动图加代码 轻松搞定十大排序算法
排序算法是最基础的算法知识，也是面试笔试中必考的问题！！！！
-
笔试题中主要是各个算法的复杂度，稳定性，所属类型和模拟几次实现结果之类的问题
通过本文的两张总结图和10张算法动态图基本都可以迎刃而解 -
面试题中当然就是手撕代码了，自己实现一个排序方法，如果没有较好的准备，很容易就蒙圈。虽然大家在数据结构课程都学过大部分的排序算法了，但是知道原理和手写出来还是有很大区别的。
现在我就将这十种排序算法的Java代码实现也记录在这里，方便自己复习，也方便同样在准备找工作的同学
本文图片大多数都转自这里，感谢这个大佬的图，牛批！！ 如果觉得我的总结的不是很清楚可以去看看大佬的思路
下面所有的代码我都经过100000次随机数据的测试了，如果有问题请私聊我及时更正。
快速到达看这里-->
各类排序算法的对比与分类
选择排序
单向选择
i 记录当前有序位
j 记录遍历数组指针
minIndex 记录每次遍历的最小数的下标
每次遍历结束交换 下标为i 和下标为 minIndex 的值
/** * 选择排序1 * 每次遍历查找剩余元素的最小值然后放到对应的位置 * * @param arr */
public static void SelectionSort1(int[] arr) {
int n = arr.length;
for (int i = 0; i < n; i++) {
int minIndex = i;
for (int j = i; j < n; j++) {
if (arr[j] < arr[minIndex])
minIndex = j;
}
swap(arr, i, minIndex);
}
}
双向选择
left 记录左侧有序位（从小到大）
right 记录右侧有序位 （从大到小）
类似于单向选择从大到小的排序，双向选择是同时进行从小到大和从大到小的排序
每次遍历获取最大值和最小值并调整到正确位置
/** * 选择排序2 * 每次遍历查找剩余元素的最小值和最大值然后放到对应的位置 * * @param arr */
public static void SelectionSort2(int[] arr) {
int left = 0;
int right = arr.length - 1;
while (left < right) {
int minIndex = left;
int maxIndex = right;
//每次查找，保证arr[minIndex] <= arr[maxIndex]
if (arr[minIndex] > arr[maxIndex]) {
swap(arr, minIndex, maxIndex);
}
//从left+1到right-1遍历，找出最大最小
for (int i = left + 1; i < right; i++) {
if (arr[i] < arr[minIndex])
minIndex = i;
else if (arr[i] > arr[maxIndex])
maxIndex = i;
}
swap(arr, left, minIndex);
swap(arr, right, maxIndex);
left++;
right--;
}
}
插入排序
依次交换
从i位置向前依次进行比较，如果比本身大，就交换一下，直到正确位置
/** * 插入排序1 * 和前一个一次交换，直到正确位置 * * @param arr */
public static void InsertionSort1(int[] arr) {
int n = arr.length;
for (int i = 0; i < n; i++) {
//寻找arr[i]适合的地方插入
for (int j = i; j > 0 && arr[j] < arr[j - 1]; j--) {
swap(arr, j, j - 1);
}
}
}
依次覆盖
先暂存本身的值
从 i 位置开始向前遍历，如果arr[j-1[>arr[j] 就让arr[j-1[覆盖arr[j[的值，直到找到正确位置，将本身的值填进去
/** * 插入排序2 * 暂存插入的数据 * 将前一个元素循环赋值给后一个元素，当发现正确位置后，将暂存数据放到对应位置 * * @param arr */
public static void InsertionSort2(int[] arr) {
int n = arr.length;
for (int i = 0; i < n; i++) {
int e = arr[i];
int j = i;
for (; j > 0 && e < arr[j - 1]; j--) {
arr[j] = arr[j - 1];
}
arr[j] = e;
}
}
冒泡排序
常规冒泡
从第一个数开始遍历，发现大于后面的数就交换，交换之后继续比较，直到有序
/** * 冒泡排序1 * 从头到尾全部遍历了 * * @param arr */
public static void BubbleSort1(int[] arr) {
int n = arr.length;
for (int i = 0; i < n - 1; i++) {
for (int j = 0; j < n - 1 - i; j++) {
if (arr[j] > arr[j + 1]) {
swap(arr, j, j + 1);
}
}
}
}
优化冒泡
从第一个数开始遍历，发现大于后面的数就交换，交换之后继续比较
每次交换都记录下标记位，最后一次更新的标记位后都是有序的了，外层遍历到标记位就退出，减少了遍历次数，如果是基本有序的，最好情况可升级至O(N)
/** * 冒泡排序2 * 如果后面m个有序，记录位置，每次遍历到有序位就跳出来 * * @param arr */
public static void BubbleSort2(int[] arr) {
int n = arr.length;
int new_n;
do {
new_n = 0;
for (int i = 1; i < n; i++) {
if (arr[i - 1] > arr[i]) {
swap(arr, i - 1, i);
new_n = i;
}
}
//每次发现无序就交换一下，最后一次交换之后的都是有序的了,下次就不遍历有序这部分了
n = new_n;
//都有序了，不发生互换，new_n == 0 就退出
} while (new_n > 0);
}
希尔排序
/** * 希尔排序 * @param arr */
public static void ShellSort(int[] arr) {
int n = arr.length;
//增量
int gap = 1;
while (gap < n / 3) {
gap = gap * 3 + 1;
}
while (gap >= 1) {
for (int i = gap; i < n; i++) {
//使用插入排序
int e = arr[i];
int j = i;
for (; j >= gap && e < arr[j - gap]; j -= gap) {
arr[j] = arr[j - 1];
}
arr[j] = e;
}
gap /= 3;
}
}
归并排序
/** * 归并排序递归方法体 * * @param arr * @param l * @param mid * @param r 将arr[l...mid]和arr[mid+1...r]两部分进行归并 */
private static void merge(int[] arr, int l, int mid, int r) {
//暂存原始数据
int[] aux = Arrays.copyOfRange(arr, l, r + 1);
//初始化
int i = l, j = mid + 1;
for (int k = l; k <= r; k++) {
if( i > mid ){ // 如果左半部分元素已经全部处理完毕
arr[k] = aux[j-l]; j ++;
}
else if( j > r ){ // 如果右半部分元素已经全部处理完毕
arr[k] = aux[i-l]; i ++;
}
else if( aux[i-l]<aux[j-l]){ // 左半部分所指元素 < 右半部分所指元素
arr[k] = aux[i-l]; i ++;
}
else{ // 左半部分所指元素 >= 右半部分所指元素
arr[k] = aux[j-l]; j ++;
}
}
}
//递归调用归并排序，对arr[l...r]的范围进行排序
private static void MergeSorts(int[] arr, int l, int r) {
if (l >= r) {
return;
}
int mid = (l + r) / 2;
//下探到下一层进行归并
MergeSorts(arr, l, mid);
MergeSorts(arr, mid + 1, r);
//本层操作，进行归并排序
merge(arr, l, mid, r);
}
/** * 归并排序 * * @param arr */
public static void MergeSort(int[] arr) {
MergeSorts(arr, 0, arr.length - 1);
}
快速排序
普通快速排序
- 每次选第一个数称为 “基准”（pivot）；
- 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；
- 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
//对arr[l...r]部分进行partition
private static int partition(int[] arr, int l, int r) {
//暂存arr[l]
int v = arr[l];
//j为分割位
int j = l;
for (int i = l + 1; i <= r; i++) {
if (arr[i] < v) {
j++;
//将小于v的这个数和第一个大于v的数交换
swap(arr, j, i);
}
}
//将v交换到分割位
swap(arr, l, j);
return j;
}
//递归使用快速排序
private static void quickSort1(int[] arr, int l, int r) {
if (l >= r) {
return;
}
//获取l位置这个数的正确位置
int p = partition(arr, l, r);
//小于v的部分递归
quickSort1(arr, l, p - 1);
//大于v的部分递归
quickSort1(arr, p + 1, r);
}
//主调用
static void quickSort1(int[] arr) {
quickSort1(arr, 0, arr.length - 1);
}
private static void swap(int[] arr, int i, int j) {
int t = arr[i];
arr[i] = arr[j];
arr[j] = t;
}
随机快速排序
每次都从第一个数作为基准，最坏情况下会退化成n^2
改进：将基准的获取随机化，期望变为nlogn
swap( arr, l , (int)(Math.random()*(r-l+1))+l );
修改partition，添加上随机化代码
//对arr[l...r]部分进行partition
private static int partition(int[] arr, int l, int r) {
// 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot
swap( arr, l , (int)(Math.random()*(r-l+1))+l );
//暂存arr[l]
int v = arr[l];
//j为分割位
int j = l;
for (int i = l + 1; i <= r; i++) {
if (arr[i] < v) {
j++;
//将小于v的这个数和第一个大于v的数交换
swap(arr, j, i);
}
}
//将v交换到分割位
swap(arr, l, j);
return j;
}
双路快速排序
图自慕课网bobo老师的算法与数据结构课程！
i索引不断向后扫描，当i的元素小于v的时候继续向后扫描，直到碰到了某个元素大于等于v。j同理，直到碰到某个元素小于等于v。
然后绿色的部分便归并到了一起，而此时只要交换i和j的位置就可以了，然后i++，j–就行了。
代码仅需要修改partition
// 双路快速排序的partition
// 返回p, 使得arr[l...p-1] <= arr[p] ; arr[p+1...r] >= arr[p]
//对arr[l...r]部分进行partition
private static int partition(int[] arr, int l, int r) {
// 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot
swap(arr, l, (int) (Math.random() * (r - l + 1)) + l);
//暂存arr[l]
int v = arr[l];
//j为分割位
int i = l + 1, j = r;
while (true) {
//从前面开始。小于v的不变
while (i <= r && arr[i] < v) {
i++;
}
//从后面开始。大于v不变
while (j >= l + 1 && arr[j] > v) {
j--;
}
if (i > j) {
break;
}
//到这里了: arr[i]>=v arr[j]<=v
//如果等于v也要换，保证了两边相等的数目平衡
swap(arr, i, j);
i++;
j--;
}
swap(arr, l, j);
return j;
}
三路快速排序
当重复数字较多时，以上三种快速排序效率都很低，所以需要将==v单独进行处理，具体如图和代码，感觉看代码比说更清楚
// 三路快速排序的partition
//对arr[l...r]部分进行partition
private static void quickSort3(int[] arr, int l, int r) {
if (l > r) {
return;
}
// 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot
swap(arr, l, (int) (Math.random() * (r - l + 1)) + l);
//暂存arr[l]
int v = arr[l];
//j为分割位
int lt = l;
int gt = r + 1;
int i = l + 1;
while (i < gt) {
if (arr[i] < v) {
swap(arr, i, lt + 1);
i++;
lt++;
} else if (arr[i] > v) {
swap(arr, i, gt - 1);
gt--;
} else {
i++;
}
}
swap(arr, l, lt);
//小于v的部分递归
quickSort3(arr, l, lt - 1);
//大于v的部分递归
quickSort3(arr, gt, r);
}
static void quickSort3(int[] arr) {
quickSort3(arr, 0, arr.length - 1);
}
private static void swap(int[] arr, int i, int j) {
int t = arr[i];
arr[i] = arr[j];
arr[j] = t;
}
堆排序
优先队列
个人觉得这个很丑，面试要被怼，不过也算是一种方法嘛，利用了Java的优先队列底层是小顶堆的特性，只要存入优先队列再取出来就是按堆排序实现了
static void heapSort(int[] arr) {
PriorityQueue<Integer> pq = new PriorityQueue<>();
for (int i = 0; i < arr.length; i++) {
pq.add(arr[i]);
}
for (int i = 0; i < arr.length; i++) {
arr[i] = pq.remove();
}
}
原地堆
上面的图就是原地堆的，看不懂我写的就看图吧！！！
首先直接把传入的数组就当做无序的完全二叉树
先判断最后一个非叶子节点的位置，从它开始向前进行siftDown操作
这样，我们就构建成了一个大顶堆，堆顶就是最大值啦
然后把最大值放到倒数对应的位置去，后面的数就有序了
后面的数移到堆顶打破了堆的结构，再次进行siftDown操作，这时候就要限制siftDown操作的堆的范围了，只在无序的部分进行siftDown操作
最终所有值都放到对应的位置
static void heapSort2(int[] arr) {
int n = arr.length;
// 注意，此时我们的堆是从0开始索引的
// 从(最后一个元素的索引-1)/2开始(最后一个叶子节点父节点)
// 最后一个元素的索引 = n-1
for (int i = (n - 1 - 1) / 2; i >= 0; i--) {
siftDown(arr, n, i);
}
for (int i = n - 1; i > 0; i--) {
swap(arr, 0, i);
siftDown(arr, i, 0);
}
}
/** * * @param arr 堆数组 * @param n 有序的位置 * @param k 当前位置 */
private static void siftDown(int[] arr, int n, int k) {
while (2 * k + 1 < n) {
//默认左孩子
int j = 2 * k + 1;
//看下有没有右孩子并且比左孩子大，如果有，就让它浮上去
if (j + 1 < n && arr[j + 1] > arr[j])
j += 1;
if (arr[k] >= arr[j]) break;
//孩子比父节点大，浮上去
swap(arr, k, j);
k = j;
}
}
private static void swap(int[] arr, int i, int j) {
int t = arr[i];
arr[i] = arr[j];
arr[j] = t;
}
计数排序
- 找出待排序的数组中最大和最小的元素；
- 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；
- 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）；
- 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。
/** * 计数排序 * * @param arr */
static void countSort(int[] arr) {
//获取数列的最大值和最小值，并求出差值
int max = arr[0];
int min = arr[0];
for (int i = 0; i < arr.length; i++) {
if (arr[i] > max)
max = arr[i];
if (arr[i] < min)
min = arr[i];
}
int d = max - min;
//常见统计数组并统计对饮元素的个数
int[] countArr = new int[d + 1];
for (int i = 0; i < arr.length; i++) {
countArr[arr[i] - min]++;
}
//统计数组做变形，后面额元素等于前面的元素之和
int sum = 0;
for (int i = 0; i < countArr.length; i++) {
sum += countArr[i];
countArr[i] = sum;
}
//倒序遍历原始数列，从统计数字找出正确位置
int[] res = new int[arr.length];
for (int i = arr.length - 1; i >= 0; i--) {
res[countArr[arr[i] - min] - 1] = arr[i];
countArr[arr[i] - min]--;
}
//复制数据到原数组
System.arraycopy(res,0,arr,0,res.length);
}
桶排序
- 设置一个定量的数组当作空桶，代码是假定传入为[0，10）之间的浮点数，以[0,9]的整数为桶
- 遍历输入数据，并且把数据一个一个放到对应的桶里去；
- 对每个不是空的桶进行排序；
- 从不是空的桶里把排好序的数据拼接起来
/** * 桶排序 * 假定传入为[0，10）之间的浮点数，以[0,9]的整数为桶 * * @param arr */
private static void bucketSort(double[] arr) {
//创建桶的集合
ArrayList<LinkedList<Double>> buckets = new ArrayList<>();
for (int i = 0; i < 10; i++) {
buckets.add(new LinkedList<Double>());
}
//将数据放入桶并排序
for (double data : arr) {
//获取数据对应的桶序号
int index = getIndex(data);
//将数据放入桶并在桶内排序
insertAndSort(buckets.get(index), data);
}
//将数据取出来
int index = 0;
for (LinkedList<Double> bucket : buckets) {
for (double data : bucket) {
arr[index++] = data;
}
}
}
//放入桶并排序
private static void insertAndSort(LinkedList<Double> buckets, double data) {
buckets.add(data);
//排序，double比较需要重写一下比较规则
buckets.sort(new Comparator<Double>() {
@Override
public int compare(Double o1, Double o2) {
return o1.compareTo(o2);
}
});
}
//自定义规则的桶划分
private static int getIndex(double data) {
return (int) data;
}
基数排序
- 取得数组中的最大数，并取得位数；
- arr为原始数组，从最低位开始取每个位组成radix数组；
- 对radix进行计数排序（利用计数排序适用于小范围数的特点）
/** * 基数排序 * * @param arr */
private static void radixSort(int[] arr) {
int n = arr.length;
//find max
int max = arr[0];
for (int i = 1; i < n; i++) {
if (arr[i] > max)
max = arr[i];
}
//求最大值的位数
int keyNum = 0;
while (max > 0) {
max /= 10;
keyNum++;
}
//构建并初始化桶集合
ArrayList<LinkedList<Integer>> buckets = new ArrayList<>();
for (int i = 0; i < 10; i++) {
buckets.add(new LinkedList<>());
}
for (int i = 0; i < keyNum; i++) {
radixSort(arr, buckets, i);
}
}
/** * 装入bucket后再写入arr * @param arr * @param buckets * @param num */
private static void radixSort(int[] arr, ArrayList<LinkedList<Integer>> buckets, int num) {
//将数据存入bucket
for (int i = 0; i < arr.length; i++) {
//获取key
int key = (int) (arr[i] % Math.pow(10, num + 1) / Math.pow(10, num));
buckets.get(key).add(arr[i]);
}
//读取数据到arr
int count = 0;
for (int i = 0; i < 10; i++) {
LinkedList<Integer> bucket = buckets.get(i);
while (!bucket.isEmpty()){
arr[count++] = bucket.remove();
}
}
}
更多Java面试复习笔记和总结可访问我的面试复习专栏《Java面试复习笔记》，或者访问我另一篇博客《Java面试核心知识点汇总》查看目录和直达链接
投递微众银行等公司8个岗位 >
京东HR面46人在聊