图解选择排序及算法优化(Java实现)

选择排序

前言

原理:每次循环对比找出最小/大值,将最值的元素交换至左侧java

思想:直接选择排序(Straight Select Sort)算法思想:第一趟从n个元素的数据序列中选出关键字最小/大的元素并放在最前/后位置,下一趟从n-1个元素中选出最小/大的元素并放在最前/后位置。以此类推,通过n-1趟完成排序算法

案例分析数组

一、初始的无序数列 {5,8,6,3,1,7},但愿对其升序排序post

二、按照思路分析:
优化

内层循环通过一轮对比后找到最小值,min = 1,下标为 index = 4;交换位置指针

代码实现

第 1 版代码

public static void straightSelectSort(int[] arr){

    //i不须要 = 数组最尾部元素,由于后面没有值对比了
    for (int i = 0; i < arr.length - 1; i++) {
        //设置每次循环的起始点为最小/大值
        int min = arr[i];
        //记录下最小/大值的下标
        int index = i;
        for (int j = i + 1; j < arr.length; j++) {
            //升序排序>,降序排序<
            if (min > arr[j]){
                min = arr[j];
                index = j;
            }
        }
        //一轮对比完成后,将默认的最小值赋予到找到的最值下标位置
        arr[index] = arr[i];
        //把找到的真实最值放到前面
        arr[i] = min;
    }
}

这里其实有可能出现默认的最小值其实就是真正的最小值,因此一轮内层循环下来,是没有交换数据,能够添加哨兵,若是没有找到最小值,就不进行值的交换,减小交换次数。code

第 2 版代码

public static void straightSelectSort(int[] arr){

    //i不须要 = 数组最尾部元素,由于后面没有值对比了
    for (int i = 0; i < arr.length - 1; i++) {
        //设置每次循环的起始点为最小/大值
        int min = arr[i];
        //记录下最小/大值的下标
        int index = i;
        //哨兵,记录是否找到最值,默认false
        boolean isSwap = false;
        for (int j = i + 1; j < arr.length; j++) {
            //升序排序>,降序排序<
            if (min > arr[j]){
                min = arr[j];
                index = j;
                //找到最值,设置为true
                isSwap = true;
            }
        }
        if (isSwap){
            //一轮对比完成后,将默认的最小值赋予到找到的最值下标位置
            arr[index] = arr[i];
            //把找到的真实最值放到前面
            arr[i] = min;
        }
    }
}

直接选择排序算法复杂度分析:blog

若是数组中有**n个元素排序

第1轮循环是arr[0] 和arr[1] ...arr[n-1] 进行比较,次数为n-1 次,arr[0]放最值。get

第2轮循环是arr[1] 和 arr[2]...arr[n-1] 进行比较,次数为n-2次,arr[1]放第二个最值。

因此不可贵出它的比较的次数是n-1 + n-2 + n-3 + ....1 = n*(n-1)/2 。

时间复杂度为 = n^2/2- n/2 = n^2 ,O(n^2)

算法升级

分析

直接选择排序每一次查找只是找出最小值,能够这么改进,查找最小值的同时,找到一个最大值,而后将二者分别放在它们应该出现的位置,这样遍历的次数就会减小,同时添加哨兵,若是没有找到最值,不发生交换

以新的无序数列 {5,1,6,3,9,2,7,0}为例,按照上面的分析,初始状态以下:

排序过程以下:

交换最值,将最小值放到arr[left],最大值放到arr[right],同时left++,right--;准备下一轮循环,第一轮结果以下:

算法注意点:

(1) 第二轮开始对比前,咱们能够发现,此时arr[left]arr[right]刚好是此轮的最值,所以应该加上哨兵,对此状况,内循环走完后,不进行值交换,判断条件:min == right && max == left

(2) 特别注意的地方:第三轮循环后,能够发现的点是,left = 2,right = 5,而结果是min = 5,max = 2,仔细看你就发现了,leftmin对应,而maxright对应,结果是值反面的的,因此在进行值交换的时候,进行一次就能够了,不然交换两次,就变成了巴黎铁塔翻过来又翻回去了,判断条件:min == right && max == left

进化版代码

public static void betterSelectSort(int[] arr) {

        //left指针指向无序边界起点,right指针指向终点,temp用做临时变量交换值
        int left,right,temp;
        //默认指向无序列表起点
        left = 0;
        //默认指向无序列表终点
        right = arr.length - 1;
        //记录每轮找到的最小值的下标
        int min = left;
        //记录每轮找到的最大值的下标
        int max = right;
        //当right >= left时,列表已经有序
        //记录循环的次数
        int index = 0;
        while(left < right) {
            min = left;     //每轮开始前,默认无序列表起点为最小值
            max = right;    //每轮开始前,默认无序列表终点为最大值
            //指针i从左往右扫描,找出最小值,最大值
            for (int i=left; i<=right; i++) {
                if (arr[i]<arr[min]) {
                    min = i;    //经过比较,记录最小值的下标
                }
                if(arr[i]>arr[max]) {
                    max = i;    //经过比较,记录最大值的下标
                }
            }
            index++;
            if (min == left && max == right){
                System.out.println("第" + index + "轮循环没有找到最值,无需交换");
            }else if (min == right && max == left){
                //交换一次便可,交换两次的话,序列翻转,至关于没有交换
                temp = arr[left];
                arr[left] = arr[min];
                arr[min] = temp;
            }else {
                //找到最小值,交换
                temp = arr[left];
                arr[left] = arr[min];
                arr[min] = temp;

                //找到最大值,交换
                temp = arr[right];
                arr[right] = arr[max];
                arr[max] = temp;
            }
            //肯定最小/大值,指针向中间移动
            left++;right--;
        }
    }

优化后代码虽然有效的减小了外层循环的次数,但其时间复杂度仍然是O(n^2)

文章为原创,转载请声明出处
更多文章,欢迎点赞关注,个人掘金:https://juejin.im/user/1151943919304840/posts

相关文章
相关标签/搜索