Java数组排序总结(冒泡,选择,插入,…-优快云博客

本文链接：https://blog.youkuaiyun.com/u012202641/article/details/11897115

本文深入介绍了四种基本的Java排序算法：冒泡排序、选择排序、插入排序和希尔排序，并提供了详细的代码实现。此外，还探讨了递归算法的复杂度，并通过一个具体的例子解释了动态规划如何提高递归算法的效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

public class SortAll {


public static void main(String[] args) {
  int[] i = { 1, 5, 6, 12, 4, 9, 3, 23, 39, 403, 596, 87 };
  System.out.println("----冒泡排序的结果：");
  maoPao(i);
  System.out.println();
  System.out.println("----选择排序的结果：");
  xuanZe(i);
  System.out.println();
  System.out.println("----插入排序的结果：");
  chaRu(i);
  System.out.println();
  System.out.println("----希尔（Shell）排序的结果：");
  shell(i);
}

// 冒泡排序
public static void maoPao(int[] x) {
  for (int i = 0; i < x.length; i++) {
   for (int j = i + 1; j < x.length; j++) {
    if (x[i] > x[j]) {
     int temp = x[i];
     x[i] = x[j];
     x[j] = temp;
    }
   }
  }
  for (int i : x) {
   System.out.print(i + " ");
  }
}

// 选择排序
public static void xuanZe(int[] x) {
  for (int i = 0; i < x.length; i++) {
   int lowerIndex = i;
   // 找出最小的一个索引
   for (int j = i + 1; j < x.length; j++) {
    if (x[j] < x[lowerIndex]) {
     lowerIndex = j;
    }
   }
   // 交换
   int temp = x[i];
   x[i] = x[lowerIndex];
   x[lowerIndex] = temp;
  }
  for (int i : x) {
   System.out.print(i + " ");
  }
}

// 插入排序
public static void chaRu(int[] x) {
  for (int i = 1; i < x.length; i++) {// i从一开始，因为第一个数已经是排好序的啦
   for (int j = i; j > 0; j--) {
    if (x[j] < x[j - 1]) {
     int temp = x[j];
     x[j] = x[j - 1];
     x[j - 1] = temp;
    }
   }
  }
  for (int i : x) {
   System.out.print(i + " ");
  }
}

// 希尔排序
public static void shell(int[] x) {
  // 分组
  for (int increment = x.length / 2; increment > 0; increment /= 2) {
   // 每个组内排序
   for (int i = increment; i < x.length; i++) {
    int temp = x[i];
    int j = 0;
    for (j = i; j >= increment; j -= increment) {
     if (temp < x[j - increment]) {
      x[j] = x[j - increment];
     } else {
      break;
     }
    }
    x[j] = temp;
   }
  }

  for (int i : x) {
   System.out.print(i + " ");
  }
}
}

递归算法的复杂度

递归算法的复杂度通常很难衡量，一般都认为是每次递归分支数的递归深度次方。但通常情况下没有这个大，如果我们可以保存每次子递归的结果的话，递归算法的复杂性等于不同的节点个数。这也是动态规划算法思想的由来。

看一下下面这个算法题目，据称是百度的笔试题：

简述：实现一个函数，对一个正整数n，算得到1需要的最少操作次数：

如果n为偶数，将其处以2；如果n为奇数，可以加1或减1；一直处理下去。

要求：实现函数（实现尽可能高效）int func(unsigned int n)；n为输入，返回最小的运算次数。
我不确定是不是对n的操作次数有一个简单的刻画，尝试着想了一会儿，似乎不太容易想到。但后来发现这个题目本质上不是算法题，而是算法分析题。因为仔细分析可以发现，题目中给的递归构造本身就是非常高效的。

直接按照题目中的操作描述可以写出函数：

int function(unsigned int n) {
if (n == 1) return 0;
if (n%2 == 0) return 1 + function(n/2);
return 1 + min(function((n + 1)/2), function((n - 1)/2));
}
在递归过程中，每个节点可以引出一条或两条分支，递归深度为，所以总节点数为级别的，但为何还说此递归本身是非常高效的呢？

理解了动态规划的思想，就很容易理解这里面的问题。因为动态规划本质上就是保存运算结果的递归，虽然递归算法经常会有指数级别的搜索节点，但这些节点往往重复率特别高，当保存每次运算的节点结果后，在重复节点的计算时，就可以直接使用已经保存过的结果，这样就大大提高了速度（每次不仅减少一个节点，而且同时消灭了这个节点后面的所有分支节点）。

在这个问题里是什么情况呢？仔细分析就会发现，在整个搜索数中，第层的节点只有两种可能性和。这意味着整个搜索树事实上只有个节点。所以这个递归算法本质上的运算复杂度只有。这已经是最优的了。