第一种:冒泡排序
复杂度分析:冒泡排序是不稳定的排序算法,一共要比较((n-1)+(n-2)+...+3+2+1)=n*(n-1)/2次,所以时间复杂度是O(n^2)。
第二种:选择排序
复杂度分析:选择排序是不稳定算法,最好的情况是最好情况是已经排好顺序,只要比较
n*(n-1)/2次即可,最坏情况是逆序排好的,那么还要移动 O(n)次,由于是低阶故而不考虑
不难得出选择排序的时间复杂度是 O(n^2)
第三种:插入排序
算法分析:插入排序的思想是这样的,第一层for循环表示要循环n次,且每次循环要操作的主体是a[i],第二层循环是对a[i]的具体操作,是从原数祖第i个位置起,向前比较,若a[i]比前面的数小,前面的数后移占去a[i]的位置,同时也为a[i]空出了插入地点,然后向前继续比较,直到a[i]比前面的数来的大,插入。下一次循环开始,这样就完成一个完整的升序插入排序。
很明显,这种排序也是不稳定的,
最好的情况是:顺序已经排好那么我们只要进行n-1次比较即可。
最坏的情况是:顺序恰好是逆序,惨了,我们要比较1+2+...+n-1次
平均的复杂度算起来还是比较困难的,也是很有参考价值的:
1。首先,我们来看 对于第i个元素 a[i] 的操作
从等概率角度思考:a[i]只比较 1 次的概率为 1/i;
a[i]只比较 2 次的概率为 1/i;
a[i]只比较 3 次的概率为 1/i;
。
。
。
a[i]只比较 i-1 次的概率为 1/i;
a[i]只比较 i 次的概率为 1/i;
于是又编号为i的元素平均比较次数为:(1/i)*(1+2+3+...+i)=(i+1)/2
2。然后我们来看
平均比较次数为 T=(2+3+4+...+n)/2
所以插入排序的平均时间复杂度也是O(n^2).
- public
static int[] bubbleSort(int[] a) { -
for (int i = 0; i < a.length; i++) { -
for (int j = 0; j < (a.length - i) - 1; j++) { -
if (a[j] > a[j + 1]) { -
int temp = a[j]; -
a[j] = a[j + 1]; -
a[j + 1] = temp; -
} -
} -
} -
return a; - }
public static int[] bubbleSort(int[] a) { for (int i = 0; i < a.length; i++) { for (int j = 0; j < (a.length - i) - 1; j++) { if (a[j] > a[j + 1]) { int temp = a[j]; a[j] = a[j + 1]; a[j + 1] = temp; } } } return a; }
复杂度分析:冒泡排序是不稳定的排序算法,一共要比较((n-1)+(n-2)+...+3+2+1)=n*(n-1)/2次,所以时间复杂度是O(n^2)。
第二种:选择排序
- public
static int[] selecitonSort(int[] a) { -
for (int i = 0; i < a.length; i++) { -
int max = a[0]; -
int count = 0; -
int k = a.length - i - 1; -
for (int j = 0; j < a.length - i; j++) { -
if (max < a[j]) { -
max = a[j]; -
count = j; -
} -
} -
a[count] = a[k]; -
a[k] = max; -
} -
return a; - }
public static int[] selecitonSort(int[] a) { for (int i = 0; i < a.length; i++) { int max = a[0]; int count = 0; int k = a.length - i - 1; for (int j = 0; j < a.length - i; j++) { if (max < a[j]) { max = a[j]; count = j; } } a[count] = a[k]; a[k] = max; } return a; }
复杂度分析:选择排序是不稳定算法,最好的情况是最好情况是已经排好顺序,只要比较
n*(n-1)/2次即可,最坏情况是逆序排好的,那么还要移动 O(n)次,由于是低阶故而不考虑
不难得出选择排序的时间复杂度是 O(n^2)
第三种:插入排序
- public
static int[] insertionSort(int[] a) { -
int n = a.length; -
for (int i = 1; i < n; i++) { -
int temp = a[i]; -
int j; -
for (j = i - 1; j >= 0 && temp < a[j]; j--) { -
a[j + 1] = a[j]; -
} -
a[j + 1] = temp; -
} -
return a; -
}
public static int[] insertionSort(int[] a) { int n = a.length; for (int i = 1; i < n; i++) { int temp = a[i]; int j; for (j = i - 1; j >= 0 && temp < a[j]; j--) { a[j + 1] = a[j]; } a[j + 1] = temp; } return a; }
算法分析:插入排序的思想是这样的,第一层for循环表示要循环n次,且每次循环要操作的主体是a[i],第二层循环是对a[i]的具体操作,是从原数祖第i个位置起,向前比较,若a[i]比前面的数小,前面的数后移占去a[i]的位置,同时也为a[i]空出了插入地点,然后向前继续比较,直到a[i]比前面的数来的大,插入。下一次循环开始,这样就完成一个完整的升序插入排序。
很明显,这种排序也是不稳定的,
最好的情况是:顺序已经排好那么我们只要进行n-1次比较即可。
最坏的情况是:顺序恰好是逆序,惨了,我们要比较1+2+...+n-1次
平均的复杂度算起来还是比较困难的,也是很有参考价值的:
1。首先,我们来看 对于第i个元素 a[i] 的操作
从等概率角度思考:a[i]只比较 1 次的概率为 1/i;
a[i]只比较 2 次的概率为 1/i;
a[i]只比较 3 次的概率为 1/i;
。
。
。
a[i]只比较 i-1 次的概率为 1/i;
a[i]只比较 i 次的概率为 1/i;
于是又编号为i的元素平均比较次数为:(1/i)*(1+2+3+...+i)=(i+1)/2
2。然后我们来看
平均比较次数为 T=(2+3+4+...+n)/2
所以插入排序的平均时间复杂度也是O(n^2).