五种常见的排序算法实现
算法描述
1.插入排序

从第一个元素开始,该元素可以认为已经被排序
取出下一个元素,在已经排序的元素序列中从后向前扫描
如果该元素(已排序)大于新元素,将该元素移到下一位置
重复步骤3,直到找到已排序的元素小于或者等于新元素的位置
将新元素插入到该位置后
重复步骤2~5

在这个基础上有衍生出提高效率的二分插入排序

2.冒泡排序

比较相邻的元素。如果第一个比第二个大,就交换他们两个。
对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对。这步做完后,最后的元素会是最大的数。
针对所有的元素重复以上的步骤,除了最后一个。
持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较。

最简单的排序,名字很形象,排序元素会呈现上浮或者下沉的特点,

3.希尔排序

先取一个正整数 d1(d1 < n),把全部记录分成 d1 个组,所有距离为 d1 的倍数的记录看成一组,然后在各组内进行插入排序
然后取 d2(d2 < d1)
重复上述分组和排序操作;直到取 di = 1(i >= 1) 位置,即所有记录成为一个组,最后对这个组进行插入排序。一般选 d1 约为 n/2,d2 为 d1 /2, d3 为 d2/2 ,…, di = 1。

希尔排序是基于插入排序的以下两点性质而提出改进方法的:
  插入排序在对几乎已经排好序的数据操作时, 效率高, 即可以达到线性排序的效率
  但插入排序一般来说是低效的, 因为插入排序每次只能将数据移动一位
4.堆排序

堆的特点
通常堆是通过一维数组来实现的。在数组起始位置为0的情形中:
父节点i的左子节点在位置(2*i+1);
父节点i的右子节点在位置(2*i+2);
子节点i的父节点在位置floor((i-1)/2);
在堆的数据结构中,堆中的最大值总是位于根节点(在优先队列中使用堆的话堆中的最小值位于根节点)。堆中定义以下几种操作:
最大堆调整(Max_Heapify):将堆的末端子节点作调整,使得子节点永远小于父节点
创建最大堆(Build_Max_Heap):将堆所有数据重新排序
堆排序(HeapSort):移除位在第一个数据的根节点,并做最大堆调整的递归运算

5.归并排序

迭代法
申请空间,使其大小为两个已经排序序列之和,该空间用来存放合并后的序列
设定两个指针,最初位置分别为两个已经排序序列的起始位置
比较两个指针所指向的元素,选择相对小的元素放入到合并空间,并移动指针到下一位置
重复步骤3直到某一指针到达序列尾
将另一序列剩下的所有元素直接复制到合并序列尾
递归法
原理如下(假设序列共有n个元素):
将序列每相邻两个数字进行归并操作,形成 {\displaystyle floor(n/2)} floor(n/2)个序列,排序后每个序列包含两个元素
将上述序列再次归并,形成 {\displaystyle floor(n/4)} floor(n/4)个序列,每个序列包含四个元素
重复步骤2,直到所有元素排序完毕

6.快速排序

从数列中挑出一个元素,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)。在这个分区结束之后,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。

性能测试的结果

少量数据
insertionSort正序数列:808000ns
insertionSort倒序数列:793900ns
insertionSort随机数列:448300ns
insertionSort周期数列:92400ns

bubbleSort正序数列:461500ns
bubbleSort倒序数列:856000ns
bubbleSort随机数列:539500ns
bubbleSort周期数列:140100ns

shellSort正序数列:34000ns
shellSort倒序数列:55600ns
shellSort随机数列:67900ns
shellSort周期数列:35700ns

heapSort正序数列:175700ns
heapSort倒序数列:89500ns
heapSort随机数列:37100ns
heapSort周期数列:33800ns

mergeSort正序数列:123100ns
mergeSort倒序数列:118400ns
mergeSort随机数列:112100ns
mergeSort周期数列:55100ns

quickSort正序数列:62100ns
quickSort倒序数列:80200ns
quickSort随机数列:78900ns
quickSort周期数列:65200ns

大量数据
insertionSort正序数列:1599364000ns
insertionSort倒序数列:1586157400ns
insertionSort随机数列:869768700ns
insertionSort周期数列:593637800ns

bubbleSort正序数列:499915700ns
bubbleSort倒序数列:957839500ns
bubbleSort随机数列:3328836500ns
bubbleSort周期数列:495209600ns

shellSort正序数列:3259400ns
shellSort倒序数列:4043100ns
shellSort随机数列:6653900ns
shellSort周期数列:741600ns

heapSort正序数列:3603700ns
heapSort倒序数列:4112400ns
heapSort随机数列:5584600ns
heapSort周期数列:3804700ns

mergeSort正序数列:5240900ns
mergeSort倒序数列:2643600ns
mergeSort随机数列:6001700ns
mergeSort周期数列:2989600ns

quickSort正序数列:2126000ns
quickSort倒序数列:3228400ns
quickSort随机数列:5726800ns
quickSort周期数列:2121000ns

/*
* Sort.java
* Version 1.0.0
* Created on 2017年4月27日
* Copyright ReYo.Cn
*/
package reyo.sdk.utils.test.map; import java.lang.reflect.InvocationTargetException;
import java.lang.reflect.Method; public class Sort {
public static void main(String[] args) throws NoSuchMethodException, SecurityException, IllegalAccessException, IllegalArgumentException, InvocationTargetException {
Sort s1 = new Sort();
System.out.println("少量数据");
int arraySize = 200;
s1.test("insertionSort", arraySize);
s1.test("bubbleSort", arraySize);
s1.test("shellSort", arraySize);
s1.test("heapSort", arraySize);
s1.test("mergeSort", arraySize);
s1.test("quickSort", arraySize);
System.out.println("大量数据");
arraySize = 50000;
s1.test("insertionSort", arraySize);
s1.test("bubbleSort", arraySize);
s1.test("shellSort", arraySize);
s1.test("heapSort", arraySize);
s1.test("mergeSort", arraySize);
s1.test("quickSort", arraySize);
} // 测试的脚手架
public void test(String methodName, int size) throws NoSuchMethodException, SecurityException, IllegalAccessException, IllegalArgumentException, InvocationTargetException {
Method m1 = this.getClass().getMethod(methodName, int[].class);
int[] test1 = new int[size];
int[] test2 = new int[size];
int[] test3 = new int[size];
int[] test4 = new int[size];
Sort sorttest = new Sort();
// 正序
for (int i = 0; i < size; i++) {
test1[i] = i;
}
// 倒序
for (int i = 0; i < size; i++) {
test2[i] = size - i;
}
// 乱序,随机,基本无重复元素
for (int i = 0; i < size; i++) {
test3[i] = (int) (Math.random() * size);
}
// 大量重复元素
for (int i = 0; i < size; i++) {
test4[i] = i + 50 % 50;
}
long startTime = System.nanoTime();
long endTime = System.nanoTime();
m1.invoke(sorttest, test1);
startTime = System.nanoTime();
m1.invoke(sorttest, test1);
endTime = System.nanoTime();
System.out.println(methodName + "正序数列:" + (endTime - startTime) + "ns"); startTime = System.nanoTime();
m1.invoke(sorttest, test2);
endTime = System.nanoTime();
System.out.println(methodName + "倒序数列:" + (endTime - startTime) + "ns"); startTime = System.nanoTime();
m1.invoke(sorttest, test3);
endTime = System.nanoTime();
System.out.println(methodName + "随机数列:" + (endTime - startTime) + "ns"); startTime = System.nanoTime();
m1.invoke(sorttest, test4);
endTime = System.nanoTime();
System.out.println(methodName + "周期数列:" + (endTime - startTime) + "ns"); System.out.println();
} // 插入排序,稳定排序
// 插入排序由N-1趟排序组成,时间最好O(n),最坏O(n2),平均O(n2)
// 空间O(1)
public void insertionSort(int[] nums) {
int j, p;
int tmp;
for (p = 1; p < nums.length; p++) {
tmp = nums[p];
for (j = p; j > 0; j--) {
if (nums[j - 1] > tmp)
nums[j] = nums[j - 1];
}
nums[j] = tmp;
}
} // 冒泡排序,稳定排序
// 时间最好O(n),最坏O(n2),平均O(n2)
// 空间O(1)
public void bubbleSort(int[] nums) {
int j, p;
int tmp;
// 沉水,大数被移动到尾段
for (p = 0; p < nums.length - 1; p++) {
for (j = 0; j < nums.length - 1 - p; j++) {
if (nums[j] > nums[j + 1]) {
tmp = nums[j];
nums[j] = nums[j + 1];
nums[j + 1] = tmp;
}
}
}
// //气泡,小数浮动到首段
// for(p = 0; p < nums.length - 1;p++){
// for(j = nums.length - 1;j > p;j--){
// if(nums[j-1] > nums[j]){
// tmp = nums[j];
// nums[j] = nums[j-1];
// nums[j-1] = tmp;
// }
// }
// }
} // 希尔排序(缩小增量排序),不稳定排序
// 属于插入排序,时间最好O(n),最坏O(n2),平均O(n1.3)
// 空间O(1)
public void shellSort(int[] nums) {
int gap = 1; // 增量
int i, j;
int len = nums.length;
int tmp;
// 初始增量,shell排序的效率与增量设定有很大关系
while (gap < len / 3)
gap = gap * 3 + 1;
for (; gap > 0; gap /= 3) {
for (i = gap; i < len; i++) {
tmp = nums[i];
for (j = i - gap; j >= 0 && nums[j] > tmp; j -= gap)
nums[j + gap] = nums[j];
nums[j + gap] = tmp;
}
}
} // 堆排序,不稳定排序
// 时间 平均2nlogn - O(nlogn)
// 空间O(1)
// 排序方式
// 创建一个堆H[0..n-1]
// 把堆首(最大值)和堆尾互换
// 把堆的尺寸缩小1,并调用shift_down(0),目的是把新的数组顶端数据调整到相应位置
// 重复步骤2,直到堆的尺寸为1
public void heapSort(int[] nums) {
int i;
// 遍历所有结点,对不满足规则节点进行调整
for (i = nums.length / 2; i >= 0; i--) {
PercDown(nums, i, nums.length);
}
for (i = nums.length - 1; i > 0; i--) {
int tmp = nums[0];
nums[0] = nums[i];
nums[i] = tmp;
PercDown(nums, 0, i);
}
} // 调整堆序
public void PercDown(int[] nums, int i, int length) {
int child;
int tmp; for (tmp = nums[i]; 2 * i + 1 < length; i = child) {
child = 2 * i + 1; // 左儿子
if (child != length - 1 && nums[child + 1] > nums[child])
child++; // 选出左右子结点中的较大值
if (tmp < nums[child]) { // 父节点小于子节点,需要进行调整
nums[i] = nums[child];
} else
break;
}
nums[i] = tmp;
} // 归并排序
public void mergeSort(int[] nums) {
int[] tmpArray = new int[nums.length];
mSort(nums, tmpArray, 0, nums.length - 1);
} public void mSort(int[] nums, int[] tmps, int left, int right) {
int center;
if (left < right) {
center = (left + right) / 2;
mSort(nums, tmps, left, center);
mSort(nums, tmps, center + 1, right);
merge(nums, tmps, left, center + 1, right);
}
} // 空间归并
public void merge(int[] nums, int[] tmps, int lpos, int rpos, int rightEnd) {
int i, leftEnd, numElements, tmpPos;
leftEnd = rpos - 1;
tmpPos = lpos;
numElements = rightEnd - lpos + 1;
while (lpos <= leftEnd && rpos <= rightEnd) {
if (nums[lpos] <= nums[rpos])
tmps[tmpPos++] = nums[lpos++];
else
tmps[tmpPos++] = nums[rpos++];
}
while (lpos <= leftEnd)
tmps[tmpPos++] = nums[lpos++];
while (rpos <= rightEnd)
tmps[tmpPos++] = nums[rpos++];
for (i = 0; i < numElements; i++, rightEnd--)
nums[rightEnd] = tmps[rightEnd];
} // 快速排序
// 理论上能保证不出现最坏情况:三数中值分割法
// 小规模排序,快速排序不如插入排序
public void quickSort(int[] nums) {
qSort(nums, 0, nums.length - 1);
} // 递归快速排序
public void qSort(int[] nums, int left, int right) {
int i, j;
int pivot; if (left + 3 <= right) { // 至少有4个数
pivot = median3(nums, left, right);
i = left;
j = right - 1;
while (true) {
// 先推进索引再判断,而不是先判断再决定要不要推进索引
// 这样避免了a[i]=a[j]=pivot,导致索引不会被推进,也不会跳出循环
while (nums[++i] < pivot) {
}
while (nums[--j] > pivot) {
}
if (i < j) {
int tmp = nums[i];
nums[i] = nums[j];
nums[j] = tmp;
} else
break;
}
int tmp = nums[i];
nums[i] = nums[right - 1];
nums[right - 1] = tmp;
qSort(nums, left, i - 1);
qSort(nums, i + 1, right);
}
// 少于4个数,不再分割,用插入排序直接排序
else {
int k, p;
int tmp;
for (p = 1; p < right - left + 1; p++) {
tmp = nums[left + p];
for (k = p; k > 0; k--) {
if (nums[left + k - 1] > tmp)
nums[left + k] = nums[left + k - 1];
}
nums[left + k] = tmp;
}
}
} // 分割数组
public int median3(int[] nums, int left, int right) {
int center = (left + right) / 2; if (nums[left] > nums[center]) {
int tmp = nums[left];
nums[left] = nums[center];
nums[center] = tmp;
}
if (nums[left] > nums[right]) {
int tmp = nums[left];
nums[left] = nums[right];
nums[right] = tmp;
}
if (nums[center] > nums[right]) {
int tmp = nums[center];
nums[center] = nums[right];
nums[right] = tmp;
}
int tmp = nums[center];
nums[center] = nums[right - 1];
nums[right - 1] = tmp;
return nums[right - 1];
} }

常见排序的JAVA实现和性能测试的更多相关文章

  1. 常见排序的Java实现

    插入排序 1.原理:在有序数组中从后向前扫描找到要插入元素的位置,将元素插入进去. 2.步骤:插入元素和依次和前一个元素进行比较,若比前一个元素小就交换位置,否则结束循环. 3.代码: package ...

  2. 常见排序算法JAVA实现

    1.冒泡排序,时间复杂度:最好:T(n) = O(n) ,情况:T(n) = O(n2) ,平均:T(n) = O(n2) public int[] bubbleSort(int[] nums) { ...

  3. 常见排序算法 - Java实现

    1.冒泡排序 每次比较相邻的两个元素大小,调整顺序.从头到尾执行一轮(i),最大数值的元素就排到最后.每次从头到尾执行一轮,都会排好一个元素(length - i - 1).这就是说一个包含 n 个元 ...

  4. 常见排序算法(附java代码)

    常见排序算法与java实现 一.选择排序(SelectSort) 基本原理:对于给定的一组记录,经过第一轮比较后得到最小的记录,然后将该记录与第一个记录的位置进行交换:接着对不包括第一个记录以外的其他 ...

  5. Java常见排序算法之Shell排序

    在学习算法的过程中,我们难免会接触很多和排序相关的算法.总而言之,对于任何编程人员来说,基本的排序算法是必须要掌握的. 从今天开始,我们将要进行基本的排序算法的讲解.Are you ready?Let ...

  6. 常见排序算法总结 -- java实现

    常见排序算法总结 -- java实现 排序算法可以分为两大类: 非线性时间比较类排序:通过比较来决定元素间的相对次序,由于其时间复杂度不能突破O(nlogn),因此称为非线性时间比较类排序. 线性时间 ...

  7. Java基础-数组常见排序方式

    Java基础-数组常见排序方式 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. 数据的排序一般都是生序排序,即元素从小到大排列.常见的有两种排序方式:选择排序和冒泡排序.选择排序的特 ...

  8. 几种常见排序算法之Java实现(插入排序、希尔排序、冒泡排序、快速排序、选择排序、归并排序)

    排序(Sorting) 是计算机程序设计中的一种重要操作,它的功能是将一个数据元素(或记录)的任意序列,重新排列成一个关键字有序的序列. 稳定度(稳定性)一个排序算法是稳定的,就是当有两个相等记录的关 ...

  9. 数组其他部分及java常见排序

    数据结构的基本概述: 数据结构是讲什么,其实大概就分为两点: 1.数据与数据之间的逻辑关系:集合.一对一.一对多.多对多 2.数据的存储结构: 一对一的:线性表:顺序表(比如:数组).链表.栈(先进后 ...

随机推荐

  1. JS中的的"闭包"?深入Javascript之this

    看了知乎上的话题 如何才能通俗易懂的解释javascript里面的‘闭包’?,受到一些启发,因此结合实例将回答中几个精要的答案做一个简单的分析以便加深理解. 1. "闭包就是跨作用域访问变量 ...

  2. 【转载】【收藏】Github上免费的编程教程【作者Victor Felder】

    原链接:https://github.com/EbookFoundation/free-programming-books/blob/master/free-programming-books-zh. ...

  3. 让HTML5来为你定位(转)

    add by zhj: HTML5的地理定位返回的应该都是GPS坐标,即WGS-84坐标,参见Map Types - Google Maps JavaScript API v3 本文使用的是Chrom ...

  4. 001.NTP简介

    一 NTP简介 ntp服务器顾名思义就是时间同步服务器(Network Time Protocol),时间同步对于计划备份.入侵检测记录.分布式任务调度或者事务订单管理来说都是非常有必要的日常任务. ...

  5. JAVA 画图板实现(基本画图功能+界面UI)二、功能实现及重绘实现

    上篇博客中介绍了界面的实现方法,在这篇博客中将对每个按钮的功能的实现进行讲解并介绍重绘 首先肯定要添加事件监听机制了,那么问题来了,事件源对象是谁?需要添加什么方法?事件接口是什么? 1.我们需要点击 ...

  6. Jmeter脚本录制方法(一)分别使用Badboy录制和Jmeter自带的代理服务器录制

    Jmeter录制方式分三种,分别是:使用Badboy录制.Jmeter自带的代理服务器录制和手工录制,今天先介绍前两种录制方法. Badboy录制 Badboy是用C++开发的动态应用测试工具, 其拥 ...

  7. Linux系统的组成

    <linux系统7大子系统> a:SCI(system call interface) ————用户程序通过软件中断后,调用系统内核提供的功能,这个在用户空间和内核提供的服务之间的接口称为 ...

  8. 24.python中类的方法

    类中的方法,其实就是类中的函数,可以分为:实例方法,类方法,静态方法.方法和字段一样,也是属于类的属性,所以也具有运行中修改的特效, 但一般不推荐这样做. 我在类的基本语法中,介绍了构造器方法:__i ...

  9. Vakuum开发笔记01 开天辟地

    1.缘起 先驱--COGS 早在2008年,我自学PHP后开发了COGS,并成功用于学校内部的OJ,ruvtex.也曾经对外开放过,但是由于学校网络不稳定,后来一直连不上了.我还把COGS推荐给了OO ...

  10. BZOJ3501 : PA2008 Cliquers Strike Back

    \[\begin{eqnarray*}ans&=&m^{\sum_{i=1}^n Stirling2(n,i)\bmod 999999598}\bmod 999999599\\& ...