排序算法对比，步骤，改进，java代码实现
排序算法对比，步骤，改进，java代码实现
ydymz
发布于 2018-09-10 17:30:06
发布于 2018-09-10 17:30:06
前言
发现是时候总结一番算法，基本类型的增删改查的性能对比，集合的串并性能的特性，死记太傻了，所以还是写在代码里，NO BB,SHOW ME THE CODE!
github地址：https://github.com/247292980/sort。欢迎各位优化我写的算法代码，还有别看了就完了，fork到自己的仓库里面，或者加入这个项目一起写，拿来怼面试还是很好的。
图片镇楼
插入排序（InsertSort）
步骤：
1.依次选择一个待排序的记录，
2.依次与已经排好序的有序序列比较，并插入
3.持续每次对越来越少的元素重复上面的步骤，直到插完所有元素为。
改进：
二分插入排序，直接和有序序列的中间比较。
希尔排序。
代码：
/**
* 直接插入排序的方法
**/
private static void directInsertSort(int[] array) {
//输出原数组的内容
// printArr(array);
for (int i = 1; i < array.length; i++) {
for (int j = 0; j < i; j++) {
if (array[i] < array[j]) {
int temp = array[i];
array[i] = array[j];
array[j] = temp;
}
}
//输出排序后的相关结果
// printArr(array);
}
}
希尔排序（又叫缩小增量排序，ShellSort）
步骤：
1.先将整个待排元素序列分割成若干个子序列
2.分别进行插入排序
3.然后依次缩减增量再进行插入排序
4.待整个序列中的元素基本有序（增量足够小）时，再对全体元素进行一次插入排序
代码：
/**
* 希尔排序
*/
public static void shellSort(int[] arrays) {
// printArr(arrays);//增量
int incrementNum = arrays.length / 2;
while (incrementNum >= 1) {
for (int i = 1; i < arrays.length; i++) {
//进行插入排序
for (int j = 0; j < arrays.length - incrementNum; j = j + incrementNum) {
if (arrays[j] > arrays[j + incrementNum]) {
int temple = arrays[j];
arrays[j] = arrays[j + incrementNum];
arrays[j + incrementNum] = temple;
}
}
}
//设置新的增量
incrementNum = incrementNum / 2;
// printArr(arrays);
}
}冒泡排序（BubbleSort）
步骤：
1.比较相邻的元素。如果第一个比第二个大，就交换他们两个。
2.对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对。在这一点，最后的元素应该会是最大的数。
3.针对所有的元素重复以上的步骤，除了最后一个。
4.持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。
改进：
快速排序。
代码：
/**
* 冒泡排序
*/
public static void bubbleSort(int[] arr) {
// printArr(arr);
for (int i = 0; i < arr.length - 1; i++) {
for (int j = 0; j < arr.length - i - 1; j++) {
if (arr[j + 1] < arr[j]) {
int temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
// printArr(arr);
}
}快速排序（QuickSort）
步骤：
1.从数列中挑出一个元素，称为 "基准"，重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。
2.递归地把小于基准值元素的子数列和大于基准值元素的子数列排序。
3.递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。
代码：
/**
* 快速排序
*/
public static void quickSort(int[] a, int low, int high) {
int start = low;
int end = high;
int key = a[low];
printArr(a);
while (end > start) {
//从后往前比较
//如果没有比关键值小的，比较下一个，直到有比关键值小的交换位置，然后又从前往后比较
while (end > start && a[end] >= key) {
end--;
}
if (a[end] <= key) {
int temp = a[end];
a[end] = a[start];
a[start] = temp;
}
//从前往后比较
//如果没有比关键值大的，比较下一个，直到有比关键值大的交换位置
while (end > start && a[start] <= key) {
start++;
}
if (a[start] >= key) {
int temp = a[start];
a[start] = a[end];
a[end] = temp;
}
//此时第一次循环比较结束，关键值的位置已经确定了。左边的值都比关键值小，右边的值都比关键值大，但是两边的顺序还有可能是不一样的，进行下面的递归调用
}
//递归
if (start > low) {
quickSort(a, low, start - 1);//左边序列。第一个索引位置到关键值索引-1
}
if (end < high) {
quickSort(a, end + 1, high);//右边序列。从关键值索引+1到最后一个
}
}选择排序(SelectSort)
步骤：
1.在未排序序列中找到最小（大）元素，存放到排序序列的起始位置
2.从剩余未排序元素中继续寻找最小（大）元素
3.放到已排序序列的末尾
4.以此类推，直到所有元素均排序完毕。
改进：
传统的简单选择排序,每趟循环只能确定一个元素排序后的定位。我们可以考虑改进为每趟循环确定两个元素(当前趟最大和最小记录)的位置,从而减少排序所需的循环次数。改进后对n个数据进行排序,最多只需进行[n/2]趟循环即可。
堆排序。
代码：
/**
* 选择排序
*/
public static void selectionSort(int[] a) {
printArr(a);
int n = a.length;
for (int i = 0; i < n; i++) {
int k = i;
// 找出最小值的小标
for (int j = i + 1; j < n; j++) {
if (a[j] < a[k]) {
k = j;
}
}
// 将最小值放到排序序列末尾
if (k > i) {
int tmp = a[i];
a[i] = a[k];
a[k] = tmp;
}
printArr(a);
}
}堆排序（HeapSort）
步骤：
1.将无需序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆;
2.将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端;
3.重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，反复执行调整+交换步骤，直到整个序列有序
代码：
/**
* 堆排序
*/
public static void heapSort(int[] array) {
//printArr(array);
array = buildMaxHeap(array);
//printArr(array);
System.out.println();
for (int i = array.length - 1; i > 1; i--) {
//将堆顶元素和堆低元素交换，即得到当前最大元素正确的排序位置
int temp = array[0];
array[0] = array[i];
array[i] = temp;
//整理，将剩余的元素整理成堆
adjustDownToUp(array, 0, i);
//printArr(array);
}
}
/**
* 插入操作:向大根堆array中插入数据data
*/
public int[] insertData(int[] array, int data) {
//将新节点放在堆的末端
array[array.length - 1] = data;
int k = array.length - 1;
int parent = (k - 1) / 2;
while (parent >= 0 && data > array[parent]) {
array[k] = array[parent];
k = parent;
//继续向上比较
if (parent != 0) {
parent = (parent - 1) / 2;
} else {
break;
}
}
array[k] = data;
return array;
}
/**
* 删除堆顶元素操作
*/
public int[] deleteMax(int[] array) {
//将堆的最后一个元素与堆顶元素交换，堆底元素值设为-99999
array[0] = array[array.length - 1];
array[array.length - 1] = -99999;
//对此时的根节点进行向下调整
adjustDownToUp(array, 0, array.length);
return array;
}
/**
* 构建大根堆：将array看成完全二叉树的顺序存储结构
*/
private static int[] buildMaxHeap(int[] array) {
//从最后一个节点array.length-1的父节点（array.length-1-1）/2开始，直到根节点0，反复调整堆
for (int i = (array.length - 2) / 2; i >= 0; i--) {
adjustDownToUp(array, i, array.length);
}
return array;
}
/**
* 调整树形结构
*/
private static void adjustDownToUp(int[] array, int k, int length) {
int temp = array[k];
//i为初始化为节点k的左孩子，沿节点较大的子节点向下调整
for (int i = 2 * k + 1; i < length - 1; i = 2 * i + 1) {
//取节点较大的子节点的下标
if (i < length && array[i] < array[i + 1]) {
//如果节点的右孩子>左孩子，则取右孩子节点的下标
i++;
}
//根节点 >=左右子女中关键字较大者，调整结束
if (temp >= array[i]) {
break;
} else {
//将左右子结点中较大值array[i]调整到双亲节点上，修改k值，以便继续向下调整
array[k] = array[i];
k = i;
}
}
//被调整的结点的值放人最终位置
array[k] = temp;
}归并排序（MergeSort）
步骤：
1. 把长度为n的输入序列分成两个长度为n/2的子序列。
2. 对这两个子序列分别采用归并排序。
3. 将两个排序好的子序列递归合并成一个最终的排序序列。
代码：
/**
* 归并排序
*/
private static void mergeSort(int[] arr, int left, int right, int[] temp) {
if (left < right) {
int mid = (left + right) / 2;
//左边归并排序，使得左子序列有序
mergeSort(arr, left, mid, temp);
//右边归并排序，使得右子序列有序
mergeSort(arr, mid + 1, right, temp);
//将两个有序子数组合并操作
merge(arr, left, mid, right, temp);
}
}
/**
* 归并
*/
private static void merge(int[] arr, int left, int mid, int right, int[] temp) {
int i = left;
int j = mid + 1;
//临时数组指针
int t = 0;
while (i <= mid && j <= right) {
if (arr[i] <= arr[j]) {
temp[t++] = arr[i++];
} else {
temp[t++] = arr[j++];
}
}
while (i <= mid) {//将左边剩余元素填充进temp中
temp[t++] = arr[i++];
}
while (j <= right) {//将右序列剩余元素填充进temp中
temp[t++] = arr[j++];
}
t = 0;
//将temp中的元素全部拷贝到原数组中
while (left <= right) {
arr[left++] = temp[t++];
}
//printArr(arr);
}桶排序(Bucket Sort)
步骤：
1. 创建等容量的桶数组，并将桶数组元素都初始化为0
2. 逐个遍历数组，将数组的值，作为桶数组的下标。数据被读取时，就将桶的值加1。
3. 将桶数组不为0的的值的key取出，数量为该key的值
改进：
基数排序。计数排序
代码：
/**
* 桶排序
*/
public static void bucketSort(int[] nums, int maxNum) {
int[] sorted = new int[maxNum + 1];
for (int i = 0; i < nums.length; i++) {
sorted[nums[i]] += 1;
}
int[] temp = new int[nums.length];
for (int i = 0, j = 0; i < sorted.length; i++) {
while (sorted[i] != 0) {
temp[j++] = i;
sorted[i] -= 1;
// printArr(temp);
}
}
}基数排序(Radix Sort)
步骤：
1. 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。
2. 从最低位开始，依次进行一次排序。
代码：
/**
* 基数排序
*/
public static void radixSort(int[] arr, int max2) {
// exp 指数。当对数组按各位进行排序时，exp=1；按十位进行排序时，exp=10；...
// 从个位开始，对数组a按"指数"进行排序
// printArr(arr);
for (int exp = 1; max2 / exp > 0; exp *= 10) {
// 存储"被排序数据"的临时数组
int[] output = new int[arr.length];
int[] buckets = new int[10];
// 将数据出现的次数存储在buckets[]中
for (int a : arr) {
buckets[(a / exp) % 10]++;
}
// printArr(buckets);
// 更改buckets[i]。目的是让更改后的buckets[i]的值，是该数据在output[]中的位置。
for (int i = 1; i < 10; i++) {
buckets[i] += buckets[i - 1];
}
// printArr(buckets);
// 将数据存储到临时数组output[]中
for (int i = arr.length - 1; i >= 0; i--) {
output[buckets[(arr[i] / exp) % 10] - 1] = arr[i];
// System.out.println(i);
// System.out.println((arr[i]));
// System.out.println((arr[i] / exp));
// System.out.println((arr[i] / exp) % 10);
// System.out.println(buckets[(arr[i] / exp) % 10]);
// System.out.println(buckets[(arr[i] / exp) % 10] - 1);
// printArr(output);
buckets[(arr[i] / exp) % 10]--;
}
// printArr(buckets);
// 将排序好的数据赋值给a[]
System.arraycopy(output, 0, arr, 0, arr.length);
// printArr(arr);
}
}计数排序（count sort）
步骤：
- 找出序列中最大值和最小值，开辟Max-Min+1的辅助空间
- 最小的数对应下标为0的位置，遇到一个数就给对应下标处的值+1,。
- 遍历一遍辅助空间，就可以得到有序的一组序列
代码：
/**
* 计数排序
*/
private static void countSort(int[] array, int max) {
// printArr(array);
// 存储"被排序数据"的临时数组
int[] temp = new int[array.length];
int[] buckets = new int[max + 1];
for (int i = 0; i < array.length; i++) {
buckets[array[i]] += 1;
}
// 更改buckets[i]。目的是让更改后的buckets[i]的值，是该数据在output[]中的位置。
for (int i = 1; i < max + 1; i++) {
buckets[i] += buckets[i - 1];
}
for (int i = array.length - 1; i >= 0; i--) {
temp[buckets[array[i]] - 1] = array[i];
buckets[array[i]]--;
// printArr(temp);
}
}本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2018-08-27 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读