Java集合和數(shù)據(jù)結構排序實例詳解
概念
排序，就是使一串記錄，按照其中的某個或某些關鍵字的大小，遞增或遞減的排列起來的操作。
平時的上下文中，如果提到排序，通常指的是排升序（非降序）。
通常意義上的排序，都是指的原地排序(in place sort)。
穩(wěn)定性： 兩個相等的數(shù)據(jù)，如果經過排序后，排序算法能保證其相對位置不發(fā)生變化，則我們稱該算法是具備穩(wěn)定性的排序算法。
插入排序
直接插入排序
整個區(qū)間被分為
- 有序區(qū)間
- 無序區(qū)間
每次選擇無序區(qū)間的第一個元素，在有序區(qū)間內選擇合適的位置插入
代碼實現(xiàn)
邏輯代碼：
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;
}
}
}
調試代碼：
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));
}
}
該代碼的執(zhí)行結果為：
可見，實現(xiàn)了對原數(shù)組的升序排序。
性能分析
時間復雜度：
最好情況：O(n)【數(shù)據(jù)有序】
平均情況：O(n2)
最壞情況：O(n2)【數(shù)據(jù)逆序】
空間復雜度：O(1)
穩(wěn)定性：穩(wěn)定
對于直接插入排序：越有序越快。另外，直接插入排序會用在一些排序的優(yōu)化上。
希爾排序
希爾排序法又稱縮小增量法。希爾排序法的基本思想是：先選定一個整數(shù)，把待排序文件中所有記錄分成個組，所有距離為的記錄分在同一組內，并對每一組內的記錄進行排序。然后，取，重復上述分組和排序的工作。當?shù)竭_=1時， 所有記錄在統(tǒng)一組內排好序。
希爾排序是對直接插入排序的優(yōu)化。
當gap > 1時都是預排序，目的是讓數(shù)組更接近于有序。當gap == 1時，數(shù)組已經接近有序的了，這樣就會很快。這樣整體而言，可以達到優(yōu)化的效果。我們實現(xiàn)后可以進行性能測試的對比。
代碼實現(xiàn)
邏輯代碼：
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};//增量數(shù)組-->沒有明確的規(guī)定，但保證為素數(shù)的增量序列
for (int i = 0; i < drr.length; i++) {
shell(array,drr[i]);
}
}
}
測試代碼：
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));
}
}
該代碼的執(zhí)行結果為：
可見，實現(xiàn)了對原數(shù)組的升序排序。
性能分析
時間復雜度：
最好情況：O(n)【數(shù)據(jù)有序】
平均情況：O(n1.3)
最壞情況： O(n2) 【比較難構造】
空間復雜度：O(1)
穩(wěn)定性：不穩(wěn)定
選擇排序
直接選擇排序
每一次從無序區(qū)間選出最大（或最?。┑囊粋€元素，存放在無序區(qū)間的最后（或最前），直到全部待排序的數(shù)據(jù)元素排完 。
代碼實現(xiàn)
邏輯代碼：
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;
}
}
}
}
}
測試代碼：
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));
}
}
該代碼的執(zhí)行結果為：
可見，實現(xiàn)了對原數(shù)組的升序排序。
性能分析
時間復雜度 : 不管是最好情況還是最壞情況都是O(n2) 【數(shù)據(jù)不敏感】
空間復雜度: O(1)
穩(wěn)定性：不穩(wěn)定
堆排序
基本原理也是選擇排序，只是不在使用遍歷的方式查找無序區(qū)間的最大的數(shù)，而是通過堆來選擇無序區(qū)間的最大的數(shù)。
注意：排升序要建大堆；排降序要建小堆。
代碼實現(xiàn)
邏輯代碼：
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();
}
}
}
測試代碼：
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));
}
}
該代碼的執(zhí)行結果為：
可見，實現(xiàn)了對原數(shù)組的升序排序。
性能分析
時間復雜度：不管是最好的情況還是最壞的情況都是O(n * log(n)) 。
空間復雜度：O(1)。
穩(wěn)定性：不穩(wěn)定
交換排序
冒泡排序
在無序區(qū)間，通過相鄰數(shù)的比較，將最大的數(shù)冒泡到無序區(qū)間的最后，持續(xù)這個過程，直到數(shù)組整體有序。
代碼實現(xiàn)
邏輯代碼：
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;
}
}
}
}
}
測試代碼：
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));
}
}
該代碼的執(zhí)行結果為：
可見，實現(xiàn)了對原數(shù)組的升序排序。
性能分析
時間復雜度：
最好情況：O(n)【數(shù)據(jù)有序】
平均情況：O(n2)
最壞情況： O(n2) 【數(shù)據(jù)逆序】
空間復雜度：O(1)。
穩(wěn)定性：穩(wěn)定
快速排序
- 從待排序區(qū)間選擇一個數(shù)，作為基準值(pivot)；
- Partition: 遍歷整個待排序區(qū)間，將比基準值小的（可以包含相等的）放到基準值的左邊，將比基準值大的（可以包含相等的）放到基準值的右邊；
- 采用分治思想，對左右兩個小區(qū)間按照同樣的方式處理，直到小區(qū)間的長度 = 1，代表已經有序，或者小區(qū)間的長度 = 0，代表沒有數(shù)據(jù)。
代碼實現(xiàn)
邏輯代碼：
public class QuickSort {
public static void quick(int[] array,int low,int high) {
if (low < high) {
int piv = piovt(array,low,high);//找基準
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);
}
}
測試代碼：
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));
}
}
該代碼的執(zhí)行結果為：
可見，實現(xiàn)了對原數(shù)組的升序排序。
性能分析
時間復雜度：
最好情況：O(n * log(n))
平均情況：O(n * log(n))
最壞情況： O(n2)
空間復雜度：
最好情況：O(log(n))
平均情況：O(log(n))
最壞情況：O(n)
穩(wěn)定性：不穩(wěn)定
非遞歸實現(xiàn)快速排序
代碼實現(xiàn)
邏輯代碼：
/**
* 非遞歸實現(xiàn)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;
}
}
測試代碼：
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));
}
}
該代碼的執(zhí)行結果為：
可見，實現(xiàn)了對原數(shù)組的升序排序。
性能分析
時間復雜度： O(n * log(n))
空間復雜度：
最好情況：O(log(n))
最壞情況：O(n)
穩(wěn)定性：不穩(wěn)定
歸并排序
歸并排序
歸并排序（MERGE-SORT）是建立在歸并操作上的一種有效的排序算法,該算法是采用分治法（Divide and Conquer）的一個非常典型的應用。將已有序的子序列合并，得到完全有序的序列；即先使每個子序列有序，再使子序列段間有序。若將兩個有序表合并成一個有序表，稱為二路歸并。
代碼實現(xiàn)
邏輯代碼：
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);
}
}
測試代碼：
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));
}
}
該代碼的執(zhí)行結果為：
可見，實現(xiàn)了對原數(shù)組的升序排序。
性能分析
時間復雜度： O(n * log(n))
空間復雜度：O(n)
穩(wěn)定性：穩(wěn)定
非遞歸實現(xiàn)歸并排序
代碼實現(xiàn)
邏輯代碼：
/**
* 非遞歸實現(xiàn)歸并排序
*/
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);
}
}
}
測試代碼：
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));
}
}
該代碼的執(zhí)行結果為：
可見，實現(xiàn)了對原數(shù)組的升序排序。
性能分析
時間復雜度： O(n * log(n))
空間復雜度：O(n)
穩(wěn)定性：穩(wěn)定
海量數(shù)據(jù)的排序問題
外部排序：排序過程需要在磁盤等外部存儲進行的排序
前提：內存只有 1G，需要排序的數(shù)據(jù)有 100G
因為內存中因為無法把所有數(shù)據(jù)全部放下，所以需要外部排序，而歸并排序是最常用的外部排序。
- 先把文件切分成 200 份，每個 512 M
- 分別對 512 M 排序，因為內存已經可以放的下，所以任意排序方式都可以
- 進行 200 路歸并，同時對 200 份有序文件做歸并過程，最終結果就有序了
排序總結
總結
到此這篇關于Java集合和數(shù)據(jù)結構排序的文章就介紹到這了,更多相關Java集合和數(shù)據(jù)結構排序內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
詳解java WebSocket的實現(xiàn)以及Spring WebSocket
這篇文章主要介紹了詳解java WebSocket的實現(xiàn)以及Spring WebSocket ,具有一定的參考價值，感興趣的小伙伴們可以參考一下。2017-01-01
MybatisPlus自定義Sql實現(xiàn)多表查詢的示例
這篇文章主要介紹了MybatisPlus自定義Sql實現(xiàn)多表查詢的示例，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-08-08
這篇文章主要為大家詳細介紹了Feign實現(xiàn)跨服務文件上傳下載，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-04-04
Springmvc ViewResolver設計實現(xiàn)過程解析
這篇文章主要介紹了Springmvc ViewResolver設計實現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-10-10
這篇文章主要介紹了Swagger屏蔽某些接口顯示的操作，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-06-06
Spring Data JPA 如何使用QueryDsl查詢并分頁
這篇文章主要介紹了Spring Data JPA 如何使用QueryDsl查詢并分頁，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-11-11
這篇文章主要介紹了Java中的forEach循環(huán)詳細解讀,不要再foreach循環(huán)里面進行元素的add和remove,如果你非要進行remove元素,那么請使用Iterator方式,如果存在并發(fā),那么你一定要選擇加鎖,需要的朋友可以參考下2023-12-12
解決SpringBoot配置文件application.yml遇到的坑
這篇文章主要介紹了解決SpringBoot配置文件application.yml遇到的坑，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-02-02
Windows下安裝ElasticSearch的方法(圖文)
這篇文章主要介紹了Windows下安裝ElasticSearch的方法(圖文)，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-01-01
這篇文章主要介紹了SpringMVC文件上傳原理及實現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-07-07