数据结构——八大排序算法(面试必备)

image-20210320235758291

1. 交换排序——冒泡排序

从要排序序列的第一个元素开始,一次比较相邻元素的值,发现逆序则交换,将值较大的元素逐渐从前向后移动。

image-20210319083434622

public void bubbleSort(int[] arr){
    for (int i = 0; i < arr.length - 1; i++) {
        for (int j = 0; j < arr.length - 1 - i; j++) {
            if (arr[j] > arr[j + 1]) {
                int t = arr[j];
                arr[j] = arr[j + 1];
                arr[j + 1] = t;
            }
        }
    }
}

优化:如果某次排序中,没有发生交换,则可结束排序

public void bubbleSort(int[] arr){
    boolean flag = false;//表示没有发生过交换
    for (int i = 0; i < arr.length - 1; i++) {
        for (int j = 0; j < arr.length - 1 - i; j++) {
            if (arr[j] > arr[j + 1]) {
                int t = arr[j];
                arr[j] = arr[j + 1];
                arr[j + 1] = t;
                flag = true;//发生交换
            }
        }
        if (!flag)
            break;
        else
            flag = false;//重置flag,进行下次判断
    }
}
  • 时间复杂度:O(n^2)
  • 稳定


2. 交换排序——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

image-20210319133541591
public static void quickSort(int[] arr, int left, int right) {
    int l = left;
    int r = right;
    int pivot = arr[(left + right) / 2];
    //while循环是为了让比pivot小的值放其左边,比pivot大的值放其右边
    while (l < r) {
        while (arr[l] < pivot)//直到找到比pivot小的数
            l++;
        while (arr[r] > pivot)//直到找到比pivot大的数
            r--;
        if (l >= r)//说明比pivot小的值都在其左边,比pivot大的值都在其右边
            break;
        //找到pivot左边比其大的元素,右边比其小的元素;进行交换
        int t = arr[l];
        arr[l] = arr[r];
        arr[r] = t;
    }
    //如果l==r,则要l++、r--;否则会出现栈溢出
    if (l == r) {
        l++;
        r--;
    }
    //向左递归
    if (left < r)
        quickSort(arr, left, r);
    //向右递归
    if (right > l)
        quickSort(arr, l, right);
}
  • 时间复杂度:O(nlog2n)
  • 不稳定


3. 选择排序——简单选择排序

基本思想

  • 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
  • 第三次从 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

image-20210319083754641

public void selectSort(int[] arr){
    for (int i = 0; i < arr.length - 1; i++) {
        int min = arr[i];//假设当前值最小
        int minIndex = i;//记录最小值的索引
        for (int j = i + 1; j < arr.length; j++) {
            if (arr[j] < min) {
                min = arr[j];
                minIndex = j;
            }
        }
        if (minIndex != i) {
            arr[minIndex] = arr[i];
            arr[i] = min;
        }
    }
}
  • 时间复杂度:O(n^2)
  • 不稳定


4. 选择排序——堆排序

堆排序是利用这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为O(nlogn),它也是不稳定排序。

什么是堆

堆是具有以下性质的完全二叉树

1️⃣ 每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆(没有要求结点的左孩子的值和右孩子的值的大小关系)

arr[i] >= arr[2*i+1] && arr[i] >= arr[2*i+2]  //i对应第几个节点,i从0开始编号
image-20210424144039570

我们对堆中的结点按层进行编号,映射到数组中就是下面这个样子:

image-20210424144100653

2️⃣ 每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆

arr[i] <= arr[2*i+1] && arr[i] <= arr[2*i+2]  //i对应第几个节点,i从0开始编号
image-20210326154415576

堆排序基本思想

  1. 将待排序序列构造成一个大顶堆
  2. 此时,整个序列的最大值就是堆顶的根节点。
  3. 将其与末尾元素进行交换,此时末尾就为最大值。
  4. 然后将剩余n-1个元素重新构造成一个堆,这样会得到n个元素的次小值。如此反复执行,便能得到一个有序序列了。

一般升序采用大顶堆,降序采用小顶堆

步骤图解

步骤一:构造初始堆,将给定无序序列构造成一个大顶堆(一般升序采用大顶堆,降序采用小顶堆)

原始的数组 [4, 6, 8, 5, 9]

  1. 假设给定无序序列结构如下

image-20210326155955170

  1. 此时我们从最后一个非叶子结点开始(叶结点不用调整,第一个非叶子结点 arr.length/2-1=5/2-1=1,也就是下面的6结点),从左至右,从下至上进行调整

image-20210326160041965

  1. 找到第二个非叶节点 4,由于[4,9,8]中 9 元素最大,4 和 9 交换

image-20210326160136378

  1. 这时,交换导致了子根[4,5,6]结构混乱,继续调整,[4,5,6]中 6 最大,交换 4 和 6

image-20210326160201923

此时,我们就将一个无序序列构造成了一个大顶堆

步骤二:将堆顶元素与末尾元素进行交换,使末尾元素最大。然后继续调整堆,再将堆顶元素与末尾元素交换,得到第二大元素。如此反复进行交换、重建、交换

  1. 将堆顶元素 9 和末尾元素 4 进行交换

image-20210326160301786

  1. 重新调整结构,使其继续满足堆定义

image-20210326160319608

  1. 再将堆顶元素 8 与末尾元素 5 进行交换,得到第二大元素 8

image-20210326160340143

  1. 后续过程,继续进行调整,交换,如此反复进行,最终使得整个序列有序

image-20210326160358981

代码实现

import java.util.Arrays;

public class HeapSort {
    public static void main(String[] args) {
        int[] arr = {3, 5, 2, 7, 8, 0, -1, 99};
        heapSort(arr);
        System.out.println(Arrays.toString(arr));
    }

    //堆排序
    public static void heapSort(int[] arr) {
        //将无序序列构建成一个堆
        for (int i = arr.length / 2 - 1; i >= 0; i--) {
            adjustHeap(arr, i, arr.length);
        }
        //将堆顶元素和末尾元素交换,将最大元素放置数组末端
        //重新调整至堆结构,然后继续将堆顶元素和当前末尾元素交换,以此往复
        for (int i = arr.length - 1; i > 0; i--) {
            int temp = arr[i];
            arr[i] = arr[0];
            arr[0] = temp;
            adjustHeap(arr, 0, i);
        }
    }

    /**
     * 将二叉树调整为堆
     *
     * @param arr    待调整的数组
     * @param i      表示非叶子结点在数组中索引
     * @param length 表示对多少个元素继续调整,length逐渐减少
     */
    public static void adjustHeap(int[] arr, int i, int length) {
        int temp = arr[i];
        //k=2i+1是i的左子节点
        for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {
            if (k + 1 < length && arr[k] < arr[k + 1])//左子节点的值<右子节点的值
                k++;//指向右节点
            if (arr[k] > temp) {//如果子结点的值>父节点的值
                arr[i] = arr[k];//将较大的值赋给当前节点
                i = k;//i指向k,继续循环比较
            } else
                break;
        }
        //for循环后,已经将以i为父结点的树的最大值,放在了顶部
        arr[i] = temp;//将temp值放到调整后的位置
    }
}


5. 插入排序——简单插入排序

基本思想: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,与有序表中的元素进行比较,将它插入到有序表中的适当位置,使之成为新的有序表

image-20210424142159599
public void InserSort(int[] arr){
    for (int i = 1; i < arr.length; i++) {
        int insertVal = arr[i];//待插入左边有序表的数
        int left_index = i - 1;//左边有序表的索引,初值为有序表最右数的索引
        while (left_index >= 0 && insertVal < arr[left_index]) {//不断遍历左边的有序表进行比较
            arr[left_index + 1] = arr[left_index];//比较过的值右移
            left_index--;//索引-1,继续比较
        }
        if (left_index + 1 != i)
            arr[left_index + 1] = insertVal;
    }
}
  • 时间复杂度:O(n^2)
  • 稳定


6. 插入排序——希尔排序

简单的插入排序可能存在的问题: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

# 比如数组 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}

为了改进,提出了希尔排序算法:

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

image-20210319130542037image-20210319130703912

//交换式
public void shellSort(int[] arr){
    for(int gap=arr.length/2;gap>0;gap/=2){	//步长gap逐次递减
        for(int i=gap;i<arr.length;i++){
            for(int j=i-gap;j>=0;j-=gap){
                if(arr[j]>arr[j+gap]){
                    int t=arr[j];
                    arr[j]=arr[j+gap];
                    arr[j+gap]=t;
                }
            }
        }
    }
}

//改进成移位法
public void shellSort(int[] arr){
    for (int gap = arr.length / 2; gap > 0; gap /= 2) {//步长gap逐次递减
        for (int i = gap; i < arr.length; i++) {
            int left_index = i - gap;//左边有序表的索引,初值为有序表最右数的索引
            int insertVal = arr[i];//要插入的值
            while (left_index >= 0 && insertVal < arr[left_index]) {
                arr[left_index + gap] = arr[left_index];//比较过的值右移
                left_index -= gap;
            }
            arr[left_index + gap] = insertVal;
        }
    }
}
  • 时间复杂度:O(nlog2n)
  • 不稳定


7. 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策略(divide-and-conquer)

  • 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
image-20210320232348462

再来看看阶段,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

image-20210320232538967

  • 左边序列和右边序列分别有一个索引指向第一个元素,然后进行比较,较小的元素存入一个临时数组temp,较小元素边序列索引右移,以此往复不断比较存入,直到一边的索引走到该子序列的最后;然后将有剩余数据的序列的剩余值直接按序存入temp数组中;

  • 最后所有元素都存入临时数组temp中,此时temp数组中的元素有序

  • 最后将temp数组拷贝回原数组,即实现了排序

package test;

import java.util.*;

public class Main {
    public static void main(String[] args) {
        int[] arr = {8, 10, -1, 6, 7, 3, 0, 40, 70};
        int[] temp = new int[arr.length];//归并排序需要额外的空间
        mergeSort(arr, 0, arr.length - 1, temp);
        System.out.println(Arrays.toString(arr));
    }

    //分+合方法
    public static void mergeSort(int[] arr, int left, int right, int[] temp) {
        if (left < right) {
            int mid = (left + right) / 2;//中间索引
            mergeSort(arr, left, mid, temp);//向左递归分解
            mergeSort(arr, mid + 1, right, temp);//向右递归分解
            merge(arr, left, mid, right, temp);//合并
        }
    }

    //合并方法
    public static void merge(int[] arr, int left, int mid, int right, int[] temp) {
        int i = left;//i为指向左边序列第一个元素的索引
        int j = mid + 1;//j为指向右边序列第一个元素的索引
        int t = 0;//指向临时temp数组的当前索引

        //先把左右两边有序数据按规则存入temp数组中,直到有一边的数据全部填充temp中
        while (i <= mid && j <= right) {
            if (arr[i] <= arr[j]) {
                temp[t] = arr[i];
                t++;
                i++;
            } else {
                temp[t] = arr[j];
                t++;
                j++;
            }
        }

        //将有剩余数据的一边全部存入temp中
        while (i <= mid) {//左边序列有剩余元素
            temp[t] = arr[i];
            t++;
            i++;
        }
        while (j <= right) {//右边序列有剩余元素
            temp[t] = arr[j];
            t++;
            j++;
        }

        /**
         * 将temp中的元素拷贝到arr中
         *  注意:不是每次都拷贝全部元素
         *  第一次:tempLeft=0,right=1
         *  第二次:tempLeft=2,right=3
         *  第三次:tempLeft=0,right=3
         */
        t = 0;
        int tempLeft = left;
        while (tempLeft <= right) {
            arr[tempLeft] = temp[t];
            t++;
            tempLeft++;
        }
    }
}
  • 时间复杂度:O(nlog2n)
  • 稳定


8. 基数排序

  • 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
  • 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
  • 基数排序(Radix Sort)是桶排序的扩展
  • 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。

image-20210321001656191image-20210321001718195image-20210321001738775

package test;

import java.util.Arrays;

public class Main {
    public static void main(String[] args) {
        int[] arr = {8, 10, 6, 7, 3, 0, 40, 70};
        radixSort(arr);
        System.out.println(Arrays.toString(arr));
    }

    public static void radixSort(int[] arr) {
        //定义一个二维数组,表示10个桶,每一个桶就是一个一维数组
        int[][] bucket = new int[10][arr.length];//可能每个桶不会用满,所以基数排序是使用空间换时间的经典算法
        //定义一个一维数组记录每个桶每次放入数据的个数
        int[] bucketCounts = new int[10];
        //找到数组中最大数
        int max = arr[0];
        for (int i = 0; i < arr.length; i++) {
            if (arr[i] > max)
                max = arr[i];
        }
        //获得最大数的位数,即为循环的次数,也就是要判断的总位数(个、十、百、千)
        int maxLength = (max + "").length();

        //针对每个元素的位进行比较
        for (int c = 0, n = 1; c < maxLength; c++, n *= 10) {
            for (int i = 0; i < arr.length; i++) {
                //取出每个元素对应位的值(个位-->十位-->百位---)
                int digit = arr[i] / n % 10;//个位:%10  十位:/10再%10  百位:/100再%10
                //放入桶中
                bucket[digit][bucketCounts[digit]] = arr[i];
                bucketCounts[digit]++;
            }
            int index = 0;
            //遍历每个桶,将桶中的数据放回到原数组
            for (int j = 0; j < 10; j++) {
                if (bucketCounts[j] != 0) {//如果桶不为空
                    for (int k = 0; k < bucketCounts[j]; k++) {
                        arr[index] = bucket[j][k];
                        index++;
                    }
                }
                bucketCounts[j] = 0;//清空每个桶的数据
            }
        }
    }
}

负数问题:在找最大数的同时找最小值 如果最小值小于0就给每个值加上最小值的相反数,再比较

  1. 基数排序是对传统桶排序的扩展,速度很快
  2. 基数排序是经典的空间换时间的方式,占用内存很大,当对海量数据排序时,容易造成OutOfMemoryError
  3. 基数排序时稳定的
  4. 有负数的数组,我们不用基数排序来进行排序,如果要支持负数,参考: https://code.i-harness.com/zh-CN/q/e98fa9

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 游动-白 设计师:白松林 返回首页