盤點(diǎn)幾種常見的java排序算法
1.插入排序
這個(gè)打麻將或者打撲克的很好理解, 比如有左手有一副牌1,2,4,7 ,來(lái)一張3的牌, 是不是就是手拿著這張牌從右往左插到2,4之間
一次插入排序的操作過(guò)程:
將待插元素,依次與已排序好的子數(shù)列元素從后到前進(jìn)行比較,如果當(dāng)前元素值比待插元素值大,則將移位到與其相鄰的后一個(gè)位置,否則直接將待插元素插入當(dāng)前元素相鄰的后一位置,因?yàn)檎f(shuō)明已經(jīng)找到插入點(diǎn)的最終位置
public class InsertSort { public static void sort(int[] arr) { if (arr.length >= 2) { for (int i = 1; i < arr.length; i++) { //挖出一個(gè)要用來(lái)插入的值,同時(shí)位置上留下一個(gè)可以存新的值的坑 int x = arr[i]; int j = i - 1; //在前面有一個(gè)或連續(xù)多個(gè)值比x大的時(shí)候,一直循環(huán)往前面找,將x插入到這串值前面 while (j >= 0 && arr[j] > x) { //當(dāng)arr[j]比x大的時(shí)候,將j向后移一位,正好填到坑中 arr[j + 1] = arr[j]; j--; } //將x插入到最前面 arr[j + 1] = x; } } } }
2.分治排序法,快速排序法
簡(jiǎn)單的說(shuō), 就是設(shè)置一個(gè)標(biāo)準(zhǔn)值, 將大于這個(gè)值的放到右邊(不管排序), 將小于這個(gè)值的放到左邊(不管排序), 那么這樣只是區(qū)分了左小右大, 沒有排序, 沒關(guān)系, 左右兩邊再重復(fù)這個(gè)步驟.直到不能分了為止.
詳細(xì)說(shuō)就是:
- 選擇待排數(shù)列的首部第一個(gè)元素為基準(zhǔn)元素x,設(shè)置兩指針,分別指向數(shù)列首尾部位置,假設(shè)兩指針分別設(shè)為i和j。
- 每次遍歷的過(guò)程是這樣的,首先從右到左遍歷指針j所指向的元素,直到j(luò)指向的元素值小于基準(zhǔn)元素x時(shí),停止遍歷,將其放到i的位置(因?yàn)閕的值已經(jīng)拷貝成了基準(zhǔn)x騰出了位置)
- i往右挪一步, i++,接著輪到指針i從左到右遍歷,直到i所指向的元素值大于基準(zhǔn)元素x時(shí),停止遍歷,將其放到j(luò)的位置(因?yàn)樯厦嬉徊絡(luò)的值已經(jīng)占用到了i的位置,騰出位置了)
- 依此類推,兩邊輪流遍歷, 直到指針i與指針j相等或者大于(實(shí)際肯定是i==j)時(shí),停止外部循環(huán)。此時(shí)必定左邊都是比x小的, 右邊是比x大的.
- 最后直接將基準(zhǔn)元素x直接放置于指針i所指向的位置即可
- 完成分區(qū)操作, 從i的位置一分為二, 左邊和右邊再遞歸執(zhí)行上面的操作. 層層細(xì)分
接下來(lái),我們通過(guò)示圖來(lái)展示上述分區(qū)算法思路的過(guò)程:
public class QuickSort { public static void sort(int[] arr,int begin,int end) { //先定義兩個(gè)參數(shù)接收排序起始值和結(jié)束值 int a = begin; int b = end; //先判斷a是否大于b if (a >= b) { //沒必要排序 return; } //基準(zhǔn)數(shù),默認(rèn)設(shè)置為第一個(gè)值 int x = arr[a]; //循環(huán) while (a < b) { //從后往前找,找到一個(gè)比基準(zhǔn)數(shù)x小的值,賦給arr[a] //如果a和b的邏輯正確--a<b ,并且最后一個(gè)值arr[b]>x,就一直往下找,直到找到后面的值大于x while (a < b && arr[b] >= x) { b--; } //跳出循環(huán),兩種情況,一是a和b的邏輯不對(duì)了,a>=b,這時(shí)候排序結(jié)束.二是在后面找到了比x小的值 if (a < b) { //將這時(shí)候找到的arr[b]放到最前面arr[a] arr[a] = arr[b]; //排序的起始位置后移一位 a++; } //從前往后找,找到一個(gè)比基準(zhǔn)數(shù)x大的值,放在最后面arr[b] while (a < b && arr[a] <= x) { a++; } if (a < b) { arr[b] = arr[a]; //排序的終止位置前移一位 b--; } } //跳出循環(huán) a < b的邏輯不成立了,a==b重合了,此時(shí)將x賦值回去arr[a] arr[a] = x; //調(diào)用遞歸函數(shù),再細(xì)分再排序 sort(arr,begin,a-1); sort(arr,a+1,end); } }
3.冒泡排序 low版
每次冒泡過(guò)程都是從數(shù)列的第一個(gè)元素開始,然后依次和剩余的元素進(jìn)行比較, 跟列隊(duì)一樣, 從左到右兩兩相鄰的元素比大小, 高的就和低的換一下位置. 最后最高(值最大)的肯定就排到后面了.
但是這只是把最高的排到后面了, 還得找出第二高的, 于是又從第一個(gè)開始兩兩比較, 高的往后站, 然后第二高的也到后面了.
然后是第三高的再往后排…
public class MaoPao { public static void sort(int[] arr){ for (int i = 1; i < arr.length; i++) { //第一層for循環(huán),用來(lái)控制冒泡的次數(shù) for (int j = 0; j < arr.length-1; j++) { //第二層for循環(huán),用來(lái)控制冒泡一層層到最后 //如果前一個(gè)數(shù)比后一個(gè)數(shù)大,兩者調(diào)換 ,意味著泡泡向上走了一層 if (arr[j] > arr[j+1] ){ int temp = arr[j]; arr[j] = arr[j+1]; arr[j+1] = temp; } } } } }
4.冒泡排序 bigger版
補(bǔ)充, 改進(jìn)后,看下文的測(cè)試結(jié)果發(fā)現(xiàn)提升并不大, 這是正常的, 因?yàn)楦倪M(jìn)后省略的是排序成功后的判斷步驟, 而就算沒改進(jìn), 排序成功后也只不過(guò)是對(duì)數(shù)組進(jìn)行遍歷而已, 沒有進(jìn)行數(shù)據(jù)更新操作, 而我們知道數(shù)組是讀取快更新慢的, 所以和上面的版本相比看起來(lái)提升不算大
在這個(gè)版本中,改動(dòng)了兩點(diǎn)
- 第一點(diǎn)是加入了一個(gè)布爾值,判斷第二層循環(huán)中的調(diào)換有沒有執(zhí)行,如果沒有進(jìn)行兩兩調(diào)換,說(shuō)明后面都已經(jīng)排好序了,已經(jīng)不需要再循環(huán)了,直接跳出循環(huán),排序結(jié)束.
- 第二點(diǎn)是第二層循環(huán)不再循環(huán)到arr.length - 1,因?yàn)橥饷娴膇循環(huán)遞增一次,說(shuō)明數(shù)組最后就多了一個(gè)排好序的大泡泡.第二層循環(huán)也就不需要到最末尾一位了,可以提前結(jié)束循環(huán)
/** * 終極版冒泡排序 * 加入一個(gè)布爾變量,如果內(nèi)循環(huán)沒有交換值,說(shuō)明已經(jīng)排序完成,提前終止 * @param arr */ public static void sortPlus(int[] arr){ if(arr != null && arr.length > 1){ for(int i = 0; i < arr.length - 1; i++){ // 初始化一個(gè)布爾值 boolean flag = true; for(int j = 0; j < arr.length - i - 1 ; j++){ if(arr[j] > arr[j+1]){ // 調(diào)換 int temp; temp = arr[j]; arr[j] = arr[j+1]; arr[j+1] = temp; // 改變flag flag = false; } } if(flag){ break; } } } }
5.選擇排序
選擇排序也是一種簡(jiǎn)單直觀的排序算法,實(shí)現(xiàn)原理比較直觀易懂:
首先在未排序數(shù)列中找到最小元素,然后將其與數(shù)列的首部元素進(jìn)行交換,然后,在剩余未排序元素中繼續(xù)找出最小元素,將其與已排序數(shù)列的末尾位置元素交換。以此類推,直至所有元素圴排序完畢.
同理,可以類比與打撲克和打麻將, 和上面插入排序不同, 插入排序相當(dāng)于抽一張牌整理好了再抽一張, 而選擇排序相當(dāng)于一次性給你一副亂牌, 然后慢慢整理的感覺.
這也容易理解為什么選擇排序?yàn)樯侗炔迦肱判蚵? 插入排序是摸一張牌, 然后直接插入到手中已經(jīng)排好序的牌,再摸下一張牌.
選擇排序相當(dāng)于在一堆牌中, 不斷的找到最小的牌往前面放.
public static void sort(int[] arr){ for(int i = 0; i < arr.length - 1 ; i++){ int min = i; // 遍歷的區(qū)間最小的值 for (int j = i + 1; j < arr.length ;j++){ if(arr[j] < arr[min]){ // 找到當(dāng)前遍歷區(qū)間最小的值的索引 min = j; } } if(min != i){ // 發(fā)生了調(diào)換 int temp = arr[min]; arr[min] = arr[i]; arr[i] = temp; } } }
6. 歸并排序
歸并排序,簡(jiǎn)單的說(shuō)把一串?dāng)?shù)
從中平等分為兩份,再把兩份再細(xì)分,直到不能細(xì)分為止. 這就是分而治之的分的步驟.
再?gòu)淖钚〉膯卧?兩兩合并,合并的規(guī)則是將其按從小到大的順序放到一個(gè)臨時(shí)數(shù)組中,再把這個(gè)臨時(shí)數(shù)組替換原數(shù)組相應(yīng)位置,這就是治. 圖解如下:
代碼:
public static void mergeSort(int[] a,int s,int e){ int m = (s + e) / 2; if (s < e){ mergeSort(a,s,m); mergeSort(a,m+1,e); //歸并 merge(a,s,m,e); } } private static void merge(int[] a, int s, int m, int e) { //初始化一個(gè)從起始s到終止e的一個(gè)數(shù)組 int[] temp = new int[(e - s) + 1]; //左起始指針 int l = s; //右起始指針 int r = m+1; int i = 0; //將s-e這段數(shù)據(jù)在邏輯上一分為二,l-m為一個(gè)左邊的數(shù)組,r-e為一個(gè)右邊的數(shù)組,兩邊都是有序的 //從兩邊的第一個(gè)指針開始遍歷,將其中小的那個(gè)值放在temp數(shù)組中 while (l <= m && r <= e){ if (a[l] < a[r]){ temp[i++] = a[l++]; }else{ temp[i++] = a[r++]; } } //將兩個(gè)數(shù)組剩余的數(shù)放到temp中 while (l <= m){ temp[i++] = a[l++]; } while (r <= e){ temp[i++] = a[r++]; } //將temp數(shù)組覆蓋原數(shù)組 for (int n = 0; n < temp.length; n++) { a[s+n] = temp[n]; } }
8. 堆排序
堆排序, 顧名思義, 就是將數(shù)據(jù)以堆的結(jié)構(gòu), 或者說(shuō)類似于二叉樹的結(jié)構(gòu), 每次都整理二叉樹將最大值找到, 然后放到數(shù)組末尾. 個(gè)人感覺有點(diǎn)像選擇排序
.都是每次遍歷選擇一個(gè)最大值或最小值
從下往上調(diào)整堆, 將最大值放到頂部
- 首先我們可以把一個(gè)數(shù)組, 從上往下, 從左到右依次放置成為二叉樹
- 接著我們創(chuàng)建最大頂堆, 就是將最大的值調(diào)整到頂部.
- 然后我們開始遍歷, 把這個(gè)[0]的最大值放到最末尾, 然后再次整理二叉樹, 當(dāng)然將最后一位排除在外.然后我們將截至末尾的下標(biāo)往前移一位.
- 一直遍歷, 把最大值放到頂部, 再調(diào)換到末尾, 到只剩最后一個(gè)元素,
找到最大值后, 放到數(shù)組后面, 并設(shè)置一個(gè)標(biāo)記, 表示截止后面的都是已排序的元素, 相當(dāng)于堆刪除一個(gè)元素
因?yàn)槭菢浣Y(jié)構(gòu), 所以整理一次樹的時(shí)間復(fù)雜度是O(logn), 但是又因?yàn)樗枰闅v一次挨個(gè)整理找到剩下數(shù)據(jù)中的最大值, 所以它的最壞,最好,平均時(shí)間復(fù)雜度均為O(nlogn)
踩坑
大家可以直奔v3.0版本
v1.0 巨慢不能用
這里說(shuō)下踩坑, 下面是我寫的堆排序v1.0版本, 寫了個(gè)簡(jiǎn)單的數(shù)組測(cè)試了下發(fā)現(xiàn)也沒有問題, ok. 然后我寫一個(gè)10w的數(shù)組來(lái)和冒泡排序, 選擇排序等比較, 結(jié)果發(fā)現(xiàn)程序像是卡死了直接花了幾分鐘還沒出結(jié)果. 這已經(jīng)遠(yuǎn)遠(yuǎn)大于冒泡排序的時(shí)間了.
/** * 最大頂堆排序 * @param a */ public static void topMaxHeapSort(int[] a){ //先創(chuàng)建最大頂堆 createTopMaxHeap(a); int end = a.length - 1 ; while(end > 0 ){ //把0位的最大值放到最后 swaparr(a, 0, end); //將計(jì)算的長(zhǎng)度減一.不考慮最后的那個(gè)值 end--; //重新調(diào)整堆結(jié)構(gòu) handleMaxHeapFromIndex(a, end); } //打印下看看 // System.out.println(Arrays.toString(a)); } /** [3,7,1,4,9,5,6,7,2,6,8,3] * `````````3 * ``````/ \ * `````7 1 * ````/ \ / \ * ``4 9 5 6 * `/ \ / \ / * `7 2 6 8 3 * 變成 [9, 7, 6, 7, 6, 5, 1, 4, 2, 3, 8, 3] * `````````9 * ```````/ \ * `````7 6 * ````/ \ / \ * ``7 6 5 1 * `/ \ / \ / * `4 2 3 8 3 * 構(gòu)建最大頂堆, 變成父節(jié)點(diǎn)都比子節(jié)點(diǎn)大的樹 * @param a */ public static void createTopMaxHeap(int[] a){ //從倒數(shù)第二排最后一個(gè)開始, 從下往上, 層層處理把最大的換上去構(gòu)建最大頂堆 //如上面的注釋, 就是從5開始. 再往后就沒意義了 handleMaxHeapFromIndex(a,a.length-1); //打印下看看 // System.out.println(Arrays.toString(a)); } private static void handleMaxHeapFromIndex(int[] a,int end){ for (int i = end / 2; i>=0; i--) { //從i開始往后面調(diào)整它的堆 //左子節(jié)點(diǎn), 右子節(jié)點(diǎn) // 設(shè)置一個(gè)用于玩下遍歷和判斷的子節(jié)點(diǎn), 默認(rèn)就是左邊的兒子 int child = 2 * i + 1; while (child <= end){ //如果右子節(jié)點(diǎn)比左邊大 int leftson = child; int rightson = child + 1; if(rightson <= end && a[rightson] > a[leftson]){ //就設(shè)置為右邊的兒子 child++; } //再比較父子,如果兒子比父親大,就互換 if(a[i] < a[child]){ swaparr(a,i,child); } //繼續(xù)循環(huán) i = child; //繼續(xù)選擇它的左兒子 child = 2 * i + 1; } } } private static void swaparr(int[] arr,int a,int b){ int temp = arr[a]; arr[a] = arr[b]; arr[b] = temp; }
v2.0 太慢不能用
考慮肯定調(diào)整堆的代碼有問題
- 在初始構(gòu)建了最大頂堆時(shí), 父親都比兒子大
- 后面每次都只移除頂部元素.即變化了第一層
- 那我在調(diào)整的時(shí)候, 如果這個(gè)節(jié)點(diǎn)比兒子節(jié)點(diǎn)都大, 那應(yīng)該下面的都是調(diào)整好的不用管.
我選擇在handleMaxHeapFromIndex
方法中, 加入了break來(lái)提前跳出循環(huán), 如下:
while (child <= end) { // 如果右子節(jié)點(diǎn)比左邊大 int leftson = child; int rightson = child + 1; if (rightson <= end && a[rightson] > a[leftson]) { // 就設(shè)置為右邊的兒子 child++; } // 再比較父子,如果兒子比父親大,就互換 if (a[i] < a[child]) { swaparr(a, i, child); } else { // 否則直接跳出循環(huán), 只要父節(jié)點(diǎn)比子節(jié)點(diǎn)大, 不用管下面的調(diào)整了 break; } // 繼續(xù)循環(huán) i = child; // 繼續(xù)選擇它的左兒子 child = 2 * i + 1; }
再跑一次, 發(fā)現(xiàn)還是很慢, 但是比之前好多了, 但是還是耗時(shí)很久, 這也還是有問題啊…
v3.0
代碼如下:
/** * 最大頂堆排序 * * @param a */ public static void topMaxHeapSort(int[] a) { // 先創(chuàng)建最大頂堆 createTopMaxHeap(a); System.out.println("創(chuàng)建完畢"); int end = a.length - 1; while (end > 0) { // 把0位的最大值放到最后 swaparr(a, 0, end); // 將計(jì)算的長(zhǎng)度減一.不考慮最后的那個(gè)值 end--; handleMaxHeapFromIndex(a, 0, end); } // 打印下看看 // System.out.println(Arrays.toString(a)); } /** [3,7,1,4,9,5,6,7,2,6,8,3] * `````````3 * ``````/ \ * `````7 1 * ````/ \ / \ * ``4 9 5 6 * `/ \ / \ / * `7 2 6 8 3 * 變成 [9, 7, 6, 7, 6, 5, 1, 4, 2, 3, 8, 3] * `````````9 * ```````/ \ * `````7 6 * ````/ \ / \ * ``7 6 5 1 * `/ \ / \ / * `4 2 3 8 3 * 構(gòu)建最大頂堆, 變成父節(jié)點(diǎn)都比子節(jié)點(diǎn)大的樹 * @param a */ public static void createTopMaxHeap(int[] a) { // 從倒數(shù)第二排最后一個(gè)開始, 從下往上, 層層處理把最大的換上去構(gòu)建最大頂堆 // 如上面的注釋, 就是從5開始. 再往后就沒意義了 for (int i = (a.length - 1) / 2; i >= 0; i--) { handleMaxHeapFromIndex(a, i, a.length - 1); } // 打印下看看 // System.out.println(Arrays.toString(a)); } private static void handleMaxHeapFromIndex(int[] a, int i, int end) { // 從i開始往后面調(diào)整它的堆 // 左子節(jié)點(diǎn), 右子節(jié)點(diǎn) // 設(shè)置一個(gè)用于玩下遍歷和判斷的子節(jié)點(diǎn), 默認(rèn)就是左邊的兒子 int child = 2 * i + 1; while (child <= end) { // 如果右子節(jié)點(diǎn)比左邊大 int leftson = child; int rightson = child + 1; if (rightson <= end && a[rightson] > a[leftson]) { // 就設(shè)置為右邊的兒子 child++; } // 再比較父子,如果兒子比父親大,就互換 if (a[i] < a[child]) { swaparr(a, i, child); } else { // 否則直接跳出循環(huán), 只要父節(jié)點(diǎn)比子節(jié)點(diǎn)大, 不用管下面的調(diào)整了 break; } // 繼續(xù)循環(huán) i = child; // 繼續(xù)選擇它的左兒子 child = 2 * i + 1; } } private static void swaparr(int[] arr, int a, int b) { int temp = arr[a]; arr[a] = arr[b]; arr[b] = temp; }
無(wú)奈之下參考了別人的博客(也有一些寫的是我1.0版本和2.0版本的), 最后發(fā)現(xiàn)問題
首先再分析為什么要分成兩步, 1. 創(chuàng)建大頂堆. 2. 遍歷調(diào)整 ?
在創(chuàng)建大頂堆的時(shí)候, 是從(a.length-1)/2
處從下往上整理, 才能確保最大值能像冒泡一樣跑到頂部
那在構(gòu)建完了大頂堆后, 我們還需不需要重新從這個(gè)位置倒排往上整理呢? 其實(shí)是不需要的. 因?yàn)樽兓氖堑谝粋€(gè)元素, 除了這個(gè)元素以外, 其他的元素經(jīng)過(guò)大頂堆的整理肯定父親比兒子大.
所以后面遍歷調(diào)整的時(shí)候, 只需要從0下標(biāo)開始找最大值就可以了. 這樣就可以去掉handleMaxHeapFromIndex
外層的那個(gè)循環(huán):
private static void handleMaxHeapFromIndex(int[] a,int end){ for (int i = end / 2; i>=0; i--) { //這個(gè)循環(huán)只在創(chuàng)建大頂堆的時(shí)候需要, 這個(gè)就可以去掉了 .... while (child <= end){ ... } }
另外一個(gè)坑, child<=end這里要用大于等于號(hào), 以及后面的rightson <= end .因?yàn)槲揖蛯懼鴮懼浟薳nd是最后處理的下標(biāo), 而不是數(shù)組長(zhǎng)度, 習(xí)慣性用的<號(hào), 導(dǎo)致最后2個(gè)無(wú)法排序
9. 其他排序
比如Arrays工具類提供的排序方法。它內(nèi)部實(shí)現(xiàn)也是快速排序
private static void arraysSort(int[] a){ Arrays.sort(a); }
還有就是將數(shù)組轉(zhuǎn)為list,使用集合的排序方法,但是這無(wú)異于兜圈子,因?yàn)榧系讓右彩菙?shù)組
private static void listSort(int[] a){ List<Integer> integers = Ints.asList(a); Collections.sort(integers); integers.toArray(new Integer[a.length]); }
10. 比較
試了一下幾個(gè)排序的速度,代碼如下:
public static void main(String[] args) { int[] arr = new int[200000]; int[] a =getRandomArr(arr); int[] b = a.clone(); int[] c = b.clone(); int[] d = b.clone(); int[] e = b.clone(); int[] f = b.clone(); int[] g = b.clone(); int[] h = b.clone(); long s = Clock.systemDefaultZone().millis(); quickSort(a, 0, a.length - 1); System.out.println("quickSort耗時(shí): " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); mergeSort(b,0,b.length-1); System.out.println("mergeSort: " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); listSort(c); System.out.println("listSort耗時(shí): " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); arraysSort(d); System.out.println("arraysSort耗時(shí): " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); maoPaoSort(e); System.out.println("maoPaoSort耗時(shí): " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); maoPaoSortPlus(f); System.out.println("maoPaoSortPlus耗時(shí): " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); insertSort(g); System.out.println("insertSort耗時(shí): " + (Clock.systemDefaultZone().millis() - s) + " ms"); s = Clock.systemDefaultZone().millis(); selectSort(h); System.out.println("selectSort耗時(shí): " + (Clock.systemDefaultZone().millis() - s) + " ms"); } /** * 獲取一個(gè)打亂的數(shù)組 * @param arr */ private static int[] getRandomArr(int[] arr) { for (int i = 0; i < arr.length; i++) { arr[i] = new Random().nextInt(arr.length); } return arr; }
分別對(duì)1k,1w,10w,20w大小的隨機(jī)數(shù)組排序,結(jié)果如下:
得到綜合結(jié)果是:
速度: 快速排序>>歸并排序>>>>>插入排序>>選擇排序>>冒泡排序
并且可以看到,選擇排序,冒泡排序在數(shù)據(jù)量越來(lái)越大的情況下,耗時(shí)已經(jīng)呈指數(shù)型上漲,而不是倍數(shù)上漲,在50w的時(shí)候已經(jīng)需要足足5分鐘以上
//---1k---
quickSort耗時(shí): 0 ms
mergeSort: 1 ms
listSort耗時(shí): 7 ms
arraysSort耗時(shí): 1 ms
maoPaoSort耗時(shí): 3 ms
maoPaoSortPlus耗時(shí): 4 ms
insertSort耗時(shí): 2 ms
selectSort耗時(shí): 3 ms
//---1w---
quickSort耗時(shí): 2 ms
mergeSort: 3 ms
listSort耗時(shí): 19 ms
arraysSort耗時(shí): 4 ms
maoPaoSort耗時(shí): 166 ms
maoPaoSortPlus耗時(shí): 122 ms
insertSort耗時(shí): 12 ms
selectSort耗時(shí): 52 ms
//---10w---
quickSort耗時(shí): 14 ms
mergeSort: 19 ms
listSort耗時(shí): 65 ms
arraysSort耗時(shí): 12 ms
maoPaoSort耗時(shí): 15242 ms
maoPaoSortPlus耗時(shí): 15044 ms
insertSort耗時(shí): 797 ms
selectSort耗時(shí): 4073 ms
//---20w---
quickSort耗時(shí): 26 ms
mergeSort: 34 ms
listSort耗時(shí): 102 ms
arraysSort耗時(shí): 60 ms
maoPaoSort耗時(shí): 60811 ms
maoPaoSortPlus耗時(shí): 60378 ms
insertSort耗時(shí): 3279 ms
selectSort耗時(shí): 15762 ms
2021年11月25日 更新. 增加了堆排序
// 20w數(shù)據(jù)
quickSort耗時(shí): 39 ms
mergeSort: 32 ms
創(chuàng)建完畢
heapSort耗時(shí): 21 ms
listSort耗時(shí): 111 ms
arraysSort耗時(shí): 20 ms
maoPaoSort耗時(shí): 50410 ms
maoPaoSortPlus耗時(shí): 55862 ms
insertSort耗時(shí): 10127 ms
selectSort耗時(shí): 8619 ms
總結(jié)
到此這篇關(guān)于幾種常見的java排序算法的文章就介紹到這了,更多相關(guān)java排序算法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
java數(shù)據(jù)結(jié)構(gòu)排序算法之歸并排序詳解
這篇文章主要介紹了java數(shù)據(jù)結(jié)構(gòu)排序算法之歸并排序,結(jié)合具體實(shí)例形式詳細(xì)分析了歸并排序的原理、實(shí)現(xiàn)技巧與相關(guān)注意事項(xiàng),需要的朋友可以參考下2017-05-05springboot mybatis里localdatetime序列化問題的解決
這篇文章主要介紹了springboot mybatis里localdatetime序列化問題,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-10-10Arthas-java程序運(yùn)行時(shí)debug工具使用
這篇文章主要介紹了Arthas-java程序運(yùn)行時(shí)debug工具使用,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-11-11SpringBoot靜態(tài)視頻實(shí)時(shí)播放的實(shí)現(xiàn)代碼
這篇文章主要介紹了SpringBoot靜態(tài)視頻實(shí)時(shí)播放的實(shí)現(xiàn)代碼,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-01-01HashMap原理及手寫實(shí)現(xiàn)部分區(qū)塊鏈特征
這篇文章主要為大家介紹了HashMap原理及手寫實(shí)現(xiàn)部分區(qū)塊鏈特征,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-09-09