前言
今天对校招面试常问的排序算法，做个总结，如果觉得文章不错的话，希望点赞再看，谢谢！文末有福利哦，记得查看~
前置知识
排序算法的稳定性
排序算法的稳定性是指：当输入元素中有两个元素的值相同时，排序后完成之后，这两个元素的前后位置是否发生了前后变化。
应用场景
1.订单排序
假设需要为用户按照时间顺序来展示订单， 相同时间点的订单按照订单金额顺序来展示。
实现上，可以先订单金额对订单排一次序， 再按时间对订单排一次序。
那么，这里排序算法的稳定性就体现用武之地了
假设按时间排序时不是稳定的，那么相同时间的2笔订单可能就会发送顺序调换， 因此而破坏了前面按金额排序好的结果。
结论： 按订单金额先排序，再用稳定排序算法按时间排序。
2.成绩排序
假设需要给学生的卷面成绩排序， 相同成绩的学生按平时分排序。
实现上， 有了第一个例子的经验，我们已经知道，要先按照平时分排序，再用稳定排序算法按卷面成绩排序。
因为假如遇到相同卷面分的学生， 那不稳定的排序会破坏排好序的平时分。
- 内排序：所有排序操作都在内存中完成；
- 外排序：由于数据太大，因此把数据放在磁盘中，而排序通过磁盘和内存的数据传输才能进行； 时间复杂度： 一个算法执行所耗费的时间。
- 空间复杂度：运行完一个程序所需内存的大小。
一张图
冒泡排序
核心思路：
依次比较相邻的两个数，将小数放在前面，大数放在后面。
在第一趟：首先比较第1个和第2个数，将小数放前，大数放后。然后比较第2个数和第3个数，将小数放前，大数放后，如此继续，直至比较最后两个数，将小数放前，大数放后。至此第一趟结束，将最大的数放到了最后。
在第二趟：仍从第一对数开始比较（因为可能由于第2个数和第3个数的交换，使得第1个数不再小于第2个数），将小数放前，大数放后，一直比较到倒数第二个数（倒数第一的位置上已经是最大的），第二趟结束，在倒数第二的位置上得到一个新的最大数（其实在整个数列中是第二大的数）。
如此下去，重复以上过程，直至最终完成排序。
举例说明：4 5 6 3 2 1,从小到大排序
第一次冒泡的结果:4 5 6 3 2 1->4 5 3 6 2 1 -> 4 5 3 2 6 1 -> 4 5 3 2 1 6，6这个元素的位置确定了
第二次冒泡的结果:4 5 3 2 1 6->4 3 5 2 1 6 -> 4 3 2 5 1 6 -> 4 3 2 1 5 6，5这个元素的位置确定了
第三次冒泡的结果:4 3 2 1 5 6->3 4 2 1 5 6 -> 3 2 4 1 5 6 -> 3 2 1 4 5 6，4这个元素的位置确定了
第四次冒泡的结果:3 2 1 4 5 6->2 3 1 4 5 6 -> 2 1 3 4 5 6，3这个元素的位置确定了
第五次冒泡的结果:2 1 3 4 5 6->1 2 3 4 5 6，2这个元素的位置确定了
实现
设数组长度为N：
1．比较相邻的前后二个数据，如果前面数据大于后面的数据，就将二个数据交换。
2．这样对数组的第0个数据到N-1个数据进行一次遍历后，最大的一个数据就“沉”到数组第N-1个位置。
3．循环N=N-1，如果N不为0就重复前面二步，否则排序完成。
public class BubbleSort {
public static void BubbleSort(int[] arr) {
int temp;
for (int i = 0; i < arr.length - 1; i++) {
for (int j = 0; j < arr.length - i - 1; j++) {
if (arr[j + 1] < arr[j]) {
temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
}
}
public static void main(String[] args) {
int arr[] = new int[]{
1, 6, 2, 3, 22};
BubbleSort.BubbleSort(arr);
System.out.println(Arrays.toString(arr));
}
}
冒泡排序法存在的不足及改进方法
在排序过程中，执行完最后的排序后，虽然数据已全部排序完备，但程序无法判断是否完成排序，为了解决这一不足，可设置一个标志位flag，将其初始值设置为非0，表示被排序的表是一个无序的表，每一次排序开始前设置flag值为0，在进行数据交换时，修改flag为非0。
在新一轮排序开始时，检查此标志，若此标志为0，表示上一次没有做过交换数据（有序状态），则结束排序；否则进行排序；
优化
import java.util.Arrays;
public class BubbleSort {
public static void main(String[] args) {
int data[] = {
4, 5, 6, 3, 2, 1 };
int n = data.length;
for (int i = 0; i < n - 1; i++) {
//排序的次数
boolean flag = false;
for (int j = 0; j < n - 1 - i; j++) {
//具体冒泡 n - 1 - i
if (data[j] > data[j + 1]) {
int temp = data[j];
data[j] = data[j + 1];
data[j + 1] = temp;
flag = true;
}
}
if(!flag) break;
}
System.out.println(Arrays.toString(data));
}
}
选择排序
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，然后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，以此类推，直到所有元素均排序完毕
由于存在数据交换，选择排序不是稳定的排序算法
实现
public class SelectionSort {
public int[] selectionSort(int[] A, int n) {
//记录最小下标值
int min=0;
for(int i=0; i<A.length-1;i++){
min = i;
//找到下标i开始后面的最小值
for(int j=i+1;j<A.length;j++){
if(A[min]>A[j]){
min = j;
}
}
if(i!=min){
swap(A,i,min);
}
}
return A;
}
private void swap(int[] A,int i,int j){
int temp = A[i];
A[i] = A[j];
A[j] = temp;
}
}
插入排序
插入排序算法的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入，因而在从后向前扫描过程中，需要反复把已排序元素逐步向后挪位，为最新元素提供插入空间
实现
public class InsertionSort {
public int[] insertionSort(int[] A, int n) {
//用模拟插入扑克牌的思想
//插入的扑克牌
int i,j,temp;
//已经插入一张，继续插入
for(i=1;i<n;i++){
temp = A[i];
//把i前面所有大于要插入的牌的牌往后移一位，空出一位给新的牌
for(j=i;j>0&&A[j-1]>temp;j--){
A[j] = A[j-1];
}
//把空出来的一位填满插入的牌
A[j] = temp;
}
return A;
}
}
归并排序
归并排序核心是分治思想，先把数组从中间分成前后两部分，然后对前后两部分分别排序，再将排好序的两部分合并在一起，这样整个数组就都有序了
若将两个有序表合并成一个有序表，称为二路归并
归并排序是稳定的排序算法
实现
public class MergeSort {
public static void main(String[] args) {
int data[] = {
9, 5, 6, 8, 0, 3, 7, 1 };
megerSort(data, 0, data.length - 1);
System.out.println(Arrays.toString(data));
}
public static void mergeSort(int data[], int left, int right) {
// 数组的两端
if (left < right) {
// 相等了就表示只有一个数了 不用再拆了
int mid = (left + right) / 2;
mergeSort(data, left, mid);
mergeSort(data, mid + 1, right);
// 分完了 接下来就要进行合并，也就是我们递归里面归的过程
merge(data, left, mid, right);
}
}
public static void merge(int data[], int left, int mid, int right) {
int temp[] = new int[data.length]; //借助一个临时数组用来保存合并的数据
int point1 = left; //表示的是左边的第一个数的位置
int point2 = mid + 1; //表示的是右边的第一个数的位置
int loc = left; //表示的是我们当前已经到了哪个位置了
while(point1 <= mid && point2 <= right){
if(data[point1] < data[point2]){
temp[loc] = data[point1];
point1 ++ ;
loc ++ ;
}else{
temp[loc] = data[point2];
point2 ++;
loc ++ ;
}
}
while(point1 <= mid){
temp[loc ++] = data[point1 ++];
}
while(point2 <= right){
temp[loc ++] = data[point2 ++];
}
for(int i = left ; i <= right ; i++){
data[i] = temp[i];
}
}
}
希尔排序
基本思想：
算法先将要排序的一组数按某个增量d（n/2，n为要排序数的个数）分成若干组，每组中记录的下标相差d，对每组中全部元素进行直接插入排序，然后再用一个较小的增量（d/2）对它进行分组，在每组中再进行直接插入排序。当增量减到1时，进行直接插入排序后，排序完成
希尔排序法(缩小增量法) 属于插入类排序，是将整个无序列分割成若干小的子序列分别进行插入排序的方法
假如：数组的长度为10，数组元素为：25、19、6、58、34、10、7、98、160、0
整个希尔排序的算法过程如下如所示：
实现
public static int[] ShellSort(int[] array) {
int len = array.length;
int temp, gap = len / 2;
while (gap > 0) {
for (int i = gap; i < len; i++) {
temp = array[i];
int preIndex = i - gap;
while (preIndex >= 0 && array[preIndex] > temp) {
array[preIndex + gap] = array[preIndex];
preIndex -= gap;
}
array[preIndex + gap] = temp;
}
gap /= 2;
}
return array;
}
快速排序
快速排序的基本思想：通过一趟排序将待排记录分隔成独立的两部分，其中一部分记录的关键字均比另一部分的关键字小，则可分别对这两部分记录继续进行排序，以达到整个序列有序
- 先从数列中取出一个数作为基准数。
- 分区过程，将比这个数大的数全放到它的右边，小于或等于它的数全放到它的左边。
- 再对左右区间重复第二步，直到各区间只有一个数。
实现1
public class QuickSort {
public static void quickSort(int[]arr,int low,int high){
if (low < high) {
int middle = getMiddle(arr, low, high);
quickSort(arr, low, middle - 1);//递归左边
quickSort(arr, middle + 1, high);//递归右边
}
}
public static int getMiddle(int[] list, int low, int high) {
int tmp = list[low];
while (low < high) {
while (low < high && list[high] >= tmp) {
//大于关键字的在右边
high--;
}
list[low] = list[high];//小于关键字则交换至左边
while (low < high && list[low] <= tmp) {
//小于关键字的在左边
low++;
}
list[high] = list[low];//大于关键字则交换至左边
}
list[low] = tmp;
return low;
}
}
实现2
public class QuickSort {
public static void quickSort(int data[], int left, int right) {
int base = data[left]; // 基准数，取序列的第一个
int ll = left; // 表示的是从左边找的位置
int rr = right; // 表示从右边开始找的位置
while (ll < rr) {
// 从后面往前找比基准数小的数
while (ll < rr && data[rr] >= base) {
rr--;
}
if (ll < rr) {
// 表示是找到有比之大的
int temp = data[rr];
data[rr] = data[ll];
data[ll] = temp;
ll++;
}
while (ll < rr && data[ll] <= base) {
ll++;
}
if (ll < rr) {
int temp = data[rr];
data[rr] = data[ll];
data[ll] = temp;
rr--;
}
}
// 肯定是递归 分成了三部分,左右继续快排，注意要加条件不然递归就栈溢出了
if (left < ll)
quickSort(data, left, ll - 1);
if (ll < right)
quickSort(data, ll + 1, right);
}
}
优化
基本的快速排序选取第一个或最后一个元素作为基准。但是，这是一直很不好的处理方法
如果数组已经有序时，此时的分割就是一个非常不好的分割。因为每次划分只能使待排序序列减一，此时为最坏情况，快速排序沦为冒泡排序，时间复杂度为O(n^2)
三数取中
一般的做法是使用左端、右端和中心位置上的三个元素的中值作为枢纽元
举例：待排序序列为：8 1 4 9 6 3 5 2 7 0
左边为：8，右边为0，中间为6
我们这里取三个数排序后，中间那个数作为枢轴，则枢轴为6
插入排序
当待排序序列的长度分割到一定大小后，使用插入排序 原因：对于很小和部分有序的数组，快排不如插排好。当待排序序列的长度分割到一定大小后，继续分割的效率比插入排序要差，此时可以使用插排而不是快排
重复数组
在一次分割结束后，可以把与Key相等的元素聚在一起，继续下次分割时，不用再对与key相等元素分割
在一次划分后，把与key相等的元素聚在一起，能减少迭代次数，效率会提高不少
具体过程：在处理过程中，会有两个步骤
第一步，在划分过程中，把与key相等元素放入数组的两端
第二步，划分结束后，把与key相等的元素移到枢轴周围
举例：
待排序序列 1 4 6 7 6 6 7 6 8 6
三数取中选取枢轴：下标为4的数6
转换后，待分割序列：6 4 6 7 1 6 7 6 8 6
枢轴key：6
第一步，在划分过程中，把与key相等元素放入数组的两端
结果为：6 4 1 6(枢轴) 7 8 7 6 6 6
此时，与6相等的元素全放入在两端了
第二步，划分结束后，把与key相等的元素移到枢轴周围
结果为：1 4 6 6(枢轴) 6 6 6 7 8 7
此时，与6相等的元素全移到枢轴周围了
之后，在1 4 和 7 8 7两个子序列进行快排
堆排序
堆是一种特殊的树。只要满足这两点，它就是一个堆。
- 堆是一个完全二叉树；
- 堆中每一个节点的值都必须大于等于（或小于等于）其子树中每个节点的值。
对于每个节点的值都大于等于子树中每个节点值的堆，我们叫做“大顶堆”。
对于每个节点的值都小于等于子树中每个节点值的堆，我们叫做“小顶堆”。
一般升序用大根堆，降序就用小根堆
如何实现一个堆
完全二叉树比较适合用数组来存储。用数组来存储完全二叉树是非常节省存储空间的。因为我们不需要存储左右子节点的指针，单纯地通过数组的下标，就可以找到一个节点的左右子节点和父节点。
比如查找数组arr中某个数的父结点和左右孩子结点，比如已知索引为i的数，那么
- 父结点索引：
(i-1)/2（这里计算机中的除以2，省略掉小数） - 左孩子索引：
2*i+1 - 右孩子索引：
2*i+2
所以堆的定义性质：
- 大根堆：
arr(i)>arr(2*i+1) && arr(i)>arr(2*i+2) - 小根堆：
arr(i)<arr(2*i+1) && arr(i)<arr(2*i+2)
堆排序基本步骤
1.首先将待排序的数组构造成一个大根堆，此时，整个数组的最大值就是堆结构的顶端
2.将顶端的数与末尾的数交换，此时，末尾的数为最大值，剩余待排序数组个数为n-1
3.将剩余的n-1个数再构造成大根堆，再将顶端数与n-1位置的数交换，如此反复执行，便能得到有序数组
以下将针对数组arr[1,2,5,4,3,7]进行大顶堆的数据结构转换。
- 我们从最后一个非叶子结点开始（第一个非叶子结点 arr.length/2-1=5/2-1=1，也就是索引为2的结点），从右至左，从下至上进行调整
- 由于[5,7]中7元素最大，5和7交换。
- 最后一个非叶子结点索引减1，找到第二个非叶结点(索引1)，由于[4,3,2]中4元素最大，2和4交换。
- 非叶子结点索引减1，找到第三个非叶结点(索引0)，由于[4,1,7]中7元素最大，1和7交换。
- 这时，交换导致了子根[1，5]结构混乱，继续调整，[1,5]中5最大，交换1和5。
- 此时，我们就将一个无序序列构造成了一个大顶堆。
- 将堆顶元素与末尾元素进行交换，使末尾元素最大。然后继续调整堆，再将堆顶元素与末尾元素交换，得到第二大元素。如此反复进行交换、重建、交换
- 最后，就实现了堆排序
实现
import java.util.Arrays;
public class HeapSort {
public static void main(String[] args) {
int data[] = {
8, 4, 20, 7, 3, 1, 25, 14, 17 };
heapSort(data);
System.out.println(Arrays.toString(data));
}
public static void maxHeap(int data[], int start, int end) {
int parent = start;
int son = parent * 2 + 1; // 下标是从0开始的就要加1，从1就不用
while (son < end) {
int temp = son;
// 比较左右节点和父节点的大小
if (son + 1 < end && data[son] < data[son + 1]) {
// 表示右节点比左节点大
temp = son + 1; // 就要换右节点跟父节点
}
// temp表示的是 我们左右节点大的那一个
if (data[parent] > data[temp])
return; // 不用交换
else {
// 交换
int t = data[parent];
data[parent] = data[temp];
data[temp] = t;
parent = temp; // 继续堆化
son = parent * 2 + 1;
}
}
return;
}
public static void heapSort(int data[]) {
int len = data.length;
for (int i = len / 2 - 1; i >= 0; i--) {
maxHeap(data, i, len);
}
for (int i = len - 1; i > 0; i--) {
int temp = data[0];
data[0] = data[i];
data[i] = temp;
maxHeap(data, 0, i);
}
}
}
京公网安备 11010502036488号