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));
}
}