盤點幾種常見的java排序算法
1.插入排序
這個打麻將或者打撲克的很好理解, 比如有左手有一副牌1,2,4,7 ,來一張3的牌, 是不是就是手拿著這張牌從右往左插到2,4之間
一次插入排序的操作過程:
將待插元素,依次與已排序好的子數列元素從後到前進行比較,如果當前元素值比待插元素值大,則將移位到與其相鄰的後一個位置,否則直接將待插元素插入當前元素相鄰的後一位置,因為說明已經找到插入點的最終位置
public class InsertSort { public static void sort(int[] arr) { if (arr.length >= 2) { for (int i = 1; i < arr.length; i++) { //挖出一個要用來插入的值,同時位置上留下一個可以存新的值的坑 int x = arr[i]; int j = i - 1; //在前面有一個或連續多個值比x大的時候,一直循環往前面找,將x插入到這串值前面 while (j >= 0 && arr[j] > x) { //當arr[j]比x大的時候,將j向後移一位,正好填到坑中 arr[j + 1] = arr[j]; j--; } //將x插入到最前面 arr[j + 1] = x; } } } }
2.分治排序法,快速排序法
簡單的說, 就是設置一個標準值, 將大於這個值的放到右邊(不管排序), 將小於這個值的放到左邊(不管排序), 那麼這樣隻是區分瞭左小右大, 沒有排序, 沒關系, 左右兩邊再重復這個步驟.直到不能分瞭為止.
詳細說就是:
- 選擇待排數列的首部第一個元素為基準元素x,設置兩指針,分別指向數列首尾部位置,假設兩指針分別設為i和j。
- 每次遍歷的過程是這樣的,首先從右到左遍歷指針j所指向的元素,直到j指向的元素值小於基準元素x時,停止遍歷,將其放到i的位置(因為i的值已經拷貝成瞭基準x騰出瞭位置)
- i往右挪一步, i++,接著輪到指針i從左到右遍歷,直到i所指向的元素值大於基準元素x時,停止遍歷,將其放到j的位置(因為上面一步j的值已經占用到瞭i的位置,騰出位置瞭)
- 依此類推,兩邊輪流遍歷, 直到指針i與指針j相等或者大於(實際肯定是i==j)時,停止外部循環。此時必定左邊都是比x小的, 右邊是比x大的.
- 最後直接將基準元素x直接放置於指針i所指向的位置即可
- 完成分區操作, 從i的位置一分為二, 左邊和右邊再遞歸執行上面的操作. 層層細分
接下來,我們通過示圖來展示上述分區算法思路的過程:
public class QuickSort { public static void sort(int[] arr,int begin,int end) { //先定義兩個參數接收排序起始值和結束值 int a = begin; int b = end; //先判斷a是否大於b if (a >= b) { //沒必要排序 return; } //基準數,默認設置為第一個值 int x = arr[a]; //循環 while (a < b) { //從後往前找,找到一個比基準數x小的值,賦給arr[a] //如果a和b的邏輯正確--a<b ,並且最後一個值arr[b]>x,就一直往下找,直到找到後面的值大於x while (a < b && arr[b] >= x) { b--; } //跳出循環,兩種情況,一是a和b的邏輯不對瞭,a>=b,這時候排序結束.二是在後面找到瞭比x小的值 if (a < b) { //將這時候找到的arr[b]放到最前面arr[a] arr[a] = arr[b]; //排序的起始位置後移一位 a++; } //從前往後找,找到一個比基準數x大的值,放在最後面arr[b] while (a < b && arr[a] <= x) { a++; } if (a < b) { arr[b] = arr[a]; //排序的終止位置前移一位 b--; } } //跳出循環 a < b的邏輯不成立瞭,a==b重合瞭,此時將x賦值回去arr[a] arr[a] = x; //調用遞歸函數,再細分再排序 sort(arr,begin,a-1); sort(arr,a+1,end); } }
3.冒泡排序 low版
每次冒泡過程都是從數列的第一個元素開始,然後依次和剩餘的元素進行比較, 跟列隊一樣, 從左到右兩兩相鄰的元素比大小, 高的就和低的換一下位置. 最後最高(值最大)的肯定就排到後面瞭.
但是這隻是把最高的排到後面瞭, 還得找出第二高的, 於是又從第一個開始兩兩比較, 高的往後站, 然後第二高的也到後面瞭.
然後是第三高的再往後排…
public class MaoPao { public static void sort(int[] arr){ for (int i = 1; i < arr.length; i++) { //第一層for循環,用來控制冒泡的次數 for (int j = 0; j < arr.length-1; j++) { //第二層for循環,用來控制冒泡一層層到最後 //如果前一個數比後一個數大,兩者調換 ,意味著泡泡向上走瞭一層 if (arr[j] > arr[j+1] ){ int temp = arr[j]; arr[j] = arr[j+1]; arr[j+1] = temp; } } } } }
4.冒泡排序 bigger版
補充, 改進後,看下文的測試結果發現提升並不大, 這是正常的, 因為改進後省略的是排序成功後的判斷步驟, 而就算沒改進, 排序成功後也隻不過是對數組進行遍歷而已, 沒有進行數據更新操作, 而我們知道數組是讀取快更新慢的, 所以和上面的版本相比看起來提升不算大
在這個版本中,改動瞭兩點
- 第一點是加入瞭一個佈爾值,判斷第二層循環中的調換有沒有執行,如果沒有進行兩兩調換,說明後面都已經排好序瞭,已經不需要再循環瞭,直接跳出循環,排序結束.
- 第二點是第二層循環不再循環到arr.length – 1,因為外面的i循環遞增一次,說明數組最後就多瞭一個排好序的大泡泡.第二層循環也就不需要到最末尾一位瞭,可以提前結束循環
/** * 終極版冒泡排序 * 加入一個佈爾變量,如果內循環沒有交換值,說明已經排序完成,提前終止 * @param arr */ public static void sortPlus(int[] arr){ if(arr != null && arr.length > 1){ for(int i = 0; i < arr.length - 1; i++){ // 初始化一個佈爾值 boolean flag = true; for(int j = 0; j < arr.length - i - 1 ; j++){ if(arr[j] > arr[j+1]){ // 調換 int temp; temp = arr[j]; arr[j] = arr[j+1]; arr[j+1] = temp; // 改變flag flag = false; } } if(flag){ break; } } } }
5.選擇排序
選擇排序也是一種簡單直觀的排序算法,實現原理比較直觀易懂:
首先在未排序數列中找到最小元素,然後將其與數列的首部元素進行交換,然後,在剩餘未排序元素中繼續找出最小元素,將其與已排序數列的末尾位置元素交換。以此類推,直至所有元素圴排序完畢.
同理,可以類比與打撲克和打麻將, 和上面插入排序不同, 插入排序相當於抽一張牌整理好瞭再抽一張, 而選擇排序相當於一次性給你一副亂牌, 然後慢慢整理的感覺.
這也容易理解為什麼選擇排序為啥比插入排序慢瞭. 插入排序是摸一張牌, 然後直接插入到手中已經排好序的牌,再摸下一張牌.
選擇排序相當於在一堆牌中, 不斷的找到最小的牌往前面放.
public static void sort(int[] arr){ for(int i = 0; i < arr.length - 1 ; i++){ int min = i; // 遍歷的區間最小的值 for (int j = i + 1; j < arr.length ;j++){ if(arr[j] < arr[min]){ // 找到當前遍歷區間最小的值的索引 min = j; } } if(min != i){ // 發生瞭調換 int temp = arr[min]; arr[min] = arr[i]; arr[i] = temp; } } }
6. 歸並排序
歸並排序,簡單的說把一串數
從中平等分為兩份,再把兩份再細分,直到不能細分為止. 這就是分而治之的分的步驟.
再從最小的單元,兩兩合並,合並的規則是將其按從小到大的順序放到一個臨時數組中,再把這個臨時數組替換原數組相應位置,這就是治. 圖解如下:
代碼:
public static void mergeSort(int[] a,int s,int e){ int m = (s + e) / 2; if (s < e){ mergeSort(a,s,m); mergeSort(a,m+1,e); //歸並 merge(a,s,m,e); } } private static void merge(int[] a, int s, int m, int e) { //初始化一個從起始s到終止e的一個數組 int[] temp = new int[(e - s) + 1]; //左起始指針 int l = s; //右起始指針 int r = m+1; int i = 0; //將s-e這段數據在邏輯上一分為二,l-m為一個左邊的數組,r-e為一個右邊的數組,兩邊都是有序的 //從兩邊的第一個指針開始遍歷,將其中小的那個值放在temp數組中 while (l <= m && r <= e){ if (a[l] < a[r]){ temp[i++] = a[l++]; }else{ temp[i++] = a[r++]; } } //將兩個數組剩餘的數放到temp中 while (l <= m){ temp[i++] = a[l++]; } while (r <= e){ temp[i++] = a[r++]; } //將temp數組覆蓋原數組 for (int n = 0; n < temp.length; n++) { a[s+n] = temp[n]; } }
8. 堆排序
堆排序, 顧名思義, 就是將數據以堆的結構, 或者說類似於二叉樹的結構, 每次都整理二叉樹將最大值找到, 然後放到數組末尾. 個人感覺有點像選擇排序
.都是每次遍歷選擇一個最大值或最小值
從下往上調整堆, 將最大值放到頂部
- 首先我們可以把一個數組, 從上往下, 從左到右依次放置成為二叉樹
- 接著我們創建最大頂堆, 就是將最大的值調整到頂部.
- 然後我們開始遍歷, 把這個[0]的最大值放到最末尾, 然後再次整理二叉樹, 當然將最後一位排除在外.然後我們將截至末尾的下標往前移一位.
- 一直遍歷, 把最大值放到頂部, 再調換到末尾, 到隻剩最後一個元素,
找到最大值後, 放到數組後面, 並設置一個標記, 表示截止後面的都是已排序的元素, 相當於堆刪除一個元素
因為是樹結構, 所以整理一次樹的時間復雜度是O(logn), 但是又因為它需要遍歷一次挨個整理找到剩下數據中的最大值, 所以它的最壞,最好,平均時間復雜度均為O(nlogn)
踩坑
大傢可以直奔v3.0版本
v1.0 巨慢不能用
這裡說下踩坑, 下面是我寫的堆排序v1.0版本, 寫瞭個簡單的數組測試瞭下發現也沒有問題, ok. 然後我寫一個10w的數組來和冒泡排序, 選擇排序等比較, 結果發現程序像是卡死瞭直接花瞭幾分鐘還沒出結果. 這已經遠遠大於冒泡排序的時間瞭.
/** * 最大頂堆排序 * @param a */ public static void topMaxHeapSort(int[] a){ //先創建最大頂堆 createTopMaxHeap(a); int end = a.length - 1 ; while(end > 0 ){ //把0位的最大值放到最後 swaparr(a, 0, end); //將計算的長度減一.不考慮最後的那個值 end--; //重新調整堆結構 handleMaxHeapFromIndex(a, end); } //打印下看看 // System.out.println(Arrays.toString(a)); } /** [3,7,1,4,9,5,6,7,2,6,8,3] * `````````3 * ``````/ \ * `````7 1 * ````/ \ / \ * ``4 9 5 6 * `/ \ / \ / * `7 2 6 8 3 * 變成 [9, 7, 6, 7, 6, 5, 1, 4, 2, 3, 8, 3] * `````````9 * ```````/ \ * `````7 6 * ````/ \ / \ * ``7 6 5 1 * `/ \ / \ / * `4 2 3 8 3 * 構建最大頂堆, 變成父節點都比子節點大的樹 * @param a */ public static void createTopMaxHeap(int[] a){ //從倒數第二排最後一個開始, 從下往上, 層層處理把最大的換上去構建最大頂堆 //如上面的註釋, 就是從5開始. 再往後就沒意義瞭 handleMaxHeapFromIndex(a,a.length-1); //打印下看看 // System.out.println(Arrays.toString(a)); } private static void handleMaxHeapFromIndex(int[] a,int end){ for (int i = end / 2; i>=0; i--) { //從i開始往後面調整它的堆 //左子節點, 右子節點 // 設置一個用於玩下遍歷和判斷的子節點, 默認就是左邊的兒子 int child = 2 * i + 1; while (child <= end){ //如果右子節點比左邊大 int leftson = child; int rightson = child + 1; if(rightson <= end && a[rightson] > a[leftson]){ //就設置為右邊的兒子 child++; } //再比較父子,如果兒子比父親大,就互換 if(a[i] < a[child]){ swaparr(a,i,child); } //繼續循環 i = child; //繼續選擇它的左兒子 child = 2 * i + 1; } } } private static void swaparr(int[] arr,int a,int b){ int temp = arr[a]; arr[a] = arr[b]; arr[b] = temp; }
v2.0 太慢不能用
考慮肯定調整堆的代碼有問題
- 在初始構建瞭最大頂堆時, 父親都比兒子大
- 後面每次都隻移除頂部元素.即變化瞭第一層
- 那我在調整的時候, 如果這個節點比兒子節點都大, 那應該下面的都是調整好的不用管.
我選擇在handleMaxHeapFromIndex
方法中, 加入瞭break來提前跳出循環, 如下:
while (child <= end) { // 如果右子節點比左邊大 int leftson = child; int rightson = child + 1; if (rightson <= end && a[rightson] > a[leftson]) { // 就設置為右邊的兒子 child++; } // 再比較父子,如果兒子比父親大,就互換 if (a[i] < a[child]) { swaparr(a, i, child); } else { // 否則直接跳出循環, 隻要父節點比子節點大, 不用管下面的調整瞭 break; } // 繼續循環 i = child; // 繼續選擇它的左兒子 child = 2 * i + 1; }
再跑一次, 發現還是很慢, 但是比之前好多瞭, 但是還是耗時很久, 這也還是有問題啊…
v3.0
代碼如下:
/** * 最大頂堆排序 * * @param a */ public static void topMaxHeapSort(int[] a) { // 先創建最大頂堆 createTopMaxHeap(a); System.out.println("創建完畢"); int end = a.length - 1; while (end > 0) { // 把0位的最大值放到最後 swaparr(a, 0, end); // 將計算的長度減一.不考慮最後的那個值 end--; handleMaxHeapFromIndex(a, 0, end); } // 打印下看看 // System.out.println(Arrays.toString(a)); } /** [3,7,1,4,9,5,6,7,2,6,8,3] * `````````3 * ``````/ \ * `````7 1 * ````/ \ / \ * ``4 9 5 6 * `/ \ / \ / * `7 2 6 8 3 * 變成 [9, 7, 6, 7, 6, 5, 1, 4, 2, 3, 8, 3] * `````````9 * ```````/ \ * `````7 6 * ````/ \ / \ * ``7 6 5 1 * `/ \ / \ / * `4 2 3 8 3 * 構建最大頂堆, 變成父節點都比子節點大的樹 * @param a */ public static void createTopMaxHeap(int[] a) { // 從倒數第二排最後一個開始, 從下往上, 層層處理把最大的換上去構建最大頂堆 // 如上面的註釋, 就是從5開始. 再往後就沒意義瞭 for (int i = (a.length - 1) / 2; i >= 0; i--) { handleMaxHeapFromIndex(a, i, a.length - 1); } // 打印下看看 // System.out.println(Arrays.toString(a)); } private static void handleMaxHeapFromIndex(int[] a, int i, int end) { // 從i開始往後面調整它的堆 // 左子節點, 右子節點 // 設置一個用於玩下遍歷和判斷的子節點, 默認就是左邊的兒子 int child = 2 * i + 1; while (child <= end) { // 如果右子節點比左邊大 int leftson = child; int rightson = child + 1; if (rightson <= end && a[rightson] > a[leftson]) { // 就設置為右邊的兒子 child++; } // 再比較父子,如果兒子比父親大,就互換 if (a[i] < a[child]) { swaparr(a, i, child); } else { // 否則直接跳出循環, 隻要父節點比子節點大, 不用管下面的調整瞭 break; } // 繼續循環 i = child; // 繼續選擇它的左兒子 child = 2 * i + 1; } } private static void swaparr(int[] arr, int a, int b) { int temp = arr[a]; arr[a] = arr[b]; arr[b] = temp; }
無奈之下參考瞭別人的博客(也有一些寫的是我1.0版本和2.0版本的), 最後發現問題
首先再分析為什麼要分成兩步, 1. 創建大頂堆. 2. 遍歷調整 ?
在創建大頂堆的時候, 是從(a.length-1)/2
處從下往上整理, 才能確保最大值能像冒泡一樣跑到頂部
那在構建完瞭大頂堆後, 我們還需不需要重新從這個位置倒排往上整理呢? 其實是不需要的. 因為變化的是第一個元素, 除瞭這個元素以外, 其他的元素經過大頂堆的整理肯定父親比兒子大.
所以後面遍歷調整的時候, 隻需要從0下標開始找最大值就可以瞭. 這樣就可以去掉handleMaxHeapFromIndex
外層的那個循環:
private static void handleMaxHeapFromIndex(int[] a,int end){ for (int i = end / 2; i>=0; i--) { //這個循環隻在創建大頂堆的時候需要, 這個就可以去掉瞭 .... while (child <= end){ ... } }
另外一個坑, child<=end這裡要用大於等於號, 以及後面的rightson <= end .因為我就寫著寫著忘記瞭end是最後處理的下標, 而不是數組長度, 習慣性用的<號, 導致最後2個無法排序
9. 其他排序
比如Arrays工具類提供的排序方法。它內部實現也是快速排序
private static void arraysSort(int[] a){ Arrays.sort(a); }
還有就是將數組轉為list,使用集合的排序方法,但是這無異於兜圈子,因為集合底層也是數組
private static void listSort(int[] a){ List<Integer> integers = Ints.asList(a); Collections.sort(integers); integers.toArray(new Integer[a.length]); }
10. 比較
試瞭一下幾個排序的速度,代碼如下:
public static void main(String[] args) { int[] arr = new int[200000]; int[] a =getRandomArr(arr); int[] b = a.clone(); int[] c = b.clone(); int[] d = b.clone(); int[] e = b.clone(); int[] f = b.clone(); int[] g = b.clone(); int[] h = b.clone(); long s = Clock.systemDefaultZone().millis(); quickSort(a, 0, a.length - 1); System.out.println("quickSort耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); mergeSort(b,0,b.length-1); System.out.println("mergeSort: " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); listSort(c); System.out.println("listSort耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); arraysSort(d); System.out.println("arraysSort耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); maoPaoSort(e); System.out.println("maoPaoSort耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); maoPaoSortPlus(f); System.out.println("maoPaoSortPlus耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); insertSort(g); System.out.println("insertSort耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); selectSort(h); System.out.println("selectSort耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms"); } /** * 獲取一個打亂的數組 * @param arr */ private static int[] getRandomArr(int[] arr) { for (int i = 0; i < arr.length; i++) { arr[i] = new Random().nextInt(arr.length); } return arr; }
分別對1k,1w,10w,20w大小的隨機數組排序,結果如下:
得到綜合結果是:
速度: 快速排序>>歸並排序>>>>>插入排序>>選擇排序>>冒泡排序
並且可以看到,選擇排序,冒泡排序在數據量越來越大的情況下,耗時已經呈指數型上漲,而不是倍數上漲,在50w的時候已經需要足足5分鐘以上
//—1k—
quickSort耗時: 0 ms
mergeSort: 1 ms
listSort耗時: 7 ms
arraysSort耗時: 1 ms
maoPaoSort耗時: 3 ms
maoPaoSortPlus耗時: 4 ms
insertSort耗時: 2 ms
selectSort耗時: 3 ms
//—1w—
quickSort耗時: 2 ms
mergeSort: 3 ms
listSort耗時: 19 ms
arraysSort耗時: 4 ms
maoPaoSort耗時: 166 ms
maoPaoSortPlus耗時: 122 ms
insertSort耗時: 12 ms
selectSort耗時: 52 ms
//—10w—
quickSort耗時: 14 ms
mergeSort: 19 ms
listSort耗時: 65 ms
arraysSort耗時: 12 ms
maoPaoSort耗時: 15242 ms
maoPaoSortPlus耗時: 15044 ms
insertSort耗時: 797 ms
selectSort耗時: 4073 ms
//—20w—
quickSort耗時: 26 ms
mergeSort: 34 ms
listSort耗時: 102 ms
arraysSort耗時: 60 ms
maoPaoSort耗時: 60811 ms
maoPaoSortPlus耗時: 60378 ms
insertSort耗時: 3279 ms
selectSort耗時: 15762 ms
2021年11月25日 更新. 增加瞭堆排序
// 20w數據
quickSort耗時: 39 ms
mergeSort: 32 ms
創建完畢
heapSort耗時: 21 ms
listSort耗時: 111 ms
arraysSort耗時: 20 ms
maoPaoSort耗時: 50410 ms
maoPaoSortPlus耗時: 55862 ms
insertSort耗時: 10127 ms
selectSort耗時: 8619 ms
總結
到此這篇關於幾種常見的java排序算法的文章就介紹到這瞭,更多相關java排序算法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Java輕松入門冒泡 選擇 插入 希爾 歸並排序算法
- Java中七種排序算法總結分析
- Java實現基本排序算法的示例代碼
- Java 數據結構與算法系列精講之排序算法
- Java常用的八種排序算法與代碼實現