数据结构（二）--排序

常见的内部排序算法有：插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。用一张图概括：

1.1 冒泡排序

冒泡排序（Bubble Sort）是一种简单的排序算法，它通过重复地遍历待排序的列表，比较相邻的元素并交换它们的位置来实现排序。该算法的名称来源于较小的元素会像"气泡"一样逐渐"浮"到列表的顶端。

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

2、选择排序（Selection Sort） 

算法步驟

1. 首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置；
2. 再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾；
3. 重复第2步，直到所有元素均排序完毕。

//		private static void sort(int[] arr) {
//			// TODO Auto-generated method stub
//			for(int i=1;i<arr.length;i++) {
//				
//			for(int j=i-1;j>=0;j--) {
//				if(arr[j]>arr[j+1]) {
//					int a =arr[j];
//					arr[j]=arr[j+1];
//					arr[j+1]=a;
//
//				}
//				else {break;}
//			
//				
//			}
//			}
//			
//			
//			}

3、插入排序（Insertion Sort）
算法步驟

首先从第一个元素开始，该元素被认为是有序的；
取出下一个元素，在已经排序的元素序列中从后往前进行扫描；
如果该已排好序的元素大于新元素，则将该元素移到下一位置；
重复步骤3一直往前进行扫描比较，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。

public class InsertionSort {
    public static void insertionSort(int[] arr) {
        for (int i = 1; i < arr.length; i++) {
            int val = arr[i], j = i;
            while (j > 0 && val < arr[j - 1]) {
                arr[j] = arr[j - 1];
                j--;
            }
            arr[j] = val;
        }
    }
}

4、希尔排序（Shell Sort）
算法步驟

选择一个增量序列{t1, t2, …, tk}；
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t，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。仅增量因子为1时，整个序列作为一个表来处理，表长度即为整个序列的长度。
其中，增量gap=length/2，缩小增量继续以gap = gap/2的方式，这种增量选择我们可以用一个序列来表示，{n/2, (n/2)/2, …, 1}，称为增量序列。一般的增量序列都选择以上说明的这个，但不一定是最优的。

public static void sort(int[] arr) {
//			for(int i=arr.length/2;i>=1;i--) {
//				for(int j=i;j<arr.length;j++) {
//					for(int k=j-i;k>=0;k=k-i) {
//						if(arr[k]>arr[k+i]) {
//							
//							int temp=arr[k];
//							arr[k]=arr[k+i];
//							arr[k+i]=temp;
//							
//							
//						}
//						
//						
//						
//					}
//					
//					
//					
//				}
//				
//				
//			}
//			
//			
//			
//			
//		}