登神长阶
上古神器-常见排序算法
冒泡排序/快速排序/归并排序/非基于比较排序
💰一.前言
为保障知识获取的可读性，以及连贯性，再开始可以适当的重新温习前文内容 ：Java 【数据结构】常见排序算法实用详解（上） 插入排序/希尔排序/选择排序/堆排序【贤者的庇护】
在本篇内容我们将紧跟前篇内容，进一步学习冒泡排序，快速排序，归并排序以及非基于比较排序。
🪙二.冒泡排序
基本原理
冒泡排序是一种简单直观的排序算法，它重复地遍历要排序的列表，一次比较两个元素，并且如果它们的顺序错误就将它们交换位置。这个过程持续到列表没有任何再次交换的元素为止。
算法步骤
- 从列表的第一个元素开始，依次比较相邻的两个元素。
- 如果顺序不正确（例如，前面的元素大于后面的元素），则交换这两个元素。
- 继续对每一对相邻元素进行相同的操作，直到到达列表的末尾。
- 重复以上步骤，每次都从列表的开始处进行，直到没有任何元素需要交换。
时间复杂度
冒泡排序的时间复杂度为O(n^2)，其中n是列表的长度。这是因为在最坏情况下，需要进行n-1轮比较，每一轮最多进行n-1次交换。
稳定性
冒泡排序是稳定的排序算法。在排序过程中，相同元素的相对位置不会发生变化，只有在相邻元素大小不同时才进行交换。
适用性
冒泡排序是一个简单但效率较低的排序算法，通常用于教学目的或者在数据集较小时。由于其时间复杂度较高，在大型数据集上性能不佳，不适合实际应用。然而，由于其实现简单，易于理解和实现，有时在一些特殊场景下可能会被采用。
源代码
/**
* 冒泡排序
* 时间复杂度：
* 不管数据 有序 还是无序 在不优化的情况下：O(N^2) 5 4 3 2 1
* 空间复杂度：O(1)
* 稳定性：稳定
* 目前学到现在为止：2个稳定排序 ，插入排序 冒泡排序
* @param arr
*/
public static void bubbleSort(int[] arr){
for (int i = 0; i < arr.length-1; i++) {
boolean flag=false;
for (int j = 0; j < arr.length-i-1; j++) {
if (arr[j]>arr[j+1]){
swap(arr,j,j+1);
flag=true;
}
}
//在优化了的情况下，当数据有序，1 2 3 4 5
//时间复杂度为：O(N)
if (flag==false){
break;
}
}
}💴三.快速排序
基本原理
快速排序是一种基于分治思想的排序算法。它的基本思想是选择一个基准元素，然后将数组分割成两个子数组，一个子数组中的所有元素都比基准元素小，另一个子数组中的所有元素都比基准元素大。然后递归地对这两个子数组进行排序。
算法步骤
- 选择一个基准元素（通常是数组中的第一个元素）。
- 将数组分割成两个子数组，一个子数组中的元素都比基准元素小，另一个子数组中的元素都比基准元素大。
- 递归地对两个子数组进行排序。
- 将两个排序好的子数组合并起来。
时间复杂度
快速排序的平均时间复杂度为O(n log n)，其中n是数组的长度。最坏情况下的时间复杂度是O(n^2)，当数组已经有序或者基准元素选择不当时会发生。然而，由于快速排序通常表现良好，因此平均时间复杂度更具代表性。
稳定性
快速排序是不稳定的排序算法。在排序过程中，相同元素的相对位置可能会发生变化。
适用性
快速排序在大多数情况下表现良好，并且通常被认为是最快的排序算法之一（因此得名）。它特别适用于大型数据集的排序，因为其平均时间复杂度相对较低。然而，由于其不稳定性和最坏情况下的性能可能较差，有时可能不适用于特定情况，例如需要稳定排序的场景。
源代码
/**
* 快速排序
* 时间复杂度：O(N*logN)
* 空间复杂度：O(logN)
* 稳定性：不稳定
* @param array
*/
public static void quickSort(int arr[]){//保证接口的统一性
quick(arr,0,arr.length-1);
}
public static void quick(int[] arr,int start,int end){
if (start>=end){
return;
}
//寻找基准元素
int par=partition(arr,start,end);
quick(arr,start,par-1);
quick(arr,par+1,end);
}在上述代码之中， int par=partition(arr,start,end);有多种方法，在这里我们展开说明三种：
1.挖坑法
/**
* 挖坑法
* @param arr
* @param left
* @param right
* @return
*/
public static int partitionDig(int[] arr,int left,int right){
int temp=arr[left];
while(left<right){
while(left<right&&arr[right]>=temp){
right--;
}
arr[left]=arr[right];
while(left<right&&arr[left]<=temp){
left++;
}
arr[right]=arr[left];
}
arr[left]=temp;
return left;
}2.Hoare法
/**
* Hoare法
* @param arr
* @param left
* @param right
* @return
*/
public static int partitionHoare(int[] arr,int left,int right){
int i=left;
int temp=arr[left];
while(left<right){
while(left<right&&arr[right]>=temp){
right--;
}
while(left<right&&arr[left]<=temp){
left++;
}
swap(arr,left,right);
}
swap(arr,left,i);
return left;
}3.前后指针法
/**
* 前后指针法
* @param arr
* @param left
* @param right
* @return
*/
public static int partitionPrev(int[] arr,int left,int right){
int prev=left;
int cur=left+1;
while(cur<=right){
if (arr[cur]<arr[left]&&arr[++prev]!=arr[cur]){
swap(arr,cur,prev);
}
}
swap(arr,left,prev);
return prev;
}同时由于当数据很少，且基本趋于有序的情况而言，我们对此代码进行优化
/**
* 快速排序 优化
* 时间复杂度：O(N*logN)
* 空间复杂度：O(logN)
* 稳定性：不稳定
* @param array
*/
public static void quickSort(int arr[]){
quick(arr,0,arr.length-1);
}
public static void quick(int[] arr,int start,int end){
if (start>=end){
return;
}
//优化
if(end - start + 1 <= 10) {
//插入排序
insertSortRange(arr,start,end);
return;
}
//三数取中
int index = midThreeNum(arr,start,end);
swap(arr,index,start);
//寻找基准元素
int par=partitionPrev(arr,start,end);
quick(arr,start,par-1);
quick(arr,par+1,end);
}
public static void insertSortRange(int[] arr,int left,int right){
for (int i = left+1; i <= right; i++) {
int temp=arr[i];
int j=i-1;
for (; j >=left ; j--) {
if (arr[j]>temp){
arr[j+1]=arr[j];
}else{
break;
}
}
arr[j+1]=temp;
}
}
/**
* 三位取中
* @param arr
* @param left
* @param right
* @return
*/
public static int midThreeNum(int[] arr,int left,int right){
int mid=(left+right)/2;
if (arr[left]<arr[right]){
if (arr[mid]<arr[left]){
return left;
}else if(arr[mid]>arr[right]){
return right;
}else{
return mid;
}
}else{
if (arr[mid]<arr[right]){
return right;
}else if(arr[mid]>arr[left]){
return left;
}else{
return mid;
}
}
}同时，我们也可以用非递归的方式去实现快速排序
/**
* 非递归实现快速排序
* @param arr
*/
public static void quickSortnot(int[] arr){
Stack<Integer> stack=new Stack<>();
int left=0;
int right=arr.length-1;
int par=partitionHoare(arr,left,right);
if (par>left+1){
stack.push(left);
stack.push(par-1);
}
if (par<right-1){
stack.push(par+1);
stack.push(right);
}
while (!stack.empty()){
right=stack.pop();
left=stack.pop();
par=partitionHoare(arr,left,right);
if (par>left+1){
stack.push(left);
stack.push(par-1);
}
if (par<right-1){
stack.push(par+1);
stack.push(right);
}
}
}💵四.归并排序
基本原理
归并排序是一种基于分治思想的排序算法。它的基本原理是将待排序的数组分成两部分，分别对这两部分进行排序，然后将排好序的子数组合并成一个大的有序数组。
算法步骤
- 分解：将待排序的数组递归地分成两个子数组，直到每个子数组只有一个元素。
- 合并：将相邻的两个子数组合并成一个有序的数组，直到整个数组被合并成一个有序的数组。
时间复杂度
归并排序的时间复杂度为O(n log n)，其中n是数组的长度。这是因为归并排序的每一层递归都需要O(n)的时间来合并两个子数组，而递归的深度是O(log n)。因此总的时间复杂度是O(n log n)。
稳定性
归并排序是稳定的排序算法。在合并过程中，相同元素的相对位置不会发生变化，只有在不同子数组之间的合并时才会涉及元素交换。
适用性
归并排序适用于各种数据规模的排序，尤其在内存充足的情况下，其性能稳定且良好。由于其稳定性和较好的时间复杂度，归并排序常被用于外部排序，例如对大型文件进行排序。然而，由于其需要额外的空间来存储临时数组，因此在空间复杂度较为敏感的场景下可能不适用。
源代码
/**
* 归并排序
* 时间复杂度：0(N * logN)
* 空间复杂度：O(N)
* 稳定性：稳定的排序
* @param arr
*/
public static void mergeSort(int[] arr){
mergeSortfun(arr,0,arr.length-1);
}
public static void mergeSortfun(int[] arr,int left,int right){
if (left>=right){
return;
}
int mid=(left+right)/2;
mergeSortfun(arr,left,mid);
mergeSortfun(arr,mid+1,right);
//合并
merge(arr,left,right,mid);
}
public static void merge(int[] arr,int left,int right,int mid){
int s1=left;
int e1=mid;
int s2=mid+1;
int e2=right;
int k=0;
int[] temp=new int[right-left+1];
//要考虑相等
while(s1<=e1&&s2<=e2){
if (arr[s1]>arr[s2]){
temp[k++]=arr[s2++];
}else{
temp[k++]=arr[s1++];
}
}
while(s1<=e1){
temp[k++]=arr[s1++];
}
while(s2<=e2){
temp[k++]=arr[s2++];
}
//至此，temp数组中的所有元素已然有序
//接下来把tmp数组的内容 拷贝到array数组当中
//最后k=temp.length
for (int i = 0; i < k; i++) {
arr[i+left]=temp[i];
}
}同理可得，可用非递归的方式去实现归并排序：
public static void mergeSortnor(int[] arr){
int gap=1;
while(gap< arr.length){
for (int i = 0; i < arr.length; i=i+gap*2) {
int left=i;
int mid=left+gap-1;
if (mid>=arr.length){
mid=arr.length-1;
}
int right=mid+gap;
if (right>=arr.length){
right=arr.length-1;
}
merge(arr,left,right,mid);
}
gap*=2;
}
}💶五.常用排序算法复杂度及稳定性分析
我们可以对上述接触到的排序算法进行一个简单的分类
|
排序方法
|
最好
|
平均
|
最坏
|
空间复杂度
|
稳定性
|
|
冒泡排序
|
O(n)
|
O(n^2)
|
O(n^2)
|
O(1)
|
稳定
|
|
插入排序
|
O(n)
|
O(n^2)
|
O(n^2)
|
O(1)
|
稳定
|
|
选择排序
|
O(n^2)
|
O(n^2)
|
O(n^2)
|
O(1)
|
不稳定
|
|
希尔排序
|
O(n)
|
O(n^1.3)
|
O(n^2)
|
O(1)
|
不稳定
|
|
堆排序
|
O(n * log(n))
|
O(n * log(n))
|
O(n * log(n))
|
O(1)
|
不稳定
|
|
快速排序
|
O(n * log(n))
|
O(n * log(n))
| O(n^2) |
O(log(n)) ~ O(n)
|
不稳定
|
|
归并排序
|
O(n * log(n))
|
O(n * log(n))
|
O(n * log(n))
|
O(n)
|
稳定
|
在时间复杂度方面，快速排序、堆排序和归并排序是最快的，它们的时间复杂度都是 O(n log n)，适用于大多数场景。而插入排序、希尔排序、选择排序和冒泡排序的时间复杂度都在O(n^2)级别，适用于小规模数据或者教学目的。
在稳定性方面，插入排序、归并排序和冒泡排序是稳定的排序算法，而希尔排序、选择排序、堆排序和快速排序是不稳定的排序算法。稳定性表示相同元素的相对位置是否在排序前后保持不变。
在空间复杂度方面，除了归并排序需要额外的O(n)空间来存储临时数组外，其他排序算法的空间复杂度都是常数级别的，即O(1)。
💷 六.其他非基于比较排序（了解）
💷1.计数排序
基本原理
计数排序是一种非比较性的排序算法，其基本原理是统计待排序序列中每个元素的出现次数，然后根据元素的值将其放置到正确的位置上。计数排序假设待排序的元素都是整数，并且范围在一个已知的区间内。
算法步骤
- 统计计数: 遍历待排序的数组，统计每个元素出现的次数，并将统计结果存储在一个辅助数组中。
- 累加计数: 将统计数组中的元素累加，得到每个元素在排序后的数组中的位置。
- 排序: 遍历待排序的数组，根据统计数组中每个元素的值，将元素放置到排序后的数组中相应的位置上。
- 输出: 将排序后的数组输出作为排序结果。
时间复杂度
计数排序的时间复杂度为O(n + k)，其中n是待排序数组的长度，k是待排序数组中元素的取值范围。在最坏情况下，即元素都是相同的，也需要进行n次遍历，因此时间复杂度为O(n)。而在元素范围较大的情况下，k会对时间复杂度产生影响，但通常情况下k远小于n，所以计数排序的时间复杂度可以近似看作是线性的。
稳定性
计数排序是稳定的排序算法。在排序过程中，相同元素的相对位置不会发生变化，只有根据元素的值进行元素的移动。
适用性
计数排序适用于元素取值范围较小，且待排序数组长度较大的情况。由于计数排序不涉及元素之间的比较，因此在某些情况下，它比基于比较的排序算法效率更高。然而，需要注意的是，计数排序需要额外的空间来存储统计数组，因此在元素范围非常大的情况下可能会占用过多内存。
源代码
/**
* 计数排序
* 时间复杂度：O(N+范围)
* 空间复杂度：O(范围)
* 稳定性：稳定
* @param array
*/
public static void countSort(int[] array) {
//1. 遍历数组 求最大值 和 最小值
int maxVal = array[0];
int minVal = array[0];
for (int i = 0; i < array.length; i++) {
if(maxVal < array[i]) {
maxVal = array[i];
}
if(minVal > array[i]) {
minVal = array[i];
}
}
//2. 定义count数组
int[] count = new int[maxVal - minVal + 1];
//3. 遍历array数组 把值 放入 计数数组当中
for (int i = 0; i < array.length; i++) {
int val = array[i];//98
count[val - minVal]++;
}
//4. 以上3步完成之后，计数数组 已经存好了对应的数据
// 接下来 开始遍历 计数数组
int index = 0;//array的下标
for (int i = 0; i < count.length; i++) {
while (count[i] > 0) {
array[index] = i+minVal;
index++;
count[i]--;
}
}
}💸2.基数排序
基数排序（Radix sort）是一种非比较型整数排序算法，它的基本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。基数排序可以采用最低有效数字（LSD）或最高有效数字（MSD）的方式进行排序。
算法步骤
- 确定排序的位数，即确定需要比较的最大位数。
- 初始化10个桶（0-9），用于存放待排序的数字。
- 从最低位开始，将所有数字按照当前位的值放入对应的桶中。
- 将所有桶中的数字依次取出，按照桶的顺序重新排列原始数组。
- 重复步骤3和步骤4，直到所有位都被比较完毕。
时间复杂度
基数排序的时间复杂度取决于待排序数字的位数和桶的数量。如果有n个数字，每个数字有d位，基数排序的时间复杂度为O(d*n)。稳定性方面，基数排序是稳定的排序算法，即相等元素的相对顺序在排序前后保持不变。
适用性
- 待排序的数字是整数类型，且位数相同。
- 待排序的数字范围不太大，可以容易地确定排序的位数。
- 可以使用辅助空间来存储桶和中间结果。
总结起来，基数排序是一种非比较型整数排序算法，通过按位数切割和桶的分配来实现排序。它具有稳定性和适用性的优点，并且时间复杂度与待排序数字的位数和桶的数量相关。
以下是动图演示
源代码
/**
* 基数排序
* 考虑负数的情况还可以参考： https://code.i-harness.com/zh-CN/q/e98fa9
*/
public class RadixSort implements IArraySort {
@Override
public int[] sort(int[] sourceArray) throws Exception {
// 对 arr 进行拷贝，不改变参数内容
int[] arr = Arrays.copyOf(sourceArray, sourceArray.length);
int maxDigit = getMaxDigit(arr);
return radixSort(arr, maxDigit);
}
/**
* 获取最高位数
*/
private int getMaxDigit(int[] arr) {
int maxValue = getMaxValue(arr);
return getNumLenght(maxValue);
}
private int getMaxValue(int[] arr) {
int maxValue = arr[0];
for (int value : arr) {
if (maxValue < value) {
maxValue = value;
}
}
return maxValue;
}
protected int getNumLenght(long num) {
if (num == 0) {
return 1;
}
int lenght = 0;
for (long temp = num; temp != 0; temp /= 10) {
lenght++;
}
return lenght;
}
private int[] radixSort(int[] arr, int maxDigit) {
int mod = 10;
int dev = 1;
for (int i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) {
// 考虑负数的情况，这里扩展一倍队列数，其中 [0-9]对应负数，[10-19]对应正数 (bucket + 10)
int[][] counter = new int[mod * 2][0];
for (int j = 0; j < arr.length; j++) {
int bucket = ((arr[j] % mod) / dev) + mod;
counter[bucket] = arrayAppend(counter[bucket], arr[j]);
}
int pos = 0;
for (int[] bucket : counter) {
for (int value : bucket) {
arr[pos++] = value;
}
}
}
return arr;
}
/**
* 自动扩容，并保存数据
*
* @param arr
* @param value
*/
private int[] arrayAppend(int[] arr, int value) {
arr = Arrays.copyOf(arr, arr.length + 1);
arr[arr.length - 1] = value;
return arr;
}
}💳 3.桶排序
桶排序（Bucket sort）是一种非比较型的排序算法，它将待排序元素分为若干个区间（桶），然后将每个元素放入对应的桶中。每个桶内部使用其他排序算法（如插入排序）进行排序，最后按照桶的顺序依次输出各个桶中的元素。
基本原理：
- 确定桶的数量，可以根据待排序元素的范围和分布情况灵活设定。
- 将待排序元素依次放入对应的桶中。
- 对每个桶中的元素进行排序，可以选择其他排序算法。
- 按照桶的顺序依次输出各个桶中的元素，即得到有序序列。
算法步骤：
- 初始化桶和空数组，桶的数量根据待排序元素范围和分布情况确定。
- 遍历待排序元素，将每个元素放入对应的桶中。
- 对每个桶中的元素进行排序，可以使用插入排序等其他排序算法。
- 按照桶的顺序，将各个桶中的元素依次取出放入空数组中。
- 输出空数组，即得到有序序列。
时间复杂度： 桶排序的时间复杂度取决于元素的分布情况和桶的数量。在最均匀的情况下，平均时间复杂度和最佳时间复杂度均为O(n + k)，其中n为元素个数，k为桶的数量。但在最差情况下，如果元素全部落在同一个桶中，则时间复杂度为O(n^2)。需要注意的是，桶排序的时间复杂度与元素大小无关。
稳定性：
桶排序是一种稳定的排序算法，即相等元素的相对顺序在排序前后保持不变。这是因为在将元素放入桶及桶内部排序时，采用了稳定的排序算法，如插入排序。
适用性：
- 待排序元素是均匀分布的。
- 可以确定合适的桶的数量，以尽量减少桶之间元素的差距。
- 桶内部的排序算法具有较高的效率。
源代码
public static void bucketSort(int[] arr){
// 计算最大值与最小值
int max = Integer.MIN_VALUE;
int min = Integer.MAX_VALUE;
for(int i = 0; i < arr.length; i++){
max = Math.max(max, arr[i]);
min = Math.min(min, arr[i]);
}
// 计算桶的数量
int bucketNum = (max - min) / arr.length + 1;
ArrayList<ArrayList<Integer>> bucketArr = new ArrayList<>(bucketNum);
for(int i = 0; i < bucketNum; i++){
bucketArr.add(new ArrayList<Integer>());
}
// 将每个元素放入桶
for(int i = 0; i < arr.length; i++){
int num = (arr[i] - min) / (arr.length);
bucketArr.get(num).add(arr[i]);
}
// 对每个桶进行排序
for(int i = 0; i < bucketArr.size(); i++){
Collections.sort(bucketArr.get(i));
}
// 将桶中的元素赋值到原序列
int index = 0;
for(int i = 0; i < bucketArr.size(); i++){
for(int j = 0; j < bucketArr.get(i).size(); j++){
arr[index++] = bucketArr.get(i).get(j);
}
}
}
总结：桶排序是一种非比较型的排序算法，通过将元素放入对应的桶中，并对每个桶内部进行排序，最后按照桶的顺序输出得到有序序列。它的时间复杂度取决于元素的分布情况和桶的数量，稳定性较高，并适用于元素均匀分布的情况。
🧾七.总结与反思
人的成长要接受四个方面的教育：父母、老师、书籍，社会。有趣的是，后者似乎总是与前面三种背道而驰。
在学习了冒泡排序、快速排序、归并排序以及基于非比较的排序算法之后，我们可以对这些排序算法进行总结和反思。
冒泡排序
冒泡排序是一种简单的排序算法，其基本思想是将相邻的元素两两比较，如果前一个元素大于后一个元素，则交换这两个元素的位置。通过多次遍历整个数组，每次都将最大的元素"浮"到数组的末尾，从而实现排序。时间复杂度为O(n^2)，不适用于大规模数据的排序。
快速排序
快速排序是一种高效的排序算法，其基本思想是选择一个基准值，将数组分为左右两部分，使得左半部分的所有元素小于等于基准值，右半部分的所有元素大于等于基准值，然后递归地对左右两部分排序。由于采用了分治的思想，并且在平均情况下时间复杂度为O(nlogn)，因此快速排序是常用的排序算法之一。
归并排序
归并排序是一种稳定的排序算法，其基本思想是将待排序序列不断划分成更小的子序列，直到每个子序列只有一个元素，然后再将相邻的子序列合并成一个有序序列。由于采用了分治的思想，并且时间复杂度始终为O(nlogn)，因此归并排序也是常用的排序算法之一。
非基于比较的排序算法
非基于比较的排序算法不需要进行元素之间的比较，因此它们常常具有线性的时间复杂度，但是空间复杂度较高。这类算法包括计数排序、桶排序和基数排序等。
总体来说，不同的排序算法适用于不同的场景，我们需要根据具体的问题和数据特点选择合适的排序算法。同时，我们还应该注意算法的时间复杂度、稳定性和空间复杂度等方面，以便在实际应用中能够达到更好的效果。
🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀🍀
以上，就是本期的全部内容啦，若有错误疏忽希望各位大佬及时指出💐
制作不易，希望能对各位提供微小的帮助，可否留下你免费的赞呢🌸
![JSON.toJSONString() 输出 “$ref“:“$[0]“问题解决及原因分析](https://img-blog.csdnimg.cn/direct/f81d8af20a8544ceb57f6507d4d9c9ac.jpeg#pic_center)
