十大排序算法全面解析-Java实现
前言
算法就是编程的灵魂，不会算法的程序员只配作码农。以前看到这句话受到一万点暴击伤害！同时也激起了本身的斗志，坦白说做为一个程序员，我一直知道算法的重要性，可是在算法这一块一直作的不够好，甚至除了大学学过这门课程以后就不多去接触它。由于一开始我就给算法贴上了难，烦，不怎么用的标签，如今想来其实都是在逃避问题。因此决定亡羊补牢，从头开始！html
文章首发于我的博客【www.xiongfrblog.cn】java
介绍
算法的学习也是有着阶段性的，从入门到简单，再到复杂，再到简单。最后的简单是当你达到必定高度以后对于问题可以准确的找到最简单的解答。就如同修仙同样，真正的高手一招足以击退万马千军！程序员
算法里边最经常使用也是最基本的就是排序算法和查找算法了，本文主要讲解算法里边最经典的十大排序算法。在这里咱们根据他们各自的实现原理以及效率将十大排序算法分为两大类：算法
- 非线性比较类排序：非线性是指算法的时间复杂度不能突破(nlogn)，元素之间经过比较大小来决定前后顺序。
- 线性非比较类排序：算法的时间复杂度可以突破(nlogn)，而且不经过比较来对元素排序。
具体分类咱们上图说明： shell
算法比较
这里给出算法的时间复杂度，空间复杂度以及稳定性的对比整理，一样经过图片的形式给出：编程
在这里给出相关指标的解释数组
时间复杂度：时间复杂度本意是预估算法的执行时间，但实际上一个程序在计算机上执行的速度是很是快的，时间几乎能够忽略不计了，也就是失去了意义，因此这里意思是算法中执行频度最高的代码的执行的次数。反应当n发生变化时，执行次数的改变呈现一种什么样的规律。 空间复杂度：是指算法在计算机内执行时所需存储空间的度量，它也是数据规模n的函数。 稳定性：在排序中对于相等的两个元素a,b。若是排序前a在b的前边，排序以后a也老是在b的前边。他们的位置不会由于排序而改变称之为稳定。反之，若是排序后a,b的位置可能会发生改变，那么就称之为不稳定。缓存
下面就一一对十大算法进行详细的讲解，会给出他们的基本思想，图片演示，以及带有详细注释的源码。（本文全部的排序算法都是升序排序）app
1.冒泡排序
1.1 基本思想
冒泡排序能够说是最简单的排序之一了，也是大部分人最容易想到的排序。即对n个数进行排序，每次都是由前一个数跟后一个数比较，每循环一轮， 就能够将最大的数移到数组的最后， 总共循环n-1轮，完成对数组排序。函数
1.2 图片演示
1.3 代码展现
public static void bubbleSort(int[] arr) {
if(arr==null)
return;
int len=arr.length;
//i控制循环次数，长度为len的数组只须要循环len-1次，i的起始值为0因此i<len-1
for(int i=0;i<len-1;i++) {
//j控制比较次数，第i次循环内须要比较len-i次
//可是因为是由arr[j]跟arr[j+1]进行比较，因此为了保证arr[j+1]不越界，j<len-i-1
for(int j=0;j<len-i-1;j++) {
//若是前一个数比后一个数大，则交换位置将大的数日后放。
if(arr[j]>arr[j+1]) {
int temp=arr[j+1];
arr[j+1]=arr[j];
arr[j]=temp;
}
}
}
}
复制代码
2.选择排序
2.1 基本思想
选择排序能够说是冒泡排序的改良版，再也不是前一个数跟后一个数相比较， 而是在每一次循环内都由一个数去跟 全部的数都比较一次，每次比较都选取相对较小的那个数来进行下一次的比较，并不断更新较小数的下标 这样在一次循环结束时就能获得最小数的下标，再经过一次交换将最小的数放在最前面，经过n-1次循环以后完成排序。 这样相对于冒泡排序来讲，比较的次数并无改变，可是数据交换的次数大大减小。
2.2 图片演示
2.3 代码展现
public static void selectSort(int[] arr) {
if(arr==null)
return;
int len=arr.length;
//i控制循环次数，长度为len的数组只须要循环len-1次，i的起始值为0因此i<len-1
for(int i=0;i<len-1;i++) {
//minIndex 用来保存每次比较后较小数的下标。
int minIndex=i;
//j控制比较次数，由于每次循环结束以后最小的数都已经放在了最前面，
//因此下一次循环的时候就能够跳过这个数，因此j的初始值为i+1而不须要每次循环都从0开始，而且j<len便可
for(int j=i+1;j<len;j++) {
//每比较一次都须要将较小数的下标记录下来
if(arr[minIndex]>arr[j]) {
minIndex=j;
}
}
//当完成一次循环时，就须要将本次循环选取的最小数移动到本次循环开始的位置。
if(minIndex!=i) {
int temp=arr[i];
arr[i]=arr[minIndex];
arr[minIndex]=temp;
}
//打印每次循环结束以后数组的排序状态（方便理解）
System.out.println("第"+(i+1)+"次循环以后效果："+Arrays.toString(arr));
}
}
复制代码
3.插入排序
3.1 基本思想
插入排序的思想打牌的人确定很容易理解，就是见缝插针。 首先就默认数组中的第一个数的位置是正确的，即已经排序。 而后取下一个数，与已经排序的数按从后向前的顺序依次比较， 若是该数比当前位置排好序的数小，则将排好序的数的位置向后移一位。 重复上一步骤，直到找到合适的位置。 找到位置后就结束比较的循环，将该数放到相应的位置。
3.2 图片演示
3.3 代码展现
public static void insertSort(int[] arr) {
if(arr==null)
return;
int len=arr.length;
//i控制循环次数，由于已经默认第一个数的位置是正确的，因此i的起始值为1，i<len，循环len-1次
for(int i=1;i<len;i++) {
int j=i;//变量j用来记录即将要排序的数的位置即目标数的原位置
int target=arr[j];//target用来记录即将要排序的那个数的值即目标值
//while循环用来为目标值在已经排好序的数中找到合适的位置，
//由于是从后向前比较，而且是与j-1位置的数比较，因此j>0
while(j>0 && target<arr[j-1]) {
//当目标数的值比它当前位置的前一个数的值小时，将前一个数的位置向后移一位。
//而且j--使得目标数继续与下一个元素比较
arr[j]=arr[j-1];
j--;
}
//更目标数的位置。
arr[j]=target;
//打印每次循环结束以后数组的排序状态（方便理解）
System.out.println("第"+(i)+"次循环以后效果："+Arrays.toString(arr));
}
}
复制代码
4.希尔排序
4.1 基本思想
希尔排序也称为"缩小增量排序"，原理是先将须要排的数组分红多个子序列，这样每一个子序列的元素个数就不多，再分别对每一个对子序列进行插入排序。在该数组基本有序后 再进行一次直接插入排序就能完成对整个数组的排序。因此，要采用跳跃分割的策略。这里引入“增量”的概念，将相距某个增量的记录两两组合成一个子序列，而后对每一个子序列进行直接插入排序， 这样获得的结果才会使基本有序（即小的在前边，大的在后边，不大不小的在中间）。希尔排序就是 直接插入排序的升级版。
4.2 图片演示
4.3 代码展现
public static void shellSort(int[] arr) {
if(arr==null)
return;
int len=arr.length;//数组的长度
int k=len/2;//初始的增量为数组长度的一半
//while循环控制按增量的值来划不一样分子序列，每完成一次增量就减小为原来的一半
//增量的最小值为1，即最后一次对整个数组作直接插入排序
while(k>0) {
//里边其实就是升级版的直接插入排序了，是对每个子序列进行直接插入排序，
//因此直接将直接插入排序中的‘1’变为‘k’就能够了。
for(int i=k;i<len;i++) {
int j=i;
int target=arr[i];
while(j>=k && target<arr[j-k]) {
arr[j]=arr[j-k];
j-=k;
}
arr[j]=target;
}
//不一样增量排序后的结果
System.out.println("增量为"+k+"排序以后："+Arrays.toString(arr));
k/=2;
}
}
复制代码
5.归并排序
5.1 基本思想
整体归纳就是从上到下递归拆分，而后从下到上逐步合并。
递归拆分：先把待排序数组分为左右两个子序列，再分别将左右两个子序列拆分为四个子子序列，以此类推直到最小的子序列元素的个数为两个或者一个为止。
逐步合并（必定要注意是从下到上层级合并，能够理解为递归的层级返回）：将最底层的最左边的一个子序列排序，而后将从左到右第二个子序列进行排序，再将这两个排好序的子序列合并并排序，而后将最底层从左到右第三个子序列进行排序..... 合并完成以后记忆完成了对数组的排序操做
5.2 图片演示
5.3 代码展现
public static void main(String[] args) {
// TODO Auto-generated method stub
int[] arr= {3,8,6,2,1,8};
mergeSort(arr,0,arr.length-1);
System.out.println(Arrays.toString(arr));
}
/** * 递归拆分 * @param arr 待拆分数组 * @param left 待拆分数组最小下标 * @param right 待拆分数组最大下标 */
public static void mergeSort(int[] arr,int left,int right) {
int mid=(left+right)/2; //中间下标
if(left<right) {
mergeSort(arr,left,mid);//递归拆分左边
mergeSort(arr,mid+1,right);//递归拆分右边
sort(arr,left,mid,right);//合并左右
}
}
/** * 合并两个有序子序列 * @param arr 待合并数组 * @param left 待合并数组最小下标 * @param mid 待合并数组中间下标 * @param right 待合并数组最大下标 */
public static void sort(int[] arr,int left,int mid,int right) {
int[] temp=new int[right-left+1]; //临时数组，用来保存每次合并年以后的结果
int i=left;
int j=mid+1;
int k=0;//临时数组的初始下标
//这个while循环可以初步筛选出待合并的了两个子序列中的较小数
while(i<=mid && j<=right) {
if(arr[i]<=arr[j]) {
temp[k++]=arr[i++];
}else {
temp[k++]=arr[j++];
}
}
//将左边序列中剩余的数放入临时数组
while(i<=mid) {
temp[k++]=arr[i++];
}
//将右边序列中剩余的数放入临时数组
while(j<=right) {
temp[k++]=arr[j++];
}
//将临时数组中的元素位置对应到真真实的数组中
for(int m=0;m<temp.length;m++) {
arr[m+left]=temp[m];
}
}
复制代码
6.快速排序
6.1 基本思想
快速排序也采用了分治的策略，这里引入了‘基准数’的概念。
- 找一个基准数（通常将待排序的数组的第一个数做为基准数）
- 对数组进行分区，将小于等于基准数的所有放在左边，大于基准数的所有放在右边。
- 重复1，2步骤，分别对左右两个子分区进行分区，一直到各分区只有一个数为止。
6.2 图片演示
6.3 代码展现
public static void main(String[] args) {
// TODO Auto-generated method stub
int[] arr= {72,6,57,88,60,42,83,73,48,85};
quickSort(arr,0,9);
System.out.println(Arrays.toString(arr));
}
/** * 分区过程 * @param arr 待分区数组 * @param left 待分区数组最小下标 * @param right 待分区数组最大下标 */
public static void quickSort(int[] arr,int left,int right) {
if(left<right) {
int temp=qSort(arr,left,right);
quickSort(arr,left,temp-1);
quickSort(arr,temp+1,right);
}
}
/** * 排序过程 * @param arr 待排序数组 * @param left 待排序数组最小下标 * @param right 待排序数组最大下标 * @return 排好序以后基准数的位置下标，方便下次的分区 */
public static int qSort(int[] arr,int left,int right) {
int temp=arr[left];//定义基准数，默认为数组的第一个元素
while(left<right) {//循环执行的条件
//由于默认的基准数是在最左边，因此首先从右边开始比较进入while循环的判断条件
//若是当前arr[right]比基准数大，则直接将右指针左移一位，固然还要保证left<right
while(left<right && arr[right]>temp) {
right--;
}
//跳出循环说明当前的arr[right]比基准数要小，那么直接将当前数移动到基准数所在的位置，而且左指针向右移一位（left++）
//这时当前数（arr[right]）所在的位置空出，须要从左边找一个比基准数大的数来填充。
if(left<right) {
arr[left++]=arr[right];
}
//下面的步骤是为了在左边找到比基准数大的数填充到right的位置。
//由于如今须要填充的位置在右边，因此左边的指针移动，若是arr[left]小于或者等于基准数，则直接将左指针右移一位
while(left<right && arr[left]<=temp) {
left++;
}
//跳出上一个循环说明当前的arr[left]的值大于基准数，须要将该值填充到右边空出的位置，而后当前位置空出。
if(left<right) {
arr[right--]=arr[left];
}
}
//当循环结束说明左指针和右指针已经相遇。而且相遇的位置是一个空出的位置，
//这时候将基准数填入该位置，并返回该位置的下标，为分区作准备。
arr[left]=temp;
return left;
}
复制代码
7.堆排序
7.1 基本思想
在此以前要先说一下堆的概念，堆是一种特殊的彻底二叉树，分为大顶堆和小顶堆。
大顶堆：每一个结点的值都大于它的左右子结点的值，升序排序用大顶堆。
小顶堆：每一个结点的值都小于它的左右子结点的值，降序排序用小顶堆。
因此，须要先将待排序数组构形成大顶堆的格式，这时候该堆的顶结点就是最大的数，将其与堆的最后一个结点的元素交换。再将剩余的树从新调整成堆，再次首节点与尾结点交换，重复执行直到只剩下最后一个结点完成排序。
7.2 图片演示
7.3 代码展现
public static void main(String[] args) {
// TODO Auto-generated method stub
int[] arr= {72,6,57,88,60,42,83,73,48,85};
heapSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void heapSort(int[] arr) {
if(arr==null) {
return;
}
int len=arr.length;
//初始化大顶堆（从最后一个非叶节点开始，从左到右，由下到上）
for(int i=len/2-1;i>=0;i--) {
adjustHeap(arr,i,len);
}
//将顶节点和最后一个节点互换位置，再将剩下的堆进行调整
for(int j=len-1;j>0;j--) {
swap(arr,0,j);
adjustHeap(arr,0,j);
}
}
/** * 整理树让其变成堆 * @param arr 待整理的数组 * @param i 开始的结点 * @param j 数组的长度 */
public static void adjustHeap(int[] arr,int i,int j) {
int temp=arr[i];//定义一个变量保存开始的结点
//k就是该结点的左子结点下标
for(int k=2*i+1;k<j;k=2*k+1) {
//比较左右两个子结点的大小，k始终记录二者中较大值的下标
if(k+1<j && arr[k]<arr[k+1]) {
k++;
}
//经子结点中的较大值和当前的结点比较，比较结果的较大值放在当前结点位置
if(arr[k]>temp) {
arr[i]=arr[k];
i=k;
}else{//说明已是大顶堆
break;
}
}
arr[i]=temp;
}
/** * 交换数据 * @param arr * @param num1 * @param num2 */
public static void swap(int[] arr, int num1,int num2) {
int temp=arr[num1];
arr[num1]=arr[num2];
arr[num2]=temp;
}
复制代码
8.计数排序
8.1 基本思想
计数排序采用了一种全新的思路，再也不是经过比较来排序，而是将待排序数组中的最大值+1做为一个临时数组的长度，而后用临时数组记录待排序数组中每一个元素出现的次数。最后再遍历临时数组，由于是升序，因此从前到后遍历，将临时数组中值>0的数的下标循环取出，依次放入待排序数组中，便可完成排序。计数排序的效率很高，可是实在牺牲内存的前提下，而且有着限制，那就是待排序数组的值必须 限制在一个肯定的范围。
8.2 图片演示
8.3 代码展现
public static void main(String[] args) {
// TODO Auto-generated method stub
int[] arr= {72,6,57,88,60,42,83,73,48,85};
countSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void countSort(int[] arr) {
if(arr==null)
return;
int len=arr.length;
//保存待排序数组中的最大值，目的是肯定临时数组的长度（必须）
int maxNum=arr[0];
//保存待排序数组中的最小值，目的是肯定最终遍历临时数组时下标的初始值（非必需，只是这样能够加快速度，减小循环次数）
int minNum=arr[0];
//for循环就是为了找到待排序数组的最大值和最小值
for(int i=1;i<len;i++) {
maxNum=maxNum>arr[i]?maxNum:arr[i];
minNum=minNum<arr[i]?minNum:arr[i];
}
//建立一个临时数组
int[] temp=new int[maxNum+1];
//for循环是为了记录待排序数组中每一个元素出现的次数，并将该次数保存到临时数组中
for(int i=0;i<len;i++) {
temp[arr[i]]++;
}
//k=0用来记录待排序数组的下标
int k=0;
//遍历临时数组，从新为待排序数组赋值。
for(int i=minNum;i<temp.length;i++) {
while(temp[i]>0) {
arr[k++]=i;
temp[i]--;
}
}
}
复制代码
9.桶排序
9.1 基本思想
桶排序其实就是计数排序的强化版，须要利用一个映射函数首先定义有限个数个桶，而后将待排序数组内的元素按照函数映射的关系分别放入不一样的桶里边，如今不一样的桶里边的数据已经作了区分，好比A桶里的数要么所有大于B桶，要么所有小于B桶里的数。可是A，B桶各自里边的数仍是乱序的。因此要借助其余排序方式（快速，插入，归并）分别对每个元素个数大于一的桶里边的数据进行排序。最后再将桶里边的元素按照顺序依次放入待排序数组中便可。
9.2 图片演示
9.3 代码展现
public static void main(String[] args) {
// TODO Auto-generated method stub
int[] arr= {72,6,57,88,60,42,83,73,48,85};
bucketSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void bucketSort(int[] arr) {
if(arr==null)
return;
int len=arr.length;
//定义桶的个数，这里k的值要视状况而定，这里咱们假设待排序数组里的数都是[0,100)之间的。
int k=10;
//用嵌套集合来模拟桶，外层集合表示桶，内层集合表示桶里边装的元素。
List<List<Integer>> bucket=new ArrayList<>();
//for循环初始化外层集合即初始化桶
for(int i=0;i<k;i++){
bucket.add(new ArrayList<>());
}
//循环是为了将待排序数组中的元素经过映射函数分别放入不一样的桶里边
for(int i=0;i<len;i++) {
bucket.get(mapping(arr[i])).add(arr[i]);
}
//这个循环是为了将全部的元素个数大于1的桶里边的数据进行排序。
for(int i=0;i<k;i++) {
if(bucket.size()>1) {
//由于这里是用集合来模拟的桶因此用java写好的对集合排序的方法。
//其实应该本身写一个方法来排序的。
Collections.sort(bucket.get(i));
}
}
//将排好序的数从新放入待排序数组中
int m=0;
for(List<Integer> list:bucket) {
if(list.size()>0) {
for(Integer a:list) {
arr[m++]=a;
}
}
}
}
/** * 映射函数 * @param num * @return */
public static int mapping(int num) {
return num/10;
}
复制代码
10.基数排序
10.1基本思想
就是将待排序数据拆分红多个关键字进行排序，也就是说，基数排序的实质是多关键字排序。多关键字排序的思路是将待排数据里德排序关键字拆分红多个排序关键字； 第1个排序关键字，第2个排序关键字，第3个排序关键字......而后，根据子关键字对待排序数据进行排序。
10.2 图片演示
10.3 代码展现
public static void main(String[] args) {
// TODO Auto-generated method stub
int[] arr= {720,6,57,88,60,42,83,73,48,85};
redixSort(arr,10,3);
System.out.println(Arrays.toString(arr));
}
public static void redixSort(int[] arr, int radix, int d) {
// 缓存数组
int[] tmp = new int[arr.length];
// buckets用于记录待排序元素的信息
// buckets数组定义了max-min个桶
int[] buckets = new int[radix];
for (int i = 0, rate = 1; i < d; i++) {
// 重置count数组，开始统计下一个关键字
Arrays.fill(buckets, 0);
// 将data中的元素彻底复制到tmp数组中
System.arraycopy(arr, 0, tmp, 0, arr.length);
// 计算每一个待排序数据的子关键字
for (int j = 0; j < arr.length; j++) {
int subKey = (tmp[j] / rate) % radix;
buckets[subKey]++;
}
for (int j = 1; j < radix; j++) {
buckets[j] = buckets[j] + buckets[j - 1];
}
// 按子关键字对指定的数据进行排序
for (int m = arr.length - 1; m >= 0; m--) {
int subKey = (tmp[m] / rate) % radix;
arr[--buckets[subKey]] = tmp[m];
}
rate *= radix;
}
}
复制代码
参考资料
- 1. 十大排序算法全面解析-Java实现
- 2. 十大排序算法全面解析 - Java实现
- 3. 十大排序算法（Java实现）
- 4. 十大排序算法（java实现）
- 5. 十大排序算法(java)
- 6. 十大经典排序算法解析
- 7. 十大排序算法解析及实现
- 8. JS十大排序算法实现
- 9. 十大排序算法（Python实现）
- 10. JavaScript实现十大排序算法
- 更多相关文章...
- • Docker 命令大全 - Docker教程
- • ADO 排序 - ADO 教程
- • 算法总结-归并排序
- • ☆基于Java Instrument的Agent实现
-
每一个你不满意的现在，都有一个你没有努力的曾经。
- 1. 十大排序算法全面解析-Java实现
- 2. 十大排序算法全面解析 - Java实现
- 3. 十大排序算法（Java实现）
- 4. 十大排序算法（java实现）
- 5. 十大排序算法(java)
- 6. 十大经典排序算法解析
- 7. 十大排序算法解析及实现
- 8. JS十大排序算法实现
- 9. 十大排序算法（Python实现）
- 10. JavaScript实现十大排序算法