最近整理了下以前的资料。有的算法没有实现,嘿嘿,以后再补吧!
/** * 排序算法的分类如下: * 1.插入排序(直接插入排序、折半插入排序、希尔排序); * 2.交换排序(冒泡泡排序、快速排序); * 3.选择排序(直接选择排序、堆排序); * 4.归并排序; * 关于排序方法的选择: * (1)若n较小(如n≤50),可采用直接插入或直接选择排序。 * 当记录规模较小时,直接插入排序较好;否则因为直接选择移动的记录数少于直接插人,应选直接选择排序为宜。 (2)若文件初始状态基本有序(指正序),则应选用直接插人、冒泡或随机的快速排序为宜; * (3)若n较大,则应采用时间复杂度为O(nlgn)的排序方法:快速排序、堆排序或归并排序。 * @author HaiYang * */ public class SortTest { /** * 创建数组 * @param len * @return */ public int[] creatArray(int len){ int arr[] = new int[len]; Random r=new Random(); for(int i=0;i<len-1;i++){ arr[i]=r.nextInt(1000)+1; } System.out.println("初始数组..."); printArray(arr); return arr ; } /** * 打印数组 * @param arr */ public static void printArray(int[] arr) { for(int i=0;i<arr.length;i++){ System.out.print(arr[i]+"\t"); } System.out.println(""); } /** * 反转数组 * @param arr */ private void reverseArray(int[] arr) { int len = arr.length; int tmp =0; for(int i=0;i<len/2;i++){ tmp = arr[i]; arr[i] = arr[len -1 - i ]; arr[len -1 - i ] = tmp; printArray( arr); } } /** * 交换数组中指定的两元素的位置 * @param data * @param x * @param y * @return */ private void swap (int[] arry ,int x,int y ){ int tmp = arry[x]; arry[x] = arry[y]; arry[y] = tmp; //printArray(arry); } /** * 冒泡排序----交换排序的一种 * 方法:相邻两元素进行比较,如有需要则进行交换,每完成一次循环就将最大元素排在最后(如从小到大排序),下一次循环是将其他的数进行类似操作。 * 性能:比较次数O(n^2),n^2/2;交换次数O(n^2),n^2/4 * * @param data 要排序的数组 * @param sortType 排序类型 * @return */ public void bubbleSort( int[] data ,String sortType){ if( "asc".equals(sortType)){//正序 for( int i=0;i<data.length-1;i++){ for(int j=0;j<data.length-1;j++){ if(data[j] > data[j+1]){ swap(data,j,j+1); } } } }else{ for( int i=0;i<data.length-1;i++){ for(int j=0;j<data.length-1;j++){ if(data[j] < data[j+1]){ swap(data,j,j+1); } } } } } /** * * 直接选择排序法----选择排序的一种 * 方法:每一趟从待排序的数据元素中选出最小(或最大)的一个元素, 顺序放在已排好序的数列的最后,直到全部待排序的数据元素排完。 * 性能:比较次数O(n^2),n^2/2 * 交换次数O(n),n * 交换次数比冒泡排序少多了,由于交换所需CPU时间比比较所需的CUP时间多,所以选择排序比冒泡排序快。 * 但是N比较大时,比较所需的CPU时间占主要地位,所以这时的性能和冒泡排序差不太多,但毫无疑问肯定要快些。 * @param data 要排序的数组 * @param sortType 排序类型 */ public void selecteSort( int[] data ,String sortType){ if( "asc".equals(sortType)){//正序 int index ; //找出最大 for( int i=1;i<data.length;i++){ index = 0; for(int j=1;j<=data.length-i;j++){ if(data[j] > data[ index ]){ index = j; } } //放到最后 swap(data,data.length-i ,index ); } }else{ int index ; //找出 最小的索引 for( int i=1;i<data.length;i++){ index = 0; for(int j=1;j<=data.length-i;j++){ if(data[j] < data[ index ]){ index = j; } } //放到最后 swap(data,data.length-i ,index ); } } } /** * 插入排序 * 方法:将一个记录插入到已排好序的有序表(有可能是空表)中,从而得到一个新的记录数增1的有序表。 * 性能:比较次数O(n^2),n^2/4 * 复制次数O(n),n^2/4 * 比较次数是前两者的一般,而复制所需的CPU时间较交换少,所以性能上比冒泡排序提高一倍多,而比选择排序也要快。 * * @param data 要排序的数组 * @param sortType 排序类型 */ public void insertSort( int[] data ,String sortType){ if( "asc".equals(sortType)){//正序 for( int i=1;i<data.length;i++){ for(int j=0;j< i;j++){ if(data[j] > data[ i ]){ swap(data,i ,j ); } } } }else{ for( int i=1;i<data.length;i++){ for(int j=0;j< i;j++){ if(data[j] < data[ i ]){ swap(data,i ,j ); } } } } } /** * http://mobile.51cto.com/news-450017.htm * 快速排序 * 快速排序使用分治法(Divide and conquer)策略来把一个序列(list)分为两个子序列(sub-lists)。 * 步骤为: * 1. 从数列中挑出一个元素,称为 "基准"(pivot), * 2. 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)。在这个分割之后,该基准是它的最后位置。这个称为分割(partition)操作。 * 3. 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。 * 递回的最底部情形,是数列的大小是零或一,也就是永远都已经被排序好了。虽然一直递回下去,但是这个算法总会结束,因为在每次的迭代(iteration)中,它至少会把一个元素摆到它最后的位置去。 * @param data 待排序的数组 * @param low * @param high * @see SortTest#qsort(int[], int, int) * @see SortTest#qsort_desc(int[], int, int) */ public void quickSort(int[] data, String sortType){ if( "asc".equals(sortType)){//正序 qsort_asc(data, 0, data.length - 1); }else{ qsort_desc(data, 0, data.length - 1); } } private void qsort_desc(int[] data, int low, int high) { int i, j, x; if (low < high) { // 这个条件用来结束递归 i = low; j = high; x = data[i]; while (i < j) { while (i < j && data[j] < x) { j--; // 从右向左找第一个大于x的数 } if (i < j) { data[i] = data[j]; i++; } while (i < j && data[i] > x) { i++; // 从左向右找第一个小于x的数 } if (i < j) { data[j] = data[i]; j--; } } //已data[i]为分节点 左边都是大于它的,右边都是小于他的 data[i] = x; printArray(data); System.out.println( i ); qsort_desc(data, low, i - 1); qsort_desc(data, i + 1, high); } } private void qsort_asc(int[] data, int low, int high) { int i, j, x; if (low < high) { // 这个条件用来结束递归 i = low; j = high; x = data[i]; while (i < j) { while (i < j && data[j] > x) { j--; // 从右向左找第一个小于x的数 } if (i < j) { data[i] = data[j]; i++; } while (i < j && data[i] < x) { i++; // 从左向右找第一个大于x的数 } if (i < j) { data[j] = data[i]; j--; } } //已data[i]为分节点 左边都是小于它的,右边都是大于他的 data[i] = x; printArray(data); System.out.println( i ); qsort_asc(data, low, i - 1); qsort_asc(data, i + 1, high); } } /** * 堆的定义如下: n个元素的序列{k0,k1,...,ki,…,k(n-1)}当且仅当满足下关系时,称之为堆。 " ki<=k2i,ki<=k2i+1;或ki>=k2i,ki>=k2i+1.(i=1,2,…,[n/2])" 若将和此次序列对应的一维数组(即以一维数组作此序列的存储结构)看成是一个完全二叉树, 则完全二叉树中每一个节点的值的都大于或等于任意一个字节的值(如果有的话),称之为大顶堆。 则完全二叉树中每一个节点的值的都小于或等于任意一个字节的值(如果有的话),称之为小顶堆。 由此,若序列{k0,k1,…,k(n-1)}是堆,则堆顶元素(或完全二叉树的根)必为序列中n个元素的最小值(或最大值)。 倘若给堆中每一个节点都赋予一个整数值标签,根节点被标记为0,对于每一个标记为i的节点,其左子节点(若存在的话) 被标记为2*i+1,其右子节点(若存在的话)被标记为2*i+2,对于一个标记为i的非根节点,其父节点被标记为(i-1)/2。使用这个标记, 我们能够将堆存储在数组中,节点存储在数据中的位置就使其标签。 * @param data * @param sortType */ public void heapSort(int[] data, String sortType){ // 1 创建一个堆H[0..n-1] // // 2 把堆首(最大值或最小值)和堆尾互换 // // 3. 把堆的尺寸缩小1,目的是把新的数组顶端数据调整到相应位置 // // 4. 重复步骤2,直到堆的尺寸为1 if( "asc".equals(sortType)){//正序 build_max_heap(data); for(int i = data.length - 1; i>=1; i--){ swap(data, i, 0); max_heapify(data, 0,i); } }else{ build_min_heap(data); for(int i = data.length - 1; i>=1; i--){ swap(data, i, 0); min_heapify(data, 0,i); } } } /** * 创建最大堆 * @param data */ private void build_max_heap(int[] data) { int heap_size = data.length; for(int i=heap_size/2-1;i>=0;i--){ max_heapify(data, i,heap_size); } printArray(data); } /** * 保持最大堆 结构 * @param data 数组 * @param i * @param heap_size */ private void max_heapify(int[] data, int i,int heap_size) { int left = 2*i+1; int right = 2*i + 2; int largest = 0; if(left < heap_size && data[i]<data[left]){ largest = left; }else{ largest = i; } if(right < heap_size && data[right] > data[largest]){ largest = right; } if(largest == i){ return ; }else{ swap(data, largest, i); //递归交换 堆顶最后变最大 max_heapify(data, largest,heap_size); } } private void build_min_heap(int[] data) { int heap_size = data.length; for(int i=heap_size/2-1;i>=0;i--){ min_heapify(data, i,heap_size); } } private void min_heapify(int[] data, int i, int heap_size) { int left = 2*i+1; int right = 2*i + 2; int min = 0; if(left < heap_size && data[i]>data[left]){ min = left; }else{ min = i; } if(right < heap_size && data[right] < data[min]){ min = right; } if(min == i){ return ; }else{ swap(data, min, i); min_heapify(data, min,heap_size); } } public void mergeSort(int[] data, String sortType){ sort(data,0,data.length-1); } public static int[] sort(int[] nums, int low, int high) { int mid = (low + high) / 2; if (low < high) { // 左边 sort(nums, low, mid); // 右边 sort(nums, mid + 1, high); // 左右归并 merge(nums, low, mid, high); } return nums; } public static void merge(int[] nums, int low, int mid, int high) { int[] temp = new int[high - low + 1]; int i = low;// 左指针 int j = mid + 1;// 右指针 int k = 0; // 把较小的数先移到新数组中 while (i <= mid && j <= high) { if (nums[i] < nums[j]) { temp[k++] = nums[i++]; } else { temp[k++] = nums[j++]; } } // 把左边剩余的数移入数组 while (i <= mid) { temp[k++] = nums[i++]; } // 把右边边剩余的数移入数组 while (j <= high) { temp[k++] = nums[j++]; } // 把新数组中的数覆盖nums数组 for (int k2 = 0; k2 < temp.length; k2++) { nums[k2 + low] = temp[k2]; } } /** * * 二分查找算法 * * * 二分查找算法是一种在有序数组中查找某一特定元素的搜索算法。搜素过程从数组的中间元素开始, * 如果中间元素正好是要查找的元素,则搜 素过程结束; 如果某一特定元素大于或者小于中间元素, * 则在数组大于或小于中间元素的那一半中查找,而且跟开始一样从中间元素开始比较。如果在某一步 * 骤数组 为空,则代 表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。折半搜索每次把搜索区域减少一半,时间复杂度为Ο(logn) 。 * @param srcArray * 有序数组 * * @param des * 查找元素 * * @return des的数组下标,没找到返回-1 */ public static int binarySearch(int[] srcArray, int des){ int low = 0; int high = srcArray.length-1; while(low <= high) { int middle = (low + high)/2; if(des == srcArray[middle]) { return middle; }else if(des <srcArray[middle]) { high = middle - 1; }else { low = middle + 1; } } return -1; } /** *二分查找特定整数在整型数组中的位置(递归) *@paramdataset *@paramdata *@parambeginIndex *@paramendIndex *@returnindex */ public static int binarySearch(int[] dataset,int data,int beginIndex,int endIndex){ int midIndex = (beginIndex+endIndex)/2; if(data <dataset[beginIndex]||data>dataset[endIndex]||beginIndex>endIndex){ return -1; } if(data <dataset[midIndex]){ return binarySearch(dataset,data,beginIndex,midIndex-1); }else if(data>dataset[midIndex]){ return binarySearch(dataset,data,midIndex+1,endIndex); }else { return midIndex; } } public static void main(String[] args) { SortTest st = new SortTest(); int[] data = st.creatArray(10); String sortType ="asc"; st.mergeSort(data, sortType); printArray(data); System.out.println( st.binarySearch( new int[]{1,4,5,6,9,15,25},1)); } }
原文地址:http://3409736.blog.51cto.com/3399736/1548285