亲宝软件园·资讯

展开

Java集合和数据结构排序 Java集合和数据结构排序实例详解

头发都哪去了 人气:0
想了解Java集合和数据结构排序实例详解的相关内容吗,头发都哪去了在本文为您仔细讲解Java集合和数据结构排序的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:java,数据结构排序,下面大家一起来学习吧。

概念

排序,就是使一串记录,按照其中的某个或某些关键字的大小,递增或递减的排列起来的操作。

平时的上下文中,如果提到排序,通常指的是排升序(非降序)。

通常意义上的排序,都是指的原地排序(in place sort)。

稳定性: 两个相等的数据,如果经过排序后,排序算法能保证其相对位置不发生变化,则我们称该算法是具备稳定性的排序算法。

插入排序

直接插入排序

整个区间被分为

每次选择无序区间的第一个元素,在有序区间内选择合适的位置插入

代码实现

逻辑代码:

public class InsertSort {
    public static void insertSort(int[] array) {
        for (int i = 1; i < array.length; i++) {
            int temp = array[i];
            int j = i-1;
            for (; j >= 0; j--) {
                if (array[j] > temp) {
                    array[j+1] = array[j];
                }else {
                    break;
                }
            }
            array[j+1] = temp;
        }
    }
}

调试代码:

public class TestDemo {
    public static void main(String[] args) {
        int[] array = {10,3,2,7,19,78,65,127};
        System.out.println("排序前:" + Arrays.toString(array));
        InsertSort.insertSort(array);
        System.out.println("排序后:" + Arrays.toString(array));
    }
}

该代码的执行结果为:

可见,实现了对原数组的升序排序。

性能分析

时间复杂度:
最好情况:O(n)【数据有序】
平均情况:O(n2)
最坏情况:O(n2)【数据逆序】

空间复杂度:O(1)

稳定性:稳定

对于直接插入排序:越有序越快。另外,直接插入排序会用在一些排序的优化上。

希尔排序

希尔排序法又称缩小增量法。希尔排序法的基本思想是:先选定一个整数,把待排序文件中所有记录分成个组,所有距离为的记录分在同一组内,并对每一组内的记录进行排序。然后,取,重复上述分组和排序的工作。当到达=1时, 所有记录在统一组内排好序。

希尔排序是对直接插入排序的优化。
当gap > 1时都是预排序,目的是让数组更接近于有序。当gap == 1时,数组已经接近有序的了,这样就会很快。这样整体而言,可以达到优化的效果。我们实现后可以进行性能测试的对比。

代码实现

逻辑代码:

public class ShellSort {
    public static void shell(int[] array,int gap) {
        for (int i = gap; i < array.length; i = i + gap) {
            int temp = array[i];
            int j = i-gap;
            for (; j >= 0; j = j-gap) {
                if (array[j] > temp) {
                    array[j+gap] = array[j];
                }else {
                    break;
                }
            }
            array[j+gap] = temp;
        }
    }

    public static void shellSort(int[] array) {
        int[] drr = {5,3,1};//增量数组-->没有明确的规定,但保证为素数的增量序列
        for (int i = 0; i < drr.length; i++) {
            shell(array,drr[i]);
        }
    }
}

测试代码:

public class TestDemo {
    public static void main(String[] args) {
        int[] array = {10,3,2,7,19,78,65,127};
        System.out.println("排序前:" + Arrays.toString(array));
        ShellSort.shellSort(array);
        System.out.println("排序后:" + Arrays.toString(array));
    }
}

该代码的执行结果为:

可见,实现了对原数组的升序排序。

性能分析

时间复杂度:
最好情况:O(n)【数据有序】
平均情况:O(n1.3)
最坏情况: O(n2) 【比较难构造】

空间复杂度:O(1)

稳定性:不稳定

选择排序

直接选择排序

每一次从无序区间选出最大(或最小)的一个元素,存放在无序区间的最后(或最前),直到全部待排序的数据元素排完 。

代码实现

逻辑代码:

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

测试代码:

public class TestDemo {
    public static void main(String[] args) {
        int[] array = {10,3,2,7,19,78,65,127};
        System.out.println("排序前:" + Arrays.toString(array));
        SelectSort.selectSort(array);
        System.out.println("排序后:" + Arrays.toString(array));
    }
}

该代码的执行结果为:

可见,实现了对原数组的升序排序。

性能分析

时间复杂度 : 不管是最好情况还是最坏情况都是O(n2) 【数据不敏感】

空间复杂度: O(1)

稳定性:不稳定

堆排序

基本原理也是选择排序,只是不在使用遍历的方式查找无序区间的最大的数,而是通过堆来选择无序区间的最大的数。
注意:排升序要建大堆;排降序要建小堆。

代码实现

逻辑代码:

public class HeapSort {
    public static void heapSort(int[] array) {
        PriorityQueue<Integer> priorityQueue = new PriorityQueue<>(new Comparator<Integer>() {
            @Override
            public int compare(Integer o1, Integer o2) {
                return o1-o2;
            }
        });
        for (int i = 0; i < array.length; i++) {
            priorityQueue.add(array[i]);
        }
        for (int i = 0; i < array.length; i++) {
            array[i] = priorityQueue.poll();
        }
    }
}

测试代码:

public class TestDemo {
    public static void main(String[] args) {
        int[] array = {10,3,2,7,19,78,65,127};
        System.out.println("排序前:" + Arrays.toString(array));
        HeapSort.heapSort(array);
        System.out.println("排序后:" + Arrays.toString(array));
    }
}

该代码的执行结果为:

可见,实现了对原数组的升序排序。

性能分析

时间复杂度:不管是最好的情况还是最坏的情况都是O(n * log(n)) 。

空间复杂度:O(1)。

稳定性:不稳定

交换排序

冒泡排序

在无序区间,通过相邻数的比较,将最大的数冒泡到无序区间的最后,持续这个过程,直到数组整体有序。

代码实现

逻辑代码:

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

测试代码:

public class TestDemo {
    public static void main(String[] args) {
        int[] array = {10,3,2,7,19,78,65,127};
        System.out.println("排序前:" + Arrays.toString(array));
        BubbleBort.bubbleBort(array);
        System.out.println("排序后:" + Arrays.toString(array));
    }
}

该代码的执行结果为:

可见,实现了对原数组的升序排序。

性能分析

时间复杂度:
最好情况:O(n)【数据有序】
平均情况:O(n2)
最坏情况: O(n2) 【数据逆序】

空间复杂度:O(1)。

稳定性:稳定

快速排序

  1. 从待排序区间选择一个数,作为基准值(pivot);
  2. Partition: 遍历整个待排序区间,将比基准值小的(可以包含相等的)放到基准值的左边,将比基准值大的(可以包含相等的)放到基准值的右边;
  3. 采用分治思想,对左右两个小区间按照同样的方式处理,直到小区间的长度 = 1,代表已经有序,或者小区间的长度 = 0,代表没有数据。

代码实现

逻辑代码:

public class QuickSort {
    public static void quick(int[] array,int low,int high) {
        if (low < high) {
            int piv = piovt(array,low,high);//找基准
            quick(array,low,piv-1);
            quick(array,piv+1,high);
        }
    }

    private static int piovt(int[] array,int start,int end) {
        int temp = array[start];
        while (start < end) {
            while (start < end && array[end] >= temp) {
                end--;
            }
            array[start] = array[end];


            while (start < end && array[start] < temp) {
                start++;
            }
            array[end] = array[start];
        }
        array[start] = temp;
        return start;
    }

    public static void quickSort(int[] array) {
        quick(array,0,array.length-1);
    }
}

测试代码:

public class TestDemo {
    public static void main(String[] args) {
        int[] array = {10,3,2,7,19,78,65,127};
        System.out.println("排序前:" + Arrays.toString(array));
        QuickSort.quickSort(array);
        System.out.println("排序后:" + Arrays.toString(array));
    }
}

该代码的执行结果为:

可见,实现了对原数组的升序排序。

性能分析

时间复杂度:
最好情况:O(n * log(n))
平均情况:O(n * log(n))
最坏情况: O(n2)

空间复杂度:
最好情况:O(log(n))
平均情况:O(log(n))
最坏情况:O(n)

稳定性:不稳定

非递归实现快速排序

代码实现

逻辑代码:

/**
 * 非递归实现快速排序
 */
public class QuickSortNor {
    public static void quickSortNor(int[] array) {
        int low = 0;
        int high = array.length - 1;
        int piv = piovt(array, low, high);
        Stack<Integer> stack = new Stack<>();
        if (piv > low + 1) {
            stack.push(low);
            stack.push(piv - 1);
        }
        if (piv < high - 1) {
            stack.push(piv + 1);
            stack.push(high);
        }
        while (!stack.isEmpty()) {
            high = stack.pop();
            low = stack.pop();
            piv = piovt(array, low, high);
            if (piv > low + 1) {
                stack.push(low);
                stack.push(piv - 1);
            }
            if (piv < high - 1) {
                stack.push(piv + 1);
                stack.push(high);
            }
        }
    }

    private static int piovt(int[] array, int start, int end) {
        int temp = array[start];
        while (start < end) {
            while (start < end && array[end] >= temp) {
                end--;
            }
            array[start] = array[end];
            while (start < end && array[start] < temp) {
                start++;
            }
            array[end] = array[start];
        }
        array[start] = temp;
        return start;
    }
}

测试代码:

public class TestDemo {
    public static void main(String[] args) {
        int[] array = {10,3,2,7,19,78,65,127};
        System.out.println("排序前:" + Arrays.toString(array));
        QuickSortNor.quickSortNor(array);
        System.out.println("排序后:" + Arrays.toString(array));
    }
}

该代码的执行结果为:

可见,实现了对原数组的升序排序。

性能分析

时间复杂度: O(n * log(n))

空间复杂度:
最好情况:O(log(n))
最坏情况:O(n)

稳定性:不稳定

归并排序

归并排序

归并排序(MERGE-SORT)是建立在归并操作上的一种有效的排序算法,该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为二路归并。

代码实现

逻辑代码:

public class MergeSort {
    public static void merge(int[] array, int start, int mid, int end) {
        int s1 = start;
        int s2 = mid + 1;
        int[] temp = new int[end - start + 1];
        int k = 0;
        while (s1 <= mid && s2 <= end) {
            if (array[s1] <= array[s2]) {
                temp[k++] = array[s1++];
            } else {
                temp[k++] = array[s2++];
            }
        }
        while (s1 <= mid) {
            temp[k++] = array[s1++];
        }
        while (s2 <= end) {
            temp[k++] = array[s2++];
        }
        for (int i = 0; i < temp.length; i++) {
            array[i + start] = temp[i];
        }
    }

    public static void mergeSortInternal(int[] array, int low, int high) {
        if (low >= high) return;
        //先分解
        int mid = (low + high) / 2;
        mergeSortInternal(array, low, mid);
        mergeSortInternal(array, mid + 1, high);
        //再合并
        merge(array, low, mid, high);
    }

    public static void mergeSort(int[] array) {
        mergeSortInternal(array, 0, array.length - 1);
    }
}

测试代码:

public class TestDemo {
    public static void main(String[] args) {
        int[] array = {10,3,2,7,19,78,65,127};
        System.out.println("排序前:" + Arrays.toString(array));
        MergeSort.mergeSort(array);
        System.out.println("排序后:" + Arrays.toString(array));
    }
}

该代码的执行结果为:

可见,实现了对原数组的升序排序。

性能分析

时间复杂度: O(n * log(n))

空间复杂度:O(n)

稳定性:稳定

非递归实现归并排序

代码实现

逻辑代码:

/**
 * 非递归实现归并排序
 */
public class MergeSortNor {
    public static void merge(int[] array, int gap) {
        int s1 = 0;
        int e1 = s1 + gap - 1;
        int s2 = e1 + 1;
        int e2 = s2 + gap - 1 < array.length ? s2 + gap - 1 : array.length - 1;
        int[] temp = new int[array.length];
        int k = 0;
        while (s2 < array.length) {
            while (s1 <= e1 && s2 <= e2) {
                if (array[s1] <= array[s2]) {
                    temp[k++] = array[s1++];
                } else {
                    temp[k++] = array[s2++];
                }
            }
            while (s1 <= e1) {
                temp[k++] = array[s1++];
            }
            while (s2 <= e2) {
                temp[k++] = array[s2++];
            }
            s1 = e2+1;
            e1 = s1+gap-1;
            s2 = e1+1;
            e2 = s2 + gap - 1 < array.length ? s2 + gap - 1 : array.length - 1;
        }
        while (s1 < array.length) {
            temp[k++] = array[s1++];
        }

        for (int i = 0; i < temp.length; i++) {
            array[i] = temp[i];
        }
    }

    public static void mergeSortNor(int[] array) {
        for (int i = 1; i < array.length; i *= 2) {
            merge(array, i);
        }
    }
}

测试代码:

public class TestDemo {
    public static void main(String[] args) {
        int[] array = {10,3,2,7,19,78,65,127};
        System.out.println("排序前:" + Arrays.toString(array));
        MergeSortNor.mergeSortNor(array);
        System.out.println("排序后:" + Arrays.toString(array));
    }
}

该代码的执行结果为:

可见,实现了对原数组的升序排序。

性能分析

时间复杂度: O(n * log(n))

空间复杂度:O(n)

稳定性:稳定

海量数据的排序问题

外部排序:排序过程需要在磁盘等外部存储进行的排序

前提:内存只有 1G,需要排序的数据有 100G

因为内存中因为无法把所有数据全部放下,所以需要外部排序,而归并排序是最常用的外部排序。

  1. 先把文件切分成 200 份,每个 512 M
  2. 分别对 512 M 排序,因为内存已经可以放的下,所以任意排序方式都可以
  3. 进行 200 路归并,同时对 200 份有序文件做归并过程,最终结果就有序了

排序总结

排序类算法思维导图

总结

加载全部内容

相关教程
猜你喜欢
用户评论