尚硅谷算法与数据结构学习笔记06 -- 排序算法

Posted exodus3

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了尚硅谷算法与数据结构学习笔记06 -- 排序算法相关的知识,希望对你有一定的参考价值。

1、排序算法介绍

1.1、排序算法的简介

  • 排序也称排序算法(Sort Algorithm), 排序是将一组数据, 依指定的顺序进行排列的过程。

1.2、排序算法的分类

  • 内部排序:指将需要处理的所有数据都加载到内部存储器(内存)中进行排序。
  • 外部排序法:数据量过大, 无法全部加载到内存中, 需要借助外部存储(文件等)进行排序。
  • 常见的排序算法分类

2、算法的复杂度

2.1、时间复杂度的度量方法

  • 事后统计的方法:这种方法可行, 但是有两个问题:
    • 一是要想对设计的算法的运行性能进行评测, 需要实际运行该程序;
    • 二是所得时间的统计量依赖于计算机的硬件、 软件等环境因素, 这种方式, 要在同一台计算机的相同状态下运行, 才能比较哪个算法速度更快。
  • 事前估算的方法:通过分析某个算法的时间复杂度来判断哪个算法更优

2.2、时间频度

  • 基本介绍时间频度: 一个算法花费的时间与算法中语句的执行次数成正比例, 哪个算法中语句执行次数多, 它花费时间就多。 一个算法中的语句执行次数称为语句频度或时间频度。 记为 T(n)。 [举例说明]
  • 举例说明-基本案例:比如计算 1-100 所有数字之和,我们设计两种算法:

  • 举例说明-忽略常数项:
    • 2n+20 和 2n 随着 n 变大, 执行曲线无限接近, 20 可以忽略
    • 3n+10 和 3n 随着 n 变大, 执行曲线无限接近, 10 可以忽略

  • 举例说明-忽略低次项:
    • 2n^2+3n+10 和 2n^2 随着 n 变大, 执行曲线无限接近, 可以忽略 3n+10
    • n^2+5n+20 和 n^2 随着 n 变大,执行曲线无限接近, 可以忽略 5n+20

  • 举例说明-忽略系数:
    • 随着 n 值变大, 5n^2+7n 和 3n^2 + 2n , 执行曲线重合, 说明 这种情况下, 5 和 3 可以忽略。
    • 而 n^3+5n 和 6n^3+4n , 执行曲线分离, 说明多少次方式关键

2.3、时间复杂度

  • 一般情况下, 算法中的基本操作语句的重复执行次数是问题规模 n 的某个函数, 用 T(n)表示, 若有某个辅助函数 f(n), 使得当 n 趋近于无穷大时, T(n) / f(n) 的极限值为不等于零的常数, 则称 f(n)是 T(n)的同数量级函数。记作 T(n)=O ( f(n) ), 称O ( f(n) ) 为算法的渐进时间复杂度, 简称时间复杂度。
  • T(n) 不同, 但时间复杂度可能相同。 如: T(n)=n²+7n+6 与 T(n)=3n²+2n+2 它们的 T(n) 不同, 但时间复杂度相同, 都为 O(n²)。
  • 计算时间复杂度的方法:
    • 用常数 1 代替运行时间中的所有加法常数 T(n)=n²+7n+6 => T(n)=n²+7n+1
    • 修改后的运行次数函数中, 只保留最高阶项 T(n)=n²+7n+1 => T(n) = n²
    • 去除最高阶项的系数 T(n) = n² => T(n) = n² => O(n²)

2.4、常见的时间复杂度

2.4.1、常见时间复杂度概述

  • 常见时间复杂度

    • 常数阶 O(1)
    • 对数阶 O(log2n)
    • 线性阶 O(n)
    • 线性对数阶 O(nlog2n)
    • 平方阶 O(n^2)
    • 立方阶 O(n^3)
    • k 次方阶 O(n^k)
    • 指数阶 O(2^n)
  • 结论:

    • 常见的算法时间复杂度由小到大依次为: Ο (1)<Ο (log2n)<Ο (n)<Ο (nlog2n)<Ο (n2)<Ο (n3)< Ο (nk) < Ο (2n) , 随着问题规模 n 的不断增大, 上述时间复杂度不断增大, 算法的执行效率越低
    • 从图中可见, 我们应该尽可能避免使用指数阶的算法

2.4.2、常数阶 O(1)

  • 无论代码执行了多少行,只要是没有循环等复杂结构,那这个代码的时间复杂度就都是O(1)
  • 代码在执行的时候,它消耗的时候并不随着某个变量的增长而增长,那么无论这类代码有多长,即使有几万几十万行,都可以用O(1)来表示它的时间复杂度。

2.4.3、对数阶 O(log2n)

2.4.4、线性阶 O(n)

  • 说明:这段代码,for循环里面的代码会执行n遍,因此它消耗的时间是随着n的变化而变化的,因此这类代码都可以用O(n)来表示它的时间复杂度

2.4.5、线性对数阶 O(nlogN)

  • 说明:线性对数阶O(nlogN) 其实非常容易理解,将时间复杂度为O(logn)的代码循环N遍的话,那么它的时间复杂度就是 n * O(logN),也就是了O(nlogN)

2.4.6、平方阶 O(n²)

  • 说明:平方阶O(n²) 就更容易理解了,如果把 O(n) 的代码再嵌套循环一遍,它的时间复杂度就是 O(n²),这段代码其实就是嵌套了2层n循环,它的时间复杂度就是 O(n*n),即 O(n²) 如果将其中一层循环的n改成m,那它的时间复杂度就变成了 O(m*n)

2.4.7、其他阶

  • 立方阶 O(n³)、 K 次方阶 O(n^k)
  • 说明: 参考上面的 O(n²) 去理解就好了, O(n³)相当于三层 n 循环, 其它的类似

2.5、平均和最坏时间复杂度

  • 平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下, 该算法的运行时间。
  • 最坏情况下的时间复杂度称最坏时间复杂度。 一般讨论的时间复杂度均是最坏情况下的时间复杂度。 这样做的原因是: 最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限, 这就保证了算法的运行时间不会比最坏情况更长。
  • 平均时间复杂度和最坏时间复杂度是否一致, 和算法有关(如图)。

2.6、算法的空间复杂度

  • 类似于时间复杂度的讨论, 一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间, 它也是问题规模 n 的函数。
  • 空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度。 有的算法需要占用的临时工作单元数与解决问题的规模 n 有关, 它随着 n 的增大而增大, 当 n 较大时, 将占用较多的存储单元, 例如快速排序和归并排序算法, 基数排序就属于这种情况
  • 在做算法分析时, 主要讨论的是时间复杂度。 从用户使用体验上看, 更看重的程序执行的速度。 一些缓存产品(redis, memcache)和算法(基数排序)本质就是用空间换时间

3、冒泡排序

3.1、基本介绍

  • 冒泡排序(Bubble Sorting) 的基本思想是: 通过对待排序序列从前向后(从下标较小的元素开始),依次比较相邻元素的值, 若发现逆序则交换, 使值较大的元素逐渐从前移向后部, 就象水底下的气泡一样逐渐向上冒。
  • 优化:因为排序的过程中, 各元素不断接近自己的位置, 如果一趟比较下来没有进行过交换, 就说明序列有序, 因此要在排序过程中设置一个标志 flag 判断元素是否进行过交换。 从而减少不必要的比较。 (这里说的优化, 可以在冒泡排序写好后, 再进行)

3.2、冒泡排序图解

  • 第一趟:

    • 从数组 arr 第一个元素开始,与其后面一个元素比较大小
    • 如果 arr[i] > arr[i+1] ,则交换,将大的元素换到后面去
    • 由于是当前元素与其后面一个元素比较大小,所以只需要执行 arr.length - 1 次循环
  • 第二趟:

    • 从数组 arr 第一个元素开始,与其后面一个元素比较大小
    • 由于第一趟排序完成,数组最后一个元素已是最大元素,所以只需要执行 arr.length - 1 - 1 次循环
  • 啥时候完成?下面两个条件满足任意一个即可:

    • 当其中有一趟排序没有元素交换位置时,说明数组已经有序
    • 或:按照上述流程,跑完第 arr.length - 1 趟之后
      • 这样来想:5 个元素的数组,最多只需要跑 4 趟
      • 为什么最多只需要跑 4 趟?因为跑完 4 趟之后,数组第二个元素已经成为了数组第二小的元素,那么数组自然就是有序数组
      • 即数组长度如果为 n ,那么则需要跑 n - 1 趟
  • 总结:两层 for 循环

    • 第一层 for 循环控制走多少趟:for (int i = 0; i < arr.length - 1; i++)
    • 第二层 for 循环实现针对该趟循环,进行冒泡:for (int j = 0; j < arr.length - 1 - i; j++)
  • 伪代码:

for (int i = 0; i < ; i++) 
   for (int j = 0; j < arr.length - 1 - i; j++) 
       // 执行冒泡操作
   
   if(/* 该趟没有交换 */) 
       // 数组已然有序,跳出循环
   

3.3、代码实现

3.3.1、理解冒泡排序

  • 上面的例子不好,我们把数组改成:int arr[] = 3, 9, -1, 10, -2 ; 这样更能说明冒泡排序的特点
public static void main(String[] args) 
 	int arr[] =  3, 9, -1, 10, -2 ;
 	int temp;
 
 	// 为了容量理解,我们把冒泡排序的演变过程,给大家展示
 	System.out.println("排序前");
 	System.out.println(Arrays.toString(arr));
 
 	// 第一趟排序,就是将最大的数排在倒数第一位
 	for (int j = 0; j < arr.length - 1; j++) 
 		// 如果前面的数比后面的数大,则交换
 		if (arr[j] > arr[j + 1]) 
 			temp = arr[j];
 			arr[j] = arr[j + 1];
 			arr[j + 1] = temp;
 		
 	
 	System.out.println("第一趟排序后的数组");
 	System.out.println(Arrays.toString(arr));
 
 	// 第二趟排序,就是将第二大的数排在倒数第二位
 	for (int j = 0; j < arr.length - 1 - 1; j++) 
 		// 如果前面的数比后面的数大,则交换
 		if (arr[j] > arr[j + 1]) 
 			temp = arr[j];
 			arr[j] = arr[j + 1];
 			arr[j + 1] = temp;
 		
 	
 	System.out.println("第二趟排序后的数组");
 	System.out.println(Arrays.toString(arr));
 
 	// 第三趟排序,就是将第三大的数排在倒数第三位
 	for (int j = 0; j < arr.length - 1 - 2; j++) 
 		// 如果前面的数比后面的数大,则交换
 		if (arr[j] > arr[j + 1]) 
 			temp = arr[j];
 			arr[j] = arr[j + 1];
 			arr[j + 1] = temp;
 		
 	
 	System.out.println("第三趟排序后的数组");
 	System.out.println(Arrays.toString(arr));
 
 	// 第四趟排序,就是将第4大的数排在倒数第4位
 	for (int j = 0; j < arr.length - 1 - 3; j++) 
 		// 如果前面的数比后面的数大,则交换
 		if (arr[j] > arr[j + 1]) 
 			temp = arr[j];
 			arr[j] = arr[j + 1];
 			arr[j + 1] = temp;
 		
 	
 	System.out.println("第四趟排序后的数组");
 	System.out.println(Arrays.toString(arr));
 
  • 程序运行结果
排序前
[3, 9, -1, 10, -2]
第一趟排序后的数组
[3, -1, 9, -2, 10]
第二趟排序后的数组
[-1, 3, -2, 9, 10]
第三趟排序后的数组
[-1, -2, 3, 9, 10]
第四趟排序后的数组
[-2, -1, 3, 9, 10]

3.3.2、编写冒泡排序

  • 测试极端情况
public static void main(String[] args) 
 	int arr[] =  1, 2, 3, 4, 5, 6 ;
 
 	// 为了容量理解,我们把冒泡排序的演变过程,给大家展示
 	System.out.println("排序前");
 	System.out.println(Arrays.toString(arr));
 
 	bubbleSort(arr);
 
 
 // 将前面额冒泡排序算法,封装成一个方法
 public static void bubbleSort(int[] arr) 
 	// 冒泡排序 的时间复杂度 O(n^2), 自己写出
 	int temp = 0; // 临时变量
 	boolean flag = false; // 标识变量,表示是否进行过交换
 	for (int i = 0; i < arr.length - 1; i++) 
 		for (int j = 0; j < arr.length - 1 - i; j++) 
 			// 如果前面的数比后面的数大,则交换
 			if (arr[j] > arr[j + 1]) 
 				flag = true;
 				temp = arr[j];
 				arr[j] = arr[j + 1];
 				arr[j + 1] = temp;
 			
 		
 		System.out.println("第" + (i + 1) + "趟排序后的数组");
 		System.out.println(Arrays.toString(arr));
 		if (!flag)  // 在一趟排序中,一次交换都没有发生过
 			break;
 		 else 
 			flag = false; // 重置flag!!!, 进行下次判断
 		
 	
 
  • 程序运行结果
排序前
[1, 2, 3, 4, 5, 6]1趟排序后的数组
[1, 2, 3, 4, 5, 6]

3.3.3、测试冒泡排序性能

  • 测试代码
public static void main(String[] args) 
    
	// 测试一下冒泡排序的速度O(n^2), 给80000个数据,测试
	// 创建要给80000个的随机的数组
	int[] arr = new int[80000];
	for (int i = 0; i < 80000; i++) 
		arr[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
	

	Date date1 = new Date();
	SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
	String date1Str = simpleDateFormat.format(date1);
	System.out.println("排序前的时间是=" + date1Str);

	// 测试冒泡排序
	bubbleSort(arr);

	Date date2 = new Date();
	String date2Str = simpleDateFormat.format(date2);
	System.out.println("排序后的时间是=" + date2Str);



// 将前面额冒泡排序算法,封装成一个方法
public static void bubbleSort(int[] arr) 
	// 冒泡排序 的时间复杂度 O(n^2), 自己写出
	int temp = 0; // 临时变量
	boolean flag = false; // 标识变量,表示是否进行过交换
	for (int i = 0; i < arr.length - 1; i++) 

		for (int j = 0; j < arr.length - 1 - i; j++) 
			// 如果前面的数比后面的数大,则交换
			if (arr[j] > arr[j + 1]) 
				flag = true;
				temp = arr[j];
				arr[j] = arr[j + 1];
				arr[j + 1] = temp;
			
		
		if (!flag)  // 在一趟排序中,一次交换都没有发生过
			break;
		 else 
			flag = false; // 重置flag!!!, 进行下次判断
		
	

  • 程序运行结果
排序前的时间是=2020-07-15 11:44:08
排序后的时间是=2020-07-15 11:44:16

4、选择排序

4.1、选择排序基本介绍

  • 选择式排序也属于内部排序法, 是从欲排序的数据中, 按指定的规则选出某一元素, 再依规定交换位置后达到排序的目的。

4.2、选择排序思想

  • 选择排序(select sorting) 也是一种简单的排序方法。 它的基本思想是(n 是数组大小):
    • 第一次从 arr[0]~arr[n-1]中选取最小值,与 arr[0] 交换
    • 第二次从 arr[1]~arr[n-1]中选取最小值, 与 arr[1] 交换
    • 第三次从 arr[2]~arr[n-1]中选取最小值, 与 arr[2] 交换, …,
    • 第 i 次从 arr[i-1]~arr[n-1]中选取最小值, 与 arr[i-1] 交换, …,
    • 第 n-1 次从 arr[n-2]~arr[n-1]中选取最小值,与 arr[n-2] 交换,
    • 总共通过 n-1 次, 得到一个按排序码从小到大排列的有序序列。

4.3、选择排序图解

  • 选择排序流程:

    • 第一次循环,默认 arr[0] 是最小的元素,将其与 arr[1]~arr[n-1] 进行比较,找到最小的元素,并与 arr[0] 的位置位置
    • 第二次循环,默认 arr[1] 是最小的元素,将其与 arr[2]~arr[n-1] 进行比较,找到最小的元素,并与 arr[1] 的位置位置
    • 第 i 次循环,默认 arr[i] 是最小的元素,将其与 arr[i+1]~arr[n-1] 进行比较,找到最小的元素,并与 arr[i] 的位置位置
    • 直到循环执行 n - 1 次
  • 总结:两层 for 循环

    • 第一层 for 循环控制走多少趟:for (int i = 0; i < arr.length - 1; i++)
      • 从数组第一个元素开始,因为每次都是拿当前元素 arr[j] 和其后一个元素 arr[j+1] 进行比较
      • 到数组倒数第二个元素结束,将 arr[arr.length - 2] 与 arr[arr.length - 1] 进行比较后,数组就已经是有序数组
      • 如果数组大小为 n ,那么执行完第 n - 1 趟时,数组就已经是有序数组
    • 第二层 for 循环控制从第几个元素开始执行选择排序:for (int j = i + 1; j < arr.length; j++)
      • 每次进入第二层 for 循环时,先假设当前元素 arr[i] 是最小的元素:min = arr[i]; ,并记录最小元素的下标:index = i;
      • 然后依次和其后面的元素 arr[j] 比较,如果找到比 arr[i] 小的元素,则更新最小值和最小值的索引:min = arr[j]; index = j ;

4.4、代码实现

4.4.1、理解选择排序

  • 一步一步理解选择排序算法
//选择排序
public class SelectSort 

	public static void main(String[] args) 
        
		int[] arr =  101, 34, 119, 1 ;
		selectSort(arr);
        
	

	// 选择排序
	public static void selectSort(int[] arr) 
        
		// 使用逐步推导的方式来,讲解选择排序
		// 第1轮
		// 原始的数组 : 101, 34, 119, 1
		// 第一轮排序 : 1, 34, 119, 101
		// 算法 先简单--》 做复杂, 就是可以把一个复杂的算法,拆分成简单的问题-》逐步解决

		// 第1轮
		int minIndex = 0;
		int min = arr[0];
		for (int j = 0 + 1; j < arr.length; j++) 
			if (min > arr[j])  // 说明假定的最小值,并不是最小
				min = arr[j]; // 重置min
				minIndex = j; // 重置minIndex
			
		
		// 将最小值,放在arr[0], 即交换
		if (minIndex != 0) 
			arr[minIndex] = arr[0];
			arr[0] = min;
		
		System.out.println("第1轮后~~");
		System.out.println(Arrays.toString(arr));// 1, 34, 119, 101

		// 第2轮
		minIndex = 1;
		min = arr[1];
		for (int j = 1 + 1; j < arr.length; j++) 
			if (min > arr[j])  // 说明假定的最小值,并不是最小
				min = arr[j]; // 重置min
				minIndex = j; // 重置minIndex
			
		
		// 将最小值,放在arr[0], 即交换
		if (minIndex != 1) 
			arr[minIndex] = arr[1];
			arr[1] = min;
		
		System.out.println("第2轮后~~");
		System尚硅谷算法与数据结构学习笔记07 -- 排序算法2

尚硅谷算法与数据结构学习笔记05 -- 递归

尚硅谷算法与数据结构学习笔记02 -- 单链表

尚硅谷算法与数据结构学习笔记04 -- 栈

尚硅谷算法与数据结构学习笔记03 -- 双向链表

尚硅谷算法与数据结构学习笔记01 -- 稀疏数组和队列