15ms-22ms
测试800000个数据
测试8000000个数据
基数排序
经过多次测试80000个数据基数排序大致时间18ms-33ms
测试800000个数据
测试8000000个数据
分析
相关术语解释:
稳定:如果a原本在b前面,而a=b,排序之后a仍然在b的前面;
不稳定:如果a原本在b的前面,而a=b,排序之后a可能会出现在b的后面;
内排序:所有排序操作都在内存中完成;
外排序:由于数据太大,因此把数据放在磁盘中,而排序通过磁盘和内存的数据传输才能进行;
时间复杂度: 一个算法执行所耗费的时间。
空间复杂度:运行完一个程序所需内存的大小。
n: 数据规模
k: “桶”的个数
In-place: 不占用额外内存
Out-place: 占用额外内存
总结
本篇文章就到这里了,希望能够帮助到你,也希望你能够多多关注编程网的更多内容!