排序示例为从小到大排
冒泡 O(n2)
算法原理
- 比较相邻的元素。如果第一个比第二个大,就交换它们两个;
- 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,这样在最后的元素应该会是最大的数;
- 针对所有的元素重复以上的步骤,除了最后一个;
- 重复步骤1~3,直到排序完成
平均时间复杂度: O(n2)
空间复杂度:O(1)
特点:稳定,简单
选择 O(n2)
算法原理
- 第一步直接选择最小值排在第一位
- 除去已排序的位置,在数组中剩余的数中重复第一步操作,直至选择完毕。
时间复杂度:O(n2)
空间复杂度: O(1)
特点: 不稳定,简单
public class SelectionSort implements IArraySort {
@Override
public int[] sort(int[] sourceArray) throws Exception {
int[] arr = Arrays.copyOf(sourceArray, sourceArray.length);
// 总共要经过 N-1 轮比较
for (int i = 0; i < arr.length - 1; i++) {
int min = i;
// 每轮需要比较的次数 N-i
for (int j = i + 1; j < arr.length; j++) {
if (arr[j] < arr[min]) {
// 记录目前能找到的最小值元素的下标
min = j;
}
}
// 将找到的最小值和i位置所在的值进行交换
if (i != min) {
int tmp = arr[i];
arr[i] = arr[min];
arr[min] = tmp;
}
}
return arr;
}
}
快速 O(nlog2n)
算法原理
- 从数组中获取到锚点
- 使锚点左边的数字都小于锚点,右边的数字都大于锚点
- 在锚点左右两边的数组中分别选择新的锚点,重复2操作
- 重复3操作直至排序完成
平均时间复杂度:O( nlog2n)
空间复杂度:O( nlog2n)
特点:不稳定,复杂
堆 O(nlog2n)
算法原理
- 将初始待排序关键字序列(R1,R2….Rn)构建成小顶堆,此堆为初始的无序区;
- 将堆顶元素R[1]与最后一个元素R[n]交换,此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足R[1,2…n-1]<=R[n];
- 由于交换后新的堆顶R[1]可能违反堆的性质,因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆,然后再次将R[1]与无序区最后一个元素交换,得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1,则整个排序过程完成。
平均时间复杂度: O(nlog2n)
空间复杂度:O(1)
特点:不稳定,复杂
插入 O( n2)
算法原理
- 从第一个元素开始,该元素可以认为已经被排序;
- 取出下一个元素,在已经排序的元素序列中从后向前扫描;
- 如果该元素(已排序)大于新元素,将该元素移到下一位置;
- 重复步骤3,直到找到已排序的元素小于或者等于新元素的位置;
- 将新元素插入到该位置后;
- 重复步骤2~5
平均时间复杂度:O( n2)
空间复杂度:O(1)
特点:稳定,简单
public class InsertSort implements IArraySort {
@Override
public int[] sort(int[] sourceArray) throws Exception {
// 对 arr 进行拷贝,不改变参数内容
int[] arr = Arrays.copyOf(sourceArray, sourceArray.length);
// 从下标为1的元素开始选择合适的位置插入,因为下标为0的只有一个元素,默认是有序的
for (int i = 1; i < arr.length; i++) {
// 记录要插入的数据
int tmp = arr[i];
// 从已经排序的序列最右边的开始比较,找到比其小的数
int j = i;
while (j > 0 && tmp < arr[j - 1]) {
arr[j] = arr[j - 1];
j--;
}
// 存在比其小的数,插入
if (j != i) {
arr[j] = tmp;
}
}
return arr;
}
}
希尔 O (n1.3)
算法原理
- 选择一个增量序列t1,t2,…,tk,其中如果i<j 则 ti>tj,tk=1;
- 按增量序列个数k,对序列进行k 趟排序;
- 每趟排序,根据对应的增量ti,将待排序列分割成若干长度为m 的子序列,分别对各子表进行直接插入排序
- 增量因子为1 时,整个序列作为一个表来处理,排序完成。
平均时间复杂度:O( n1.3)
空间复杂度:O(1)
特点:不稳定,复杂
public static void shellSort(int[] arr) {
int length = arr.length;
int temp;
for (int step = length / 2; step >= 1; step /= 2) {
for (int i = step; i < length; i++) {
temp = arr[i];
int j = i - step;
while (j >= 0 && arr[j] > temp) {
arr[j + step] = arr[j];
j -= step;
}
arr[j + step] = temp;
}
}
}
归并 O(nlog 2 n)
算法原理
- 把长度为n的输入序列分成两个长度为n/2的子序列;
- 对这两个子序列分别重复步骤1,即递归拆分,直至拆分到2个一组;
- 递归返回时对当前的序列进行归并操作
- 直至返回到最初调,排序结束
平均时间复杂度:O(nlog 2 n)
空间复杂度:O(n)
特点:稳定,复杂
计数 O(n+k)
限制: 元素为整数
https://www.cnblogs.com/developerY/p/3166462.html
算法原理
- 找出待排序的数组中最大M和最小N的元素;
- 创建一个额外的数组空间C[N,M],C下标包含N-M,的所有整数
- 遍历原数组计数,Cx处记录对应整数X出现的次数
- 反向填充目标数组:顺序取出Cx中不为0的计数,将元素x顺序放在原数组中,每放一个元素就将Cx减去1。
- 所有计数为0则排序结束
平均时间复杂度: O(n+k)
空间复杂度:O(n+k)
特点:稳定,简单
桶 O(n+k)
算法原理
- 设置一个定量的数组当作空桶;
- 遍历输入数据,并且把数据一个一个放到对应的桶里去;
- 对每个不是空的桶进行计数排序;
- 从不是空的桶里把排好序的数据拼接起来。
平均时间复杂度:O(n+k)
空间复杂度:O(n+k)
特点:稳定,简单
基数 O(n*k)
算法原理
- 取得数组中的最大数,并取得位数;
- arr为原始数组,从最低位开始取每个位组成radix数组;
- 对radix进行计数排序(利用计数排序适用于小范围数的特点)。
平均时间复杂度:O(n*k)
空间复杂度:O(n+k)
特点:稳定,简单
词汇注解
时间复杂度
时间复杂度可以认为是对排序数据的总的操作次数
空间复杂度
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,它也是问题规模n的函数
稳定性
假定在待排序的记录序列中,存在多个具有相同的关键字的记录,若经过排序,这些记录的相对次序保持不变,即在原序列中,r[i]=r[j],且r[i]在r[j]之前,而在排序后的序列中,r[i]仍在r[j]之前,则称这种排序算法是稳定的;否则称为不稳定的。