排序算法一般有哪些学习JAVA时我们应当掌握哪些排序算法呢面长沙JAVA培训欧柏泰克软件学院和大家一起来分享下JAVA程序员应该掌握的排序算法的一些相关知识:
JDK中采用的排序算法,主要出现在两个类中。
java.util.Arrays
static void sort(int[] a)
static void sort(int[] a, int fromIndex, int toIndex)
其他基本类型(byte,char,short,long,float,double)算法相同。float 和 double 多了两步long型本地转换的步骤,主要处理NaN值。
以上基本类型数组的排序方法的 采用了一个经过调优的快速排序法。
static void sort(T[] a, Comparator c)
static void sort(T[] a, int fromIndex, int toIndex, Comparator c)
(java.util.Collections 类的 sort方法 实际调用了上面的方法)
对象数组则 采用了经过修改的合并排序算法。
java.util.PriorityQueue
一个基于优先级堆的无界优先级队列(堆排序算法稍有缩减)
【基础原理】
快速排序(QuickSort) 时间复杂度 平均O(nlogn) 最坏O(n2) 空间复杂度 O(nlogn) 不稳定
算法:
# 选取中枢点
swap a[1,rand(1,n)]
# 2路分割
k = 1
for i = 2:n, if a[i] < a[1], swap a[++k,i]
swap a[1,k]
→ invariant: a[1..k-1] < a[k] <= a[k+1..n]
# 递归排序
sort a[1..k-1]
sort a[k+1,n]
虽然不够稳定,但是实际应用中快速排序比大部分排序算法都要快。
归并排序(MergeSort) 时间复杂度 O(nlogn) 空间复杂度 O(1) 稳定
# 数组均分为两块
m = n / 2
# 两块分别递归
sort a[1..m]
sort a[m+1..n]
# 使用中间数组做排序
b = copy of a[1..m]
i = 1, j = m+1, k = 1
while i <= m and j <= n,
a[k++] = (a[j] < b[i]) nbsp;a[j++] : b[i++]
→ invariant: a[1..k] in final position
while i <= m,
a[k++] = b[i++]
→ invariant: a[1..k] in final position
归并排序比堆排序快,但是需要比堆排序多一倍的内存空间,因为它需要一个额外的数组。
最终归并排序依靠其稳定性拿到了JDK排序中的头把交椅,被应用于使用最广泛的对象集合排序中。
堆排序(HeapSort) 时间复杂度 O(nlogn) 空间复杂度 O(1) 不稳定
# 构造堆
for i = n/2:1, sink(a,i,n)
→ invariant: a[1,n] in heap order
# 循环下沉
for i = 1:n,
swap a[1,n-i+1]
sink(a,1,n-i)
→ invariant: a[n-i+1,n] in final position
end
# 从 i 到 a[1..n] 递归sink
function sink(a,i,n):
# {lc,rc,mc} = {left,right,max} child index
lc = 2*i
if lc > n, return # no children
rc = lc + 1
mc = (rc > n) nbsp;lc : (a[lc] > a[rc]) nbsp;lc : rc
if a[i] >= a[mc], return # heap ordered
swap a[i,mc]
sink(a,mc,n)
堆排序适合于数据量非常大的场合,由于较少的空间消耗,在移动设备中,堆排序是首选。(相比使用递归的快速排序,归并排序,没有堆栈溢出的风险)
【代码分析】
相比来说快速排序的排序运用最为广泛,也是算法演变最多的一种。我们看分析下JDK中的快速排序。
public static void sort(int[] a) {
sort1(a, 0, a.length);
}
private static void sort1(int x[], int off, int len) {
// 小于7时使用插入排序法
// Insertion sort on smallest arrays
if (len < 7) {
for (int i=off; i
for (int j=i; j>off && x[j-1]>x[j]; j–)
swap(x, j, j-1);
return;
}
// Choose a partition element, v
int m = off + (len >> 1); // Small arrays, middle element
//根据当前数组大小确定选取枢轴策略
//size=7时,直接取中间元素作为枢轴
//7
//size>40时,将数组8等分后获取9个节点值得中数作为枢轴
if (len > 7) {
int l = off;
int n = off + len – 1;
if (len > 40) { // Big arrays, pseudomedian of 9
int s = len/8;
l = med3(x, l, l+s, l+2*s);
m = med3(x, m-s, m, m+s);
n = med3(x, n-2*s, n-s, n);
}
m = med3(x, l, m, n); // Mid-size, med of 3
}
int v = x[m];
// Establish Invariant: v* (v)* v*
//这一段代码比较难理解,也是关键点。基本思路是:
// 先将数组交换为 v* (v)* v* 的格局,即中值向两边移动
// 再将相同的数移向数组的中部。
//算法有优点很明显,当中值有多个时,这一轮排序后,所有的中值都可以就位,即不参加以后的排序
//论文中提到,这里等效于著名的“荷兰国旗问题”
//该方法对于高度重复的数组整体排序时间节省20%
int a = off, b = a, c = off + len – 1, d = c;
while(true) {
while (b <= c && x[b] <= v) {
if (x[b] == v)
swap(x, a++, b);
b++;
}
while (c >= b && x[c] >= v) {
if (x[c] == v)
swap(x, c, d–);
c–;
}
if (b > c)
break;
swap(x, b++, c–);
}
// Swap partition elements back to middle
int s, n = off + len;
s = Math.min(a-off, b-a ); vecswap(x, off, b-s, s);
s = Math.min(d-c, n-d-1); vecswap(x, b, n-s, s);
// Recursively sort non-partition-elements
if ((s = b-a) > 1)
sort1(x, off, s);
if ((s = d-c) > 1)
sort1(x, n-s, s);
}
private static void vecswap(int x[], int a, int b, int n) {
for (int i=0; i
swap(x, a, b);
}
private static int med3(int x[], int a, int b, int c) {
return (x[a] < x[b] /span>
(x[b] < x[c] nbsp;b : x[a] < x[c] nbsp;c : a) :
(x[b] > x[c] nbsp;b : x[a] > x[c] nbsp;c : a));
}
private static void swap(int x[], int a, int b) {
int t = x[a];
x[a] = x[b];
x[b] = t;
}
文章知识点与官方知识档案匹配,可进一步学习相关知识算法技能树首页概览33897 人正在系统学习中
声明:本站部分文章及图片源自用户投稿,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!