细说冒泡排序及其五种优化算法

Posted 2021-04-07 程序大世界

“The first 90% of the code accounts for the first 90% of the development time. The remaining 10% of the code accounts for the other 90% of the development time.” - Tom Cargill 

译文：“最开始的90%的代码使用了程序员90%的时间，剩下的10%的代码也需要90%的开发时间。” - Tom Cargill

01

冒泡排序

     冒泡排序算法思想简单来说：在内层一次遍历中，arr[j] 与 arr[j - 1] 进行比较，如arr[j - 1] < arr[j], 不改变，反之互换值，保证arr[j]存储着 0~j - 1中的最大值，随一次遍历当前数组最大值也下沉至末尾，经过n - 1次外层循环，可使n - 1个元素下沉，最后一个元素位置确定，排序完成。

举个例子方便理解

例1：例如原数组为：0,34,66,12,100,98

进入第一次冒泡排序：

从下标1的元素（即34）排起：34与0比较，34大，数组仍为0,34,66,12,100,98

下标2的元素(即66)：66与34比较，66大，数组仍为0,34,66,12,100,98

下标3的元素(即12)：12与66比较，12小，互换位置，数组变换为0, 34,12,66,100,98

下标4的元素(即100)：100与66比较，100大,数组仍为0,34,12,66, 100,98

下标5的元素(即98)：98与100比较，98小，则互换位置，数组变换为0,34,12,66,98,100

查看规律， 排序过程中，下标 j的值在交换后，是0 ~ j - 1中最大的，利用的是不等号具有传递性；排序完成后，将100沉底，再进行新的循环时，只需排序0, 34, 12, 66, 98即可，最大值沉底。

具体实现代码如下：

02

冒泡排序优化

外层优化：即减少外层循环次数

     举例2：假设元素数组为1, 0, 2, 4,8，那么只需一次内层遍历即完成了，何须四次？可优化为在每次遍历中增加一个tag记录，如果发生交换，则将tag = false，循环结束检测是否tag发生变化，未发生变化一定是排序完成。

具体实现如下：

内外层循环优化：即减少内层和外层循环次数

     如咱们的例1：在一次排序后数据变换为 0,34,12,66,98,100， 那么第二次内层遍历只需遍历0， 34， 12即可，无需遍历至 0, 34, 12, 66, 98 ，只需设置一个next记录最后交换位置，下一次循环就以next为终止。

具体实现如下：

双向冒泡：一次下沉，一次上浮操作，来回交替

     举例3：1000,2,34,56,343,0，一次下沉和上浮操作排序完成。虽然没有优化循环次数，但大大减少交换次数。

具体实现如下：

双向冒泡和外层优化一起配合使用

双向冒泡和内外层优化配合使用

03

冒泡优化效率对比

     现生成30万条数据使用以上冒泡排序+五种优化算法测试，测试结果如下：

相信大家对结果有些疑惑，我猜测解答一下：

问：内外层皆优化算法为什么慢于原冒泡排序算法？

答：和初始数据有关，内外层皆优化中如果多次使用next记录，但最后一个数值仍需交换，白白浪费之前赋值时间，再加之逻辑判断，所以慢于原冒泡算法，但大部分情况下优于原算法。

问：优化外层为什么能比内外层皆优化速度还快？

答：因为在两者逻辑判断中boolean型比==快的多，用1亿条循环测试如下：

问：优化算法的结果会发生改变吗？

答：会，因数据和数据量的不同会发生一定变化，特定条件下还可能产生相反的结果。即使采用统一数据，也可能因为对不同算法产生相反的影响。

欢迎关注“程序大世界”