十大排序算法

一、冒泡排序

        冒泡排序（Bubble Sort）是一种简单直观的排序算法。它重复地走访要排序的数列，一次比
较两个元素，如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经交换慢慢"浮"到数列的头部。

/*** 冒泡排序*/
public class BubbleSort {public void sort(int[] arr) {if (arr == null || arr.length == 0) {return;}for (int i = 1; i < arr.length; i++) { //比较的轮数for (int j = 0; j < arr.length - i; j++) { // 每轮比较的次数if (arr[j] > arr[j + 1]) {int temp = arr[j];arr[j] = arr[j + 1];arr[j + 1] = temp;}}}}
}

 二、选择排序

        选择排序也是一种简单直观的排序算法，无论什么数据进去都是 O(n²) 的时间复杂度。所以
用到它的时候，数据规模越小越好。唯一的好处可能就是不占用额外的内存空间了吧。

public class SelectionSort {public void sort(int[] arr) {if (arr == null || arr.length == 0) {return;}for (int i = 0; i < arr.length - 1; i++) { //比较的轮数int min = i;// 记录最小值的索引for (int j = i + 1; j < arr.length; j++) {if (arr[min] > arr[j]) {min = j;}}// 将最小值放置在索引为i的位置if (min != i) {int temp = arr[i];arr[i] = arr[min];arr[min] = temp;}}}
}

三、插入排序

       插入排序的代码实现虽然没有冒泡排序和选择排序那么简单粗暴，但它的原理应该是最容易理
解的了，因为只要打过扑克牌的人都应该能够秒懂。插入排序是一种最简单直观的排序算法，它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。

public class InsertSort {public void sort(int[] arr) {if (arr == null || arr.length == 0) {return;}for (int i = 1; i < arr.length; i++) {int instartVal = arr[i];int j = i - 1; // 有序区最后一个元素while (j >= 0) {if (arr[j] > instartVal) {arr[j + 1] = arr[j];j--;} else {break;}}arr[j + 1] = instartVal;}}
}

四、希尔排序

     希尔排序，也称递减增量排序算法，是插入排序的一种更高效的改进版本。但希尔排序是非稳定排序算法。
    希尔排序是基于插入排序的以下两点性质而提出改进方法的：
     • 插入排序在对几乎已经排好序的数据操作时，效率高，即可以达到线性排序的效率；
     • 但插入排序一般来说是低效的，因为插入排序每次只能将数据移动一位；
    希尔排序的基本思想是：先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排
序，待整个序列中的记录"基本有序"时，再对全体记录进行依次直接插入排序。


public class ShellSort {public void sort(int[] arr) {if (arr == null || arr.length == 0) {return;}int length = arr.length;// step:表示希尔增量for (int step = length / 2; step >= 1; step /= 2) {//从setp位置开始进行插入排序，直至完毕for (int i = step; i < arr.length; i++) {int instartVal = arr[i];int j = i - step; // 有序区最后一个元素while (j >= 0) {if (arr[j] > instartVal) {arr[j + step] = arr[j];j -= step;} else {break;}}arr[j + step] = instartVal;}}}
}

 五、 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。
1. 算法步骤
1. 申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列；
2. 设定两个指针，最初位置分别为两个已经排序序列的起始位置；
3. 比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置；
4. 重复步骤 3 直到某一指针达到序列尾；
5. 将另一序列剩下的所有元素直接复制到合并序列尾。

import java.util.Arrays;/*** 归并排序*/
public class MergeSort {public int[] sort(int[] arr) {if (arr == null || arr.length < 2) {return arr;}int middle = (int) Math.floor(arr.length / 2);int[] left = Arrays.copyOfRange(arr, 0, middle );int[] right = Arrays.copyOfRange(arr, middle , arr.length);return merge(sort(left), sort(right));}protected int[] merge(int[] left, int[] right) {int[] result = new int[left.length + right.length];int i = 0;int m = 0;int n = 0;while (m < left.length  && n < right.length) {if (left[m] <= right[n]) {result[i++] = left[m++];} else {result[i++] = right[n++];}}while (m < left.length) {result[i++] = left[m++];}while (n < right.length) {result[i++] = right[n++];}return result;}
}

六、 快速排序

1. 算法步骤
1. 从数列中挑出一个元素，称为 "基准"（pivot）;
2. 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作；
3. 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序；


/*** 快速排序*/
public class FastSort {public void sort(int[] arr) {if (arr == null || arr.length < 2) {return;}//  排序fastSort(arr, 0, arr.length - 1);}// 对[left,right]区间进行排序private void fastSort(int[] arr, int left, int right) {// 递归到底的情况if (left >= right) {return;}// 递归操作int pivot = arr[left];int i = left;int j = right;while (i < j) {// 从右边开始找到第一个小于pivot的元素while (i < j && arr[j] > pivot) {j--;}// 替换if (i < j) {arr[i] = arr[j];i++;}// 从左边开始找到第一个比pivot大的元素while (i < j && arr[i] < pivot) {i++;}// 替换if (i < j) {arr[j] = arr[i];j--;}}arr[i] = pivot;fastSort(arr, left, i - 1);fastSort(arr, i + 1, right);}
}


七、 堆排序

       堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆排序可以说是一种利用堆的概念来排序的选择排序。分为两种方法：
大顶堆：每个节点的值都大于或等于其子节点的值，在堆排序算法中用于升序排列；
小顶堆：每个节点的值都小于或等于其子节点的值，在堆排序算法中用于降序排列；
堆排序的平均时间复杂度为 Ο(nlogn)。
1. 算法步骤
1. 创建一个堆 H[0……n-1]；
2. 把堆首（最大值）和堆尾互换；
3. 调用 shift_down方法，使除过堆尾元素的树满足最大堆的性质；
4. 重复步骤 2，直到堆中只有一个元素。


// 堆排序
public class HeapSort {private int getParentIndex(int index) {if (index < 0) {throw new IllegalArgumentException("index is invalid!");}if (index == 0) { // 处理根节点return -1;}return (index - 1) / 2;}// 根据当前结点所在数组的索引获取左孩子结点的索引private int getLeftChildIndex(int index) {return 2 * index + 1;}public void sort(int[] arr) {if (arr == null || arr.length == 0) {return;}// 将完全二叉树整理成堆heapify(arr);// 排序for (int i = arr.length - 1; i > 0; i--) {// 将堆尾元素与堆首元素互换int temp = arr[0];arr[0] = arr[i];arr[i] = temp;// 整理成堆siftDown(0, arr, i);}}private void heapify(int[] arr) {// 1、找到最后一个元素的父节点int parentIndex = getParentIndex(arr.length - 1);// 2、从最后一个元素的父节点开始下沉操作，直到根节点for (; parentIndex >= 0; parentIndex--) {siftDown(parentIndex, arr, arr.length);}}private void siftDown(int curIndex, int[] arr, int length) {int leftChildIndex = getLeftChildIndex(curIndex);int chageIndex = leftChildIndex;while (leftChildIndex < length) {int rigthChildIndex = leftChildIndex + 1;if (rigthChildIndex < length && arr[rigthChildIndex] > arr[leftChildIndex]) {chageIndex = rigthChildIndex;}if (arr[chageIndex] > arr[curIndex]) {// 交换操作int temp = arr[curIndex];arr[curIndex] = arr[chageIndex];arr[chageIndex] = temp;curIndex = chageIndex;leftChildIndex = getLeftChildIndex(curIndex);chageIndex = leftChildIndex;} else {break;}}}
}

八、 计数排序

      计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围的整数。
1. 计数排序的特征当输入的元素是 n 个 0 到 k 之间的整数时，它的运行时间是 O(n + k)。计数排序不是比较排序，排序的速度快于任何比较排序算法。由于用来计数的数组C的长度取决于待排序数组中数据的范围（等于待排序数组的最大值与最小值的差加上1），这使得计数排序对于数据范围很大的数组，需要大量时间和内存。通俗地理解，例如有 10 个年龄不同的人，统计出有 8 个人的年龄比 A 小，那 A 的年龄就排在第9 位,用这个方法可以得到其他每个人的位置,也就排好了序。当然，年龄有重复时需要特殊处理（保证稳定性），这就是为什么最后要反向填充目标数组，以及将每个数字的统计减去 1 的原因。
2、算法步骤
（1）找出待排序的数组中最大和最小的元素
（2）统计数组中每个值为i的元素出现的次数，存入数组C的第i项
（3）对所有的计数累加（从C中的第一个元素开始，每一项和前一项相加）
（4）反向填充目标数组：将每个元素i放在新数组的第C(i)项，每放一个元素就将C(i)减去1

public class CountingSort {public void sort(int[] arr) {if (arr == null || arr.length < 2) {return;}// 获取数组中最大的值int maxVal = getMaxVal(arr);// 创建一个数组，用来计数int[] counts = new int[maxVal + 1];// 计数for (int i = 0; i < arr.length; i++) {counts[arr[i]]++;}// 反向填充int index = 0;for (int i = 0; i < counts.length; i++) {while (counts[i] > 0) {arr[index++] = i;counts[i]--;}}}private int getMaxVal(int[] arr) {int max = arr[0];for (int i = 1; i < arr.length; i++) {max = Math.max(max, arr[i]);}return max;}
}

九、 桶排序

     桶排序是计数排序的升级版。它利用了函数的映射关系，高效与否的关键就在于这个映射函数的确定。为了使桶排序更加高效，我们需要做到这两点：
• 在额外空间充足的情况下，尽量增大桶的数量
• 使用的映射函数能够将输入的 N 个数据均匀的分配到 K 个桶中
同时，对于桶中元素的排序，选择何种比较排序算法对于性能的影响至关重要。
1. 什么时候最快
当输入的数据可以均匀的分配到每一个桶中。
2. 什么时候最慢
当输入的数据被分配到了同一个桶中。


import java.util.ArrayList;
import java.util.List;// 桶排序
public class BucketSort {public void sort(int[] arr) {if (arr == null || arr.length < 2) {return;}// 创建桶List<Integer>[] buckets = new ArrayList[10];// 初始化桶for (int i = 0; i < buckets.length; i++) {buckets[i] = new ArrayList<>();}// 将数据放入桶中for (int i = 0; i < arr.length; i++) {int index = arr[i] / 10;buckets[index].add(arr[i]);}//分别堆每个桶进行排序for (int i = 0; i < buckets.length; i++) {buckets[i].sort(null);}// 将桶中的元素反向填充到arr中int index = 0;for (int i = 0; i < buckets.length; i++) {List<Integer> item = buckets[i];while (!item.isEmpty()) {arr[index++] = item.remove(0);}}}
}

十、 基数排序

     原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。基数排序的方式可以采用
LSD（Least significant digital）或MSD（Most significant digital），LSD的排序方式由键值的最右边开始，而MSD则相反，由键值的最左边开始。

MSD：先从高位开始进行排序，在每个关键字上，可采用计数排序
LSD：先从低位开始进行排序，在每个关键字上，可采用桶排序
1. 基数排序 vs 计数排序 vs 桶排序
基数排序有两种方法：
这三种排序算法都利用了桶的概念，但对桶的使用方法上有明显差异：
• 基数排序：根据键值的每位数字来分配桶；
• 计数排序：每个桶只存储单一键值；
• 桶排序：每个桶存储一定范围的数值；


import java.util.ArrayList;
import java.util.List;/*** 计数排序*/
public class RadixSort {public void sort(int[] arr) {if (arr == null || arr.length < 2) {return;}// 获取最大值int maxValue = getMaxVal(arr);// 获取最大位数int maxDigit = getMaxDigit(maxValue);radixSort(arr, maxDigit);}private void radixSort(int[] arr, int maxDigit) {int mod = 10;// 模数int dev = 1;for (int i = 0; i < maxDigit; i++) { // 比较轮数// 创建桶List<Integer>[] bucket = new ArrayList[10];// 对桶进行初始化for (int n = 0; n < bucket.length; n++) {bucket[n] = new ArrayList<>();}for (int j = 0; j < arr.length; j++) {int bucketIndex = (arr[j] / dev) % mod;bucket[bucketIndex].add(arr[j]);}// 对桶进行排序//分别堆每个桶进行排序for (int k = 0; k < bucket.length; k++) {bucket[k].sort(null);}// 将桶中的元素反向填充到arr中int index = 0;for (int m = 0; m < bucket.length; m++) {List<Integer> item = bucket[m];while (!item.isEmpty()) {arr[index++] = item.remove(0);}}dev = dev * 10;}}private int getMaxDigit(int maxValue) {int length = 1;int curNum = maxValue;while (curNum / 10 != 0) {curNum = curNum / 10;length++;}return length;}private int getMaxVal(int[] arr) {int max = arr[0];for (int i = 1; i < arr.length; i++) {max = Math.max(max, arr[i]);}return max;}
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/55076.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

13. Docker实战之安装MySQL

13. Docker实战之安装MySQL

目录 1、前言 2、部署MySQL 2.1、Docker仓库查看镜像 2.2、拉取MySQL镜像 2.3、创建持久化目录 2.4、启动MySQL容器 2.5、查看宿主机上的MySQL目录 2.6、本地MySQL测试 2.7、新建MySQL用户&#xff0c;配置远程访问 2.8、本地Navicat连接测试 3、为什么数据库不适合D…
阅读更多...
NoSQL数据库介绍+Redis部署

NoSQL数据库介绍+Redis部署

目录 一、NoSQL概述 1、数据的高并发读写 2、海量数据的高效率存储和访问 3、数据库的高扩展和高可用 二、NoSQL的类别 1、键值存储数据库 2、列存储数据库 3、文档型数据库 4、图形化数据库 三、分布式数据库中的CAP原理 1、传统的ACID 1&#xff09;、A--原子性 …
阅读更多...
Spring boot 集成单元测试

Spring boot 集成单元测试

1.引入依赖 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency> 2. 3.编写测试类 package com.enterprise;import com.enterpr…
阅读更多...
Java接收前端请求体方式

Java接收前端请求体方式

&#x1f497;wei_shuo的个人主页 &#x1f4ab;wei_shuo的学习社区 &#x1f310;Hello World &#xff01; 文章目录 RequestBodyPathVariableRequestParamValidated方法参数校验方法返回值校验 RequestHeaderHttpServletRequest ## Java接收前端请求体的方式 请求体&#xf…
阅读更多...
统计动力学笔记（三）整波滤波器（自留用）

统计动力学笔记（三）整波滤波器（自留用）

整波滤波器 1. 整波滤波器推导2. 线性动态系统输出端的随机信号的方差 整波滤波器是一类能够整合具有任意频谱密度的静定随机信号的滤波器。其输入信号往往是白噪声。 1. 整波滤波器推导 由统计动力学笔记&#xff08;二&#xff09;频谱密度与线性随机系统的动态准确性&…
阅读更多...
sklearn 笔记： neighbors.BallTree

sklearn 笔记： neighbors.BallTree

球树结构 1 基本使用方法 sklearn.neighbors.BallTree(X, leaf_size40, metricminkowski, **kwargs) 2 主要参数说明 X 输入数据&#xff0c;维度为 (n_samples, n_features) n_samples 是数据集中点的数量n_features 是参数空间的维数leaf_size 点数少于多少时&#xff0c…
阅读更多...
Mysql-索引

Mysql-索引

文章目录 索引实现原理最左匹配原则Explain重要字段索引类型数据库的NULL存储索引下推filesort原理参考 索引实现原理 MySQL索引实现解析 最左匹配原则 MySQL索引最左匹配原则是什么 创建一个表格 CREATE TABLE test ( a int NOT NULL AUTO_INCREMENT, b int DEFAULT NU…
阅读更多...
数据结构，线性表有哪些

数据结构，线性表有哪些

线性表是一种常见的数据结构&#xff0c;它的特点是数据元素之间存在一对一的线性关系。根据线性表的存储方式和实现方式&#xff0c;线性表主要有以下几种&#xff1a; 1. 顺序表&#xff08;Sequential List&#xff09;: - 通常使用数组实现。 - 元素在内存中是连续…
阅读更多...
VR智慧校园资中控管理平台综合提升了课堂教学质量

VR智慧校园资中控管理平台综合提升了课堂教学质量

随着越来越多高校在课堂中引进VR虚拟仿真实训系统&#xff0c;为了方便老师对全班同学进行高效率地管理&#xff0c;VR中控平台应运而生。下面为您详细介绍VR中控平台在课堂教学中的应用优势。 VR中控系统安装在教师总控端&#xff0c;融合了课件、视频、3D动画等丰富的教学资源…
阅读更多...
顺序表链表OJ题(1)——【LeetCode】

顺序表链表OJ题(1)——【LeetCode】

W...Y的主页 &#x1f60a; 代码仓库分享 &#x1f495; 前言&#xff1a; 今天我们来回顾一下顺序表与链表&#xff0c;针对这一块我们也有许多OJ题目供大家参考。当我们学习完顺序表链表后避免不了一些习题的练习&#xff0c;这样才能巩固我们学习的内容。 话不多说&#xf…
阅读更多...
c++ 中new的用法

c++ 中new的用法

当你使用 C 中的 new 操作符时&#xff0c;你实际上在堆内存中分配了一块空间&#xff0c;用于存储一个或多个对象。这与栈内存不同&#xff0c;栈内存的分配和释放是自动管理的&#xff0c;而堆内存需要手动管理。下面我将详细解释如何使用 new 操作符来创建单个对象和对象数组…
阅读更多...
回归预测 | MATLAB实现BES-ELM秃鹰搜索优化算法优化极限学习机多输入单输出回归预测（多指标，多图）

回归预测 | MATLAB实现BES-ELM秃鹰搜索优化算法优化极限学习机多输入单输出回归预测（多指标，多图）

回归预测 | MATLAB实现BES-ELM秃鹰搜索优化算法优化极限学习机多输入单输出回归预测&#xff08;多指标&#xff0c;多图&#xff09; 目录 回归预测 | MATLAB实现BES-ELM秃鹰搜索优化算法优化极限学习机多输入单输出回归预测&#xff08;多指标&#xff0c;多图&#xff09;效…
阅读更多...
安防监控视频平台EasyCVR视频汇聚平台和税务可视化综合管理应用方案

安防监控视频平台EasyCVR视频汇聚平台和税务可视化综合管理应用方案

一、方案概述 为了确保税务执法的规范性和高效性&#xff0c;国家税务总局要求全面推行税务系统的行政执法公示制度、执法全过程记录制度和重大执法决定法制审核制度。为此&#xff0c;需要全面推行执法全过程记录制度&#xff0c;并推进信息化建设&#xff0c;实现执法全过程的…
阅读更多...
HAproxy+keepalived高可用配置搭建

HAproxy+keepalived高可用配置搭建

目录 一、概述 &#xff08;一&#xff09;简介 &#xff08;二&#xff09;核心功能 &#xff08;三&#xff09;关键特性 &#xff08;四&#xff09;应用场景 二、安装 1&#xff09;拓补图 2&#xff09;配置 &#xff08;一&#xff09;内核配置 &#xff08;二…
阅读更多...
几种在JavaScript中创建对象的方式！

几种在JavaScript中创建对象的方式！

聚沙成塔每天进步一点点 ⭐ 专栏简介⭐ 字面量方式⭐ 构造函数方式⭐ Object.create()方式⭐ 工厂函数方式⭐ ES6类方式⭐ 写在最后 ⭐ 专栏简介 前端入门之旅&#xff1a;探索Web开发的奇妙世界 记得点击上方或者右侧链接订阅本专栏哦 几何带你启航前端之旅 欢迎来到前端入门…
阅读更多...
【硬件设计】硬件学习笔记一--元器件的介绍与选型

【硬件设计】硬件学习笔记一--元器件的介绍与选型

硬件学习笔记一--元器件的选型 一、电阻1.1 电阻的分类1.2 电阻的选型 二、电容2.1 陶瓷电容2.2 钽电容2.3 铝电解电容2.4 电容选型 三、电感3.1 定义与介绍3.2 电感的分类3.3 电感的参数 四、磁珠4.1 磁珠的介绍4.2 磁珠的参数 五、二极管5.1 定义5.2 稳压管5.3 肖特基二极管5…
阅读更多...
究竟会不会阻塞？HTML文档渲染中的CSS和JS文件下载探秘

究竟会不会阻塞？HTML文档渲染中的CSS和JS文件下载探秘

在Web前端开发中&#xff0c;网页的性能优化一直是一个重要的课题。其中&#xff0c;优化网页的加载速度尤为关键。本文将探讨一个常见的问题&#xff1a;HTML文档渲染过程中&#xff0c;CSS文件和JS文件的下载是否会阻塞渲染&#xff0c;以及如何处理这个问题。 阻塞渲染的问…
阅读更多...
SystemVerilog Chapter24: Programs

SystemVerilog Chapter24: Programs

24.1General概述 本条款描述了以下内容&#xff1a; --Programs 声明 --Programs 调度语义 --与时钟块结合使用的Programs --匿名Programs 24.2 Overview module是设计的基本构建块。module可以包含其他模块、网络、变量、子例程声明以及a…
阅读更多...
BDA初级分析——可视化基础

BDA初级分析——可视化基础

一、可视化的作用 数据可视化——利用各种图形方式更加直观地呈现数据的过程 可视化的作用 1、更快地理解数据&#xff0c;找出数据的规律和异常 2、讲出数据背后的故事&#xff0c;辅助做出业务决策 3、给非专业人士提供数据探索的能力 数据分析问题如何通过可视化呈现&am…
阅读更多...
数据分析基础-数据可视化02-不同数据类型的可视化概念及原则

数据分析基础-数据可视化02-不同数据类型的可视化概念及原则

将数据空间映射到颜色空间。 数据空间&#xff1a;连续或分类 数据可以被划分为两个主要的数据空间&#xff1a;连续数据和分类数据。这两种数据空间有不同的特点和适用的分析方法。 连续数据&#xff08;Continuous Data&#xff09;&#xff1a; 连续数据是指可以在某个范…
阅读更多...
最新文章

Copyright @ 2022~2023