最近整理了下以前的資料。有的算法沒有實現,嘿嘿,以後再補吧!
/** * 排序算法的分類如下: * 1.插入排序(直接插入排序、折半插入排序、希爾排序); * 2.交換排序(冒泡泡排序、快速排序); * 3.選擇排序(直接選擇排序、堆排序); * 4.歸併排序; * 關於排序方法的選擇: * (1)若n較小(如n≤50),可採用直接插入或直接選擇排序。 * 當記錄規模較小時,直接插入排序較好;否則因爲直接選擇移動的記錄數少於直接插人,應選直接選擇排序爲宜。 (2)若文件初始狀態基本有序(指正序),則應選用直接插人、冒泡或隨機的快速排序爲宜; * (3)若n較大,則應採用時間複雜度爲O(nlgn)的排序方法:快速排序、堆排序或歸併排序。 * @author HaiYang * */ public class SortTest { /** * 創建數組 * @param len * @return */ public int[] creatArray(int len){ int arr[] = new int[len]; Random r=new Random(); for(int i=0;i<len-1;i++){ arr[i]=r.nextInt(1000)+1; } System.out.println("初始數組..."); printArray(arr); return arr ; } /** * 打印數組 * @param arr */ public static void printArray(int[] arr) { for(int i=0;i<arr.length;i++){ System.out.print(arr[i]+"\t"); } System.out.println(""); } /** * 反轉數組 * @param arr */ private void reverseArray(int[] arr) { int len = arr.length; int tmp =0; for(int i=0;i<len/2;i++){ tmp = arr[i]; arr[i] = arr[len -1 - i ]; arr[len -1 - i ] = tmp; printArray( arr); } } /** * 交換數組中指定的兩元素的位置 * @param data * @param x * @param y * @return */ private void swap (int[] arry ,int x,int y ){ int tmp = arry[x]; arry[x] = arry[y]; arry[y] = tmp; //printArray(arry); } /** * 冒泡排序----交換排序的一種 * 方法:相鄰兩元素進行比較,如有需要則進行交換,每完成一次循環就將最大元素排在最後(如從小到大排序),下一次循環是將其他的數進行類似操作。 * 性能:比較次數O(n^2),n^2/2;交換次數O(n^2),n^2/4 * * @param data 要排序的數組 * @param sortType 排序類型 * @return */ public void bubbleSort( int[] data ,String sortType){ if( "asc".equals(sortType)){//正序 for( int i=0;i<data.length-1;i++){ for(int j=0;j<data.length-1;j++){ if(data[j] > data[j+1]){ swap(data,j,j+1); } } } }else{ for( int i=0;i<data.length-1;i++){ for(int j=0;j<data.length-1;j++){ if(data[j] < data[j+1]){ swap(data,j,j+1); } } } } } /** * * 直接選擇排序法----選擇排序的一種 * 方法:每一趟從待排序的數據元素中選出最小(或最大)的一個元素, 順序放在已排好序的數列的最後,直到全部待排序的數據元素排完。 * 性能:比較次數O(n^2),n^2/2 * 交換次數O(n),n * 交換次數比冒泡排序少多了,由於交換所需CPU時間比比較所需的CUP時間多,所以選擇排序比冒泡排序快。 * 但是N比較大時,比較所需的CPU時間佔主要地位,所以這時的性能和冒泡排序差不太多,但毫無疑問肯定要快些。 * @param data 要排序的數組 * @param sortType 排序類型 */ public void selecteSort( int[] data ,String sortType){ if( "asc".equals(sortType)){//正序 int index ; //找出最大 for( int i=1;i<data.length;i++){ index = 0; for(int j=1;j<=data.length-i;j++){ if(data[j] > data[ index ]){ index = j; } } //放到最後 swap(data,data.length-i ,index ); } }else{ int index ; //找出 最小的索引 for( int i=1;i<data.length;i++){ index = 0; for(int j=1;j<=data.length-i;j++){ if(data[j] < data[ index ]){ index = j; } } //放到最後 swap(data,data.length-i ,index ); } } } /** * 插入排序 * 方法:將一個記錄插入到已排好序的有序表(有可能是空表)中,從而得到一個新的記錄數增1的有序表。 * 性能:比較次數O(n^2),n^2/4 * 複製次數O(n),n^2/4 * 比較次數是前兩者的一般,而複製所需的CPU時間較交換少,所以性能上比冒泡排序提高一倍多,而比選擇排序也要快。 * * @param data 要排序的數組 * @param sortType 排序類型 */ public void insertSort( int[] data ,String sortType){ if( "asc".equals(sortType)){//正序 for( int i=1;i<data.length;i++){ for(int j=0;j< i;j++){ if(data[j] > data[ i ]){ swap(data,i ,j ); } } } }else{ for( int i=1;i<data.length;i++){ for(int j=0;j< i;j++){ if(data[j] < data[ i ]){ swap(data,i ,j ); } } } } } /** * http://mobile.51cto.com/news-450017.htm * 快速排序 * 快速排序使用分治法(Divide and conquer)策略來把一個序列(list)分爲兩個子序列(sub-lists)。 * 步驟爲: * 1. 從數列中挑出一個元素,稱爲 "基準"(pivot), * 2. 重新排序數列,所有元素比基準值小的擺放在基準前面,所有元素比基準值大的擺在基準的後面(相同的數可以到任一邊)。在這個分割之後,該基準是它的最後位置。這個稱爲分割(partition)操作。 * 3. 遞歸地(recursive)把小於基準值元素的子數列和大於基 準值元素的子數列排序。 * 遞迴的最底部情形,是數列的大小是零或一,也就是永遠都已經被排序好了。雖然一直遞迴下去,但是這個算法總會結束,因爲在每次的迭代(iteration)中,它至少會把一個元素擺到它最後的位置去。 * @param data 待排序的數組 * @param low * @param high * @see SortTest#qsort(int[], int, int) * @see SortTest#qsort_desc(int[], int, int) */ public void quickSort(int[] data, String sortType){ if( "asc".equals(sortType)){//正序 qsort_asc(data, 0, data.length - 1); }else{ qsort_desc(data, 0, data.length - 1); } } private void qsort_desc(int[] data, int low, int high) { int i, j, x; if (low < high) { // 這個條件用來結束遞歸 i = low; j = high; x = data[i]; while (i < j) { while (i < j && data[j] < x) { j--; // 從右向左找第一個大於x的數 } if (i < j) { data[i] = data[j]; i++; } while (i < j && data[i] > x) { i++; // 從左向右找第一個小於x的數 } if (i < j) { data[j] = data[i]; j--; } } //已data[i]爲分節點 左邊都是大於它的,右邊都是小於他的 data[i] = x; printArray(data); System.out.println( i ); qsort_desc(data, low, i - 1); qsort_desc(data, i + 1, high); } } private void qsort_asc(int[] data, int low, int high) { int i, j, x; if (low < high) { // 這個條件用來結束遞歸 i = low; j = high; x = data[i]; while (i < j) { while (i < j && data[j] > x) { j--; // 從右向左找第一個小於x的數 } if (i < j) { data[i] = data[j]; i++; } while (i < j && data[i] < x) { i++; // 從左向右找第一個大於x的數 } if (i < j) { data[j] = data[i]; j--; } } //已data[i]爲分節點 左邊都是小於它的,右邊都是大於他的 data[i] = x; printArray(data); System.out.println( i ); qsort_asc(data, low, i - 1); qsort_asc(data, i + 1, high); } } /** * 堆的定義如下: n個元素的序列{k0,k1,...,ki,…,k(n-1)}當且僅當滿足下關係時,稱之爲堆。 " ki<=k2i,ki<=k2i+1;或ki>=k2i,ki>=k2i+1.(i=1,2,…,[n/2])" 若將和此次序列對應的一維數組(即以一維數組作此序列的存儲結構)看成是一個完全二叉樹, 則完全二叉樹中每一個節點的值的都大於或等於任意一個字節的值(如果有的話),稱之爲大頂堆。 則完全二叉樹中每一個節點的值的都小於或等於任意一個字節的值(如果有的話),稱之爲小頂堆。 由此,若序列{k0,k1,…,k(n-1)}是堆,則堆頂元素(或完全二叉樹的根)必爲序列中n個元素的最小值(或最大值)。 倘若給堆中每一個節點都賦予一個整數值標籤,根節點被標記爲0,對於每一個標記爲i的節點,其左子節點(若存在的話) 被標記爲2*i+1,其右子節點(若存在的話)被標記爲2*i+2,對於一個標記爲i的非根節點,其父節點被標記爲(i-1)/2。使用這個標記, 我們能夠將堆存儲在數組中,節點存儲在數據中的位置就使其標籤。 * @param data * @param sortType */ public void heapSort(int[] data, String sortType){ // 1 創建一個堆H[0..n-1] // // 2 把堆首(最大值或最小值)和堆尾互換 // // 3. 把堆的尺寸縮小1,目的是把新的數組頂端數據調整到相應位置 // // 4. 重複步驟2,直到堆的尺寸爲1 if( "asc".equals(sortType)){//正序 build_max_heap(data); for(int i = data.length - 1; i>=1; i--){ swap(data, i, 0); max_heapify(data, 0,i); } }else{ build_min_heap(data); for(int i = data.length - 1; i>=1; i--){ swap(data, i, 0); min_heapify(data, 0,i); } } } /** * 創建最大堆 * @param data */ private void build_max_heap(int[] data) { int heap_size = data.length; for(int i=heap_size/2-1;i>=0;i--){ max_heapify(data, i,heap_size); } printArray(data); } /** * 保持最大堆 結構 * @param data 數組 * @param i * @param heap_size */ private void max_heapify(int[] data, int i,int heap_size) { int left = 2*i+1; int right = 2*i + 2; int largest = 0; if(left < heap_size && data[i]<data[left]){ largest = left; }else{ largest = i; } if(right < heap_size && data[right] > data[largest]){ largest = right; } if(largest == i){ return ; }else{ swap(data, largest, i); //遞歸交換 堆頂最後變最大 max_heapify(data, largest,heap_size); } } private void build_min_heap(int[] data) { int heap_size = data.length; for(int i=heap_size/2-1;i>=0;i--){ min_heapify(data, i,heap_size); } } private void min_heapify(int[] data, int i, int heap_size) { int left = 2*i+1; int right = 2*i + 2; int min = 0; if(left < heap_size && data[i]>data[left]){ min = left; }else{ min = i; } if(right < heap_size && data[right] < data[min]){ min = right; } if(min == i){ return ; }else{ swap(data, min, i); min_heapify(data, min,heap_size); } } public void mergeSort(int[] data, String sortType){ sort(data,0,data.length-1); } public static int[] sort(int[] nums, int low, int high) { int mid = (low + high) / 2; if (low < high) { // 左邊 sort(nums, low, mid); // 右邊 sort(nums, mid + 1, high); // 左右歸併 merge(nums, low, mid, high); } return nums; } public static void merge(int[] nums, int low, int mid, int high) { int[] temp = new int[high - low + 1]; int i = low;// 左指針 int j = mid + 1;// 右指針 int k = 0; // 把較小的數先移到新數組中 while (i <= mid && j <= high) { if (nums[i] < nums[j]) { temp[k++] = nums[i++]; } else { temp[k++] = nums[j++]; } } // 把左邊剩餘的數移入數組 while (i <= mid) { temp[k++] = nums[i++]; } // 把右邊邊剩餘的數移入數組 while (j <= high) { temp[k++] = nums[j++]; } // 把新數組中的數覆蓋nums數組 for (int k2 = 0; k2 < temp.length; k2++) { nums[k2 + low] = temp[k2]; } } /** * * 二分查找算法 * * * 二分查找算法是一種在有序數組中查找某一特定元素的搜索算法。搜素過程從數組的中間元素開始, * 如果中間元素正好是要查找的元素,則搜 素過程結束; 如果某一特定元素大於或者小於中間元素, * 則在數組大於或小於中間元素的那一半中查找,而且跟開始一樣從中間元素開始比較。如果在某一步 * 驟數組 爲空,則代 表找不到。這種搜索算法每一次比較都使搜索範圍縮小一半。折半搜索每次把搜索區域減少一半,時間複雜度爲Ο(logn) 。 * @param srcArray * 有序數組 * * @param des * 查找元素 * * @return des的數組下標,沒找到返回-1 */ public static int binarySearch(int[] srcArray, int des){ int low = 0; int high = srcArray.length-1; while(low <= high) { int middle = (low + high)/2; if(des == srcArray[middle]) { return middle; }else if(des <srcArray[middle]) { high = middle - 1; }else { low = middle + 1; } } return -1; } /** *二分查找特定整數在整型數組中的位置(遞歸) *@paramdataset *@paramdata *@parambeginIndex *@paramendIndex *@returnindex */ public static int binarySearch(int[] dataset,int data,int beginIndex,int endIndex){ int midIndex = (beginIndex+endIndex)/2; if(data <dataset[beginIndex]||data>dataset[endIndex]||beginIndex>endIndex){ return -1; } if(data <dataset[midIndex]){ return binarySearch(dataset,data,beginIndex,midIndex-1); }else if(data>dataset[midIndex]){ return binarySearch(dataset,data,midIndex+1,endIndex); }else { return midIndex; } } public static void main(String[] args) { SortTest st = new SortTest(); int[] data = st.creatArray(10); String sortType ="asc"; st.mergeSort(data, sortType); printArray(data); System.out.println( st.binarySearch( new int[]{1,4,5,6,9,15,25},1)); } }