排序總結
穩定
sort | 最差時間 | 最好時間 | 平均時間 | 穩定 | 空間複雜度 |
---|---|---|---|---|---|
冒泡排序 | O(n^2) | O(n) | O(n^2) | 穩定 | O(1) |
插入排序 | O(n^2) | O(n) | O(n^2) | 穩定 | O(1) |
二叉樹排序 | O(n^2) | O(nlogn) | O(nlogn) | 穩定 | O(n) |
歸併排序l | O(nlogn) | O(nlogn) | O(nlogn) | 穩定 | O(n) |
不穩定
sort | 最差時間 | 最好時間 | 平均時間 | 穩定 | 空間複雜度 |
---|---|---|---|---|---|
選擇排序 | O(n^2) | O(n^2) | O(n^2) | 不穩定 | O(1) |
快排 | O(n^2) | O(nlogn) | O(nlogn) | 不穩定 | O(logn~ O(n)) |
堆排序 | O(nlogn) | O(nlogn) | O(nlogn) | 不穩定 | O(1) |
希爾排序 | O(n^2) | 不穩定 | O(1) |
冒泡排序(Bubble Sort)
它是一種較簡單的排序算法。它會遍歷若干次要排序的數列,每次遍歷時,它都會從前往後依次的比較相鄰兩個數的大小;如果前者比後者大,則交換它們的位置。這樣,一次遍歷之後,最大的元素就在數列的末尾!採用相同的方法再次遍歷時,第二大的元素就被排列在最大元素之前。重複此操作,直到整個數列都有序爲止!
/*
* a -- 待排序的數組
* n -- 數組的長度
*/
public static void bubbleSort(int[] a, int n) {
int i,
j;
for (i = n - 1; i > 0; i--) {
// 將a[0...i]中最大的數據放在末尾
for (j = 0; j < i; j++) {
if (a[j] > a[j + 1]) {
// 交換a[j]和a[j+1]
int tmp = a[j];
a[j] = a[j + 1];
a[j + 1] = tmp;
}
}
}
}
運行:
int[] a = {20,40,30,10,60,50,70};
String aa = "冒泡排序";
bubbleSort(a, a.length);
System.out.print(aa);
for (int d: a) {
System.out.print(d + ",");
}
選擇排序和插入排序都是在冒泡基礎上的演進:
選擇排序:選出最小的值放入列表,選完即可
直接插入排序:左側爲有序隊列,從右側遍歷的數字在放入左側有序隊列時排序插入。
直接插入排序(Straight Insertion Sort)
/**
* @param
* a -- 待排序的數組
* n -- 數組的長度
*/
public static void insertSort(int[] a, int n) {
int i,j,k;
for (i = 1; i < n; i++) {
//a[i]爲右側遍歷出的待插數據
//在有序隊列a[0,i]中爲a[i]在前面的a[0...i-1]有序區間中找一個合適的位置
for (j = i - 1; j >= 0; j--) if (a[j] < a[i]) break;//從大到小找到比i小的值j即可終止
//如找到了一個合適的位置, 把整個數組下標大於j的值都往後移動一個空位給i使用
if (j != i - 1) {
//將比a[i]大的數據向後移
int temp = a[i];
for (k = i - 1; k > j; k--) a[k + 1] = a[k];
//將a[i]放到正確位置上
a[k + 1] = temp;
}
}
}
和冒泡的規則相同,雙重for循環找到最最小值
快速排序(Quick Sort)
使用分治法策略
它的基本思想是:選擇一個基準數,通過一趟排序將要排序的數據分割成獨立的兩部分;其中一部分的所有數據都比另外一部分的所有數據都要小。然後,再按此方法對這兩部分數據分別進行快速排序,整個排序過程可以遞歸進行,以此達到整個數據變成有序序列。
快速排序流程:
1.從數列中挑出一個基準值放入x。
2.將所有比基準值小的擺放在基準前面,所有比基準值大的擺在基準的後面(相同的數可以到任一邊);在這個分區退出之後,該基準就處於數列的中間位置(把x賦值給中間值,完成一輪互換)。
3.遞歸地把"基準值前面的子數列"和"基準值後面的子數列"進行排序。
圖文介紹
/**
*
* 參數說明:
* a -- 待排序的數組
* l -- 數組的左邊界(例如,從起始位置開始排序,則l=0)
* r -- 數組的右邊界(例如,排序截至到數組末尾,則r=a.length-1)
*/
public static void quickSort(int[] a, int l, int r) {
if (l < r) {
int i,j, x;
i = l;
j = r;
x = a[i];
while (i < j) {
while (i < j && a[j] > x) j--; // 從右向左找第一個小於x的數
if (i < j) a[i++] = a[j];
while (i < j && a[i] < x) i++; // 從左向右找第一個大於x的數
if (i < j) a[j--] = a[i];
}
a[i] = x;//最後把基準值賦值給中間值,完成一輪替換
/* 遞歸調用 */
quickSort(a, l, i - 1);//把中間值左側數據排序
quickSort(a, i + 1, r);//右側數據排序
/* 遞歸調用 */
}
}
//運行
String aa = "快速排序";
quickSort(a,0,a.length-1);
System.out.print(aa);
for (int d : a) {
System.out.print(d+",");
}
希爾排序shell sort
希爾(Shell)排序又稱爲縮小增量排序,它是一種插入排序。它是直接插入排序算法的一種威力加強版。該方法因DL.Shell於1959年提出而得名。
希爾排序的基本思想是:
1.把記錄按步長 gap 分組,對每組記錄採用直接插入排序方法進行排序。
2.隨着步長逐漸減小,所分成的組包含的記錄越來越多,當步長的值減小到 1 時,整個數據合成爲一組,構成一組有序記錄,則完成排序。
看圖配合步驟講解,第一次gap=5,每隔gap個元素爲一組比大小;gap不斷對摺,直到gap=1完成排序。
初始時,有一個大小爲 10 的無序序列。
在第一趟排序中,我們不妨設 gap1 = N / 2 = 5,即相隔距離爲 5 的元素組成一組,可以分爲 5 組。接下來,按照直接插入排序的方法對每個組進行排序。
在第二趟排序中,我們把上次的 gap 縮小一半,即 gap2 = gap1 / 2 = 2 (取整數)。這樣每相隔距離爲 2 的元素組成一組,可以分爲 2 組。按照直接插入排序的方法對每個組進行排序。
在第三趟排序中,再次把 gap 縮小一半,即gap3 = gap2 / 2 = 1。這樣相隔距離爲 1 的元素組成一組,即只有一組。按照直接插入排序的方法對每個組進行排序。此時,排序已經結束。
需要注意一下的是,圖中有兩個相等數值的元素 5 和 5 。我們可以清楚的看到,在排序過程中,兩個元素位置交換了。
所以,希爾排序是不穩定的算法。
/**
* 希爾排序
* @param list
*/
public static void shellSort(int[] a) {
int gap = a.length / 2; //初始對摺=步長
while (1 <= gap) {
// 把距離爲 gap 的元素編爲一個組,掃描所有組
for (int i = gap; i < a.length; i++) {
int j = 0;
int temp = a[i];
// 對距離爲 gap 的元素組進行排序,每隔gap個爲一組對比大小
for (j = i - gap; j >= 0 && temp < a[j]; j = j - gap) {
a[j + gap] = a[j];
}
a[j + gap] = temp;
}
System.out.format("gap = %d:\t", gap);
printAll(a);
gap = gap / 2; // 減小增量
}
}
// 打印完整序列
public static void printAll(int[] a) {
for (int value : a) {
System.out.print(value + "\t");
}
System.out.println();
}
歸併排序
基本思想
歸併排序(MERGE-SORT)是利用歸併的思想實現的排序方法,該算法採用經典的分治(divide-and-conquer)策略(分治法將問題分(divide)成一些小的問題然後遞歸求解,而治(conquer)的階段則將分的階段得到的各答案"修補"在一起,即分而治之)。
分而治之
和希爾排序的思想視乎有些相似,都是對摺分組
可以看到這種結構很像一棵完全二叉樹,本文的歸併排序我們採用遞歸去實現(也可採用迭代的方式去實現)。分階段可以理解爲就是遞歸拆分子序列的過程,遞歸深度爲log2n。
每個小組最後都要面對的一步:合併相鄰有序子序列
再來看看治階段,我們需要將兩個已經有序的子序列合併成一個有序序列,比如上圖中的最後一次合併,要將[4,5,7,8]和[1,2,3,6]兩個已經有序的子序列,合併爲最終序列[1,2,3,4,5,6,7,8],來看下實現步驟。
思路:創建一個兩個數組長度之和的臨時數組temp,兩個數組對比,誰小就放入temp中。對比完成
public class MergeSort {
public static void main(String []args){
int []arr = {9,8,7,6,5,4,3,2,1};
sort(arr);
System.out.println(Arrays.toString(arr));
}
public static void sort(int []arr){
int []temp = new int[arr.length];
//在排序前,先建好一個長度等於原數組長度的臨時數組,
//避免遞歸中頻繁開闢空間
sort(arr,0,arr.length-1,temp);
}
private static void sort(int[] arr,int left,int right,int []temp){
if(left<right){
int mid = (left+right)/2;
sort(arr,left,mid,temp);//遞歸調用:左邊歸併排序,使得左子序列有序
sort(arr,mid+1,right,temp);//遞歸調用:右邊歸併排序,使得右子序列有序
merge(arr,left,mid,right,temp);//將兩個有序子數組合並操作
}
}
private static void merge(int[] arr,int left,int mid,int right,int[] temp){
int i = left;//左序列指針
int j = mid+1;//右序列指針
int t = 0;//臨時數組指針
while (i<=mid && j<=right){
if(arr[i]<=arr[j]){
temp[t++] = arr[i++];
}else {
temp[t++] = arr[j++];
}
}
while(i<=mid){//將左邊剩餘元素填充進temp中
temp[t++] = arr[i++];
}
while(j<=right){//將右序列剩餘元素填充進temp中
temp[t++] = arr[j++];
}
t = 0;
//將temp中的元素全部拷貝到原數組中
while(left <= right){
arr[left++] = temp[t++];
}
}
}
堆排序
堆排序(Heapsort)是指利用堆積樹(堆)這種數據結構所設計的一種排序算法,它是選擇排序的一種。可以利用數組的特點快速定位指定索引的元素。堆分爲大根堆和小根堆,是完全二叉樹。
- 完全二叉樹: 除了最後一層之外的其他每一層都被完全填充,並且所有結點都保持向左對齊。
- 滿二叉樹:除了葉子結點之外的每一個結點都有兩個孩子,每一層(當然包含最後一層)都被完全填充。
- 完滿二叉樹:除了葉子結點之外的每一個結點都有兩個孩子結點。
完全二叉樹(Complete Binary Tree):
滿二叉樹(Perfect Binary Tree):
完滿二叉樹(Full Binary Tree):
參考資料:
http://www.cnblogs.com/idorax/p/6441043.html
堆排序是將數據看成是完全二叉樹、根據完全二叉樹的特性來進行排序的一種算法
最大堆要求節點的元素都要不小於其孩子,
最小堆要求節點元素都不大於其左右孩子
處於最大堆的根節點的元素一定是這個堆中的最大值
完全二叉樹有個特性:
左邊子節點位置 = 當前父節點的兩倍 + 1
右邊子節點位置 = 當前父節點的兩倍 + 2
節點的關係和節點編號和數組下標對象的下標關係:
排序過程
第一步:先n個元素的無序序列,構建成大頂堆
第二步:將根節點與最後一個元素交換位置,(將最大元素"沉"到數組末端)
第三步:交換過後可能不再滿足大頂堆的條件,所以需要將剩下的n-1個元素重新構建成大頂堆
第四步:重複第二步、第三步直到整個數組排序完成
/**
* 建堆
*
* @param arrays 看作是完全二叉樹
* @param currentRootNode 當前父節點位置
* @param size 節點總數
*/
public static void heapify(int[] arrays, int currentRootNode, int size) {
if (currentRootNode < size) {
//左子樹和右字數的位置
int left = 2 * currentRootNode + 1;
int right = 2 * currentRootNode + 2;
//把當前父節點位置看成是最大的
int max = currentRootNode;
if (left < size) {
//如果比當前根元素要大,記錄它的位置
if (arrays[max] < arrays[left]) {
max = left;
}
}
if (right < size) {
//如果比當前根元素要大,記錄它的位置
if (arrays[max] < arrays[right]) {
max = right;
}
}
//如果最大的不是根元素位置,那麼就交換
if (max != currentRootNode) {
int temp = arrays[max];
arrays[max] = arrays[currentRootNode];
arrays[currentRootNode] = temp;
//繼續比較,直到完成一次建堆
heapify(arrays, max, size);
}
}
}
/**
* 完成一次建堆,最大值在堆的頂部(根節點)
*/
public static void maxHeapify(int[] arrays, int size) {
// 從數組的尾部開始,直到第一個元素(角標爲0)
for (int i = size - 1; i >= 0; i--) {
heapify(arrays, i, size);
}
}
//堆排序入口
public static void heapSort(int[] arrays) {
for (int i = 0; i < arrays.length; i++) {
//每次建堆就可以排除一個元素了
maxHeapify(arrays, arrays.length - i);
//把頂部最大值放到數組最後面
int temp = arrays[0];
arrays[0] = arrays[(arrays.length - 1) - i];
arrays[(arrays.length - 1) - i] = temp;
}
}