排序专题
一. 快速排序
快排基于分治思想，几乎是最快的排序方式，被评为20世纪是十大算法之一。
1.1 快排的Java代码实现
//快排
public void quickSort(int data[],int start,int end){
if(startint partition=partition(data,start,end);
quickSort(data,0, partition-1);
quickSort(data,partition+1, end);
}
}
//确定pivot
public int partition(int data[],int start,int end){
int pivot=data[start];
int left=start+1;
int right=end;
while(left<=right){
while(left<=right&&data[left]<=pivot){
left++;
}
while(left<=right&&data[right]>pivot){
right--;
}
if(leftreturn right;
}
//数据交换
public void swap(int[] data, int x, int y) {
int temp=data[x];
data[x]=data[y];
data[y]=temp;
} 1.2 快排的复杂度分析
平均时间– O(nlog2n)
快排在平均情况下的时间复杂度比较难算，记住就行了。最好时间– O(nlog2n)
最好情况下，每次找到的pivot点应该是 N2 的位置。
所以：- 可以推测比较序列的次数为：
f(1)≈0
f(n)≈n−1+2×f(n/2)
≈n−1+2×(n/2−1)+4×f(n/4)
≈n−1+2×(n/2−1)+4×(n/4−1)+8×f(n/8)
≈nlog2n−n
≈O(nlog2n)
- 可以推测比较序列的次数为：
最坏时间– O(n2)
首先明确快排的最坏情况是：原序列有序。- 假设：数组为data[]={1，2，3，4，5，6}
- 则分割序列为：
{1},{2,3,4,5,6}
{1},{2}{3,4,5,6}
{1},{2}{3}{4,5,6}
{1},{2}{3}{4}{5,6}
{1},{2}{3}{4}{5}{6} - 很容易得到比较次数为：
n−1+n−2+⋯+1= n2−n2 =O(nlogn)
空间复杂度–平均条件下– O(logn)
同时间复杂度一样，求解过程较为麻烦，记住结论就好了空间复杂度–最好条件下– O(logn)
最好条件下，每次取中值递归，递归树深度为 log2n 。其空间复杂度也就为 O(logn)- 空间复杂度–最坏条件下– O(n)
最坏情况，需要进行n‐1递归调用，其递归树是一棵斜树，深度为n，其空间复杂度为 O(n)
1.3 快排的稳定性分析
- 稳定性：不稳定
由于关键字的比较和交换是跳跃进行的，因此，快速排序是一种不稳定的排序方法。
二. 归并排序
归并排序也是基于分治法的思想，速度和快排差不多，不过空间占用稍大，具有稳定性。
1.1 归并排序的Java代码实现
//归并排序
public void mergeSort(int[] data,int start,int end){
if(startint mid=(start+end)/2;
mergeSort(data, start, mid);
mergeSort(data, mid+1, end);
mergeChild(data, start, mid, end);
}
}
//合并左右孩子
public void mergeChild(int []data,int start,int mid,int end){
int len=end-start+1;
int []temp=new int[len];
int left=start,right=mid+1;
for(int i=0;iif(left>mid){
temp[i]=data[right++];
continue;
}
if(right>end){
temp[i]=data[left++];
continue;
}
if(data[left]<=data[right]){
temp[i]=data[left++];
}else{
temp[i]=data[right++];
}
}
for(int i=0;i 1.2 归并排序的复杂度分析
平均时间– O(nlog2n)
归并排序中，每一次的mid点都是 end−start2 ，所以：- 可以推测比较序列的次数为：
f(1)≈0
f(n)≈2n+2×f(n/2)
≈2n+2n+4×f(n/4)
≈2n+2n+2n+8×f(n/8)
≈2n×log2n
≈O(nlog2n)
- 可以推测比较序列的次数为：
最好时间– O(nlog2n)
最好情况和平均情况一样，每次的mid点都是 end−start2 ，所以，最好情况和平均情况一样，都是 O(nlog2n)最坏时间– O(nlog2n)
最坏情况和平均情况一样，每次的mid点都是 end−start2 ，所以，最坏情况和平均情况一样，都是 O(nlog2n)空间复杂度–平均条件下– O(n)
关于平均条件下的空间复杂度，书上说的是 O(n) ，但是它把mergeChild函数里申请的临时变量int []temp也算进去了，应该是在递归外层申请了一个大小为n的数组，这样一来，空间复杂度就变成了 n+log2n ，也就是 O(n) 。但是我上面的代码，把这个临时变量写到了mergeChild中，函数执行完毕自动回收，也就不算是空间占用了，此时的空间复杂度和快排的一样，都是 O(logn) 。不过我看网上都是说的 O(n) ，我这里也写成 O(n) 了。也许我的理解有误，还请知道的指点一下，谢谢。空间复杂度–最好条件下– O(n)
同上，是 O(n) 。- 空间复杂度–最坏条件下– O(n)
同上，是 O(n) 。
1.3 归并排序的稳定性分析
- 稳定性：稳定
因为归并排序并没有涉及到跳跃着排序，因此，归并排序是一种稳定的排序方法。
三. 冒泡排序
冒泡排序理解起来较为简单。具有稳定性。时间复杂度较高，空间复杂度较低。了解一下吧。
1.1 冒泡排序的Java代码实现
public void bubbing(int[] data){
int len=data.length;
for(int i=0;iint tag=0;
for(int j=0;j1;j++){
if(data[j]>data[j+1]){
tag=1;
int temp=data[j];
data[j]=data[j+1];
data[j+1]=temp;
}
}
if(tag==0)return;
}
} 1.2 冒泡排序的复杂度分析
平均时间– O(n2)
乱序排列的复杂度。最好时间– O(n)
顺序排列的复杂度。- 最坏时间– O(n2)
逆序排列的复杂度。 空间复杂度–平均条件下– O(1)
空间复杂度–最好条件下– O(1)
空间复杂度–最坏条件下– O(1)
1.3 冒泡排序的稳定性分析
- 稳定性：稳定
因为冒泡排序并没有涉及到跳跃着排序，因此，冒泡排序是一种稳定的排序方法。
四. 堆排序
堆排序利用最大（小）堆的性质进行排序。使用最大堆时，先构建一棵最大堆，然后不断取顶部节点，得到的序列就是有序的。
最大堆是一棵所有根节点都大于子节点的完全二叉树；最大堆的最大元素是顶部根节点，第二大是根节点的两个子节点的其中的一个，第三大不确定，有可能是根节点的子节点的另外一个，也可能是子节点中较大的节点的子节点中的一个。最小堆同理。
1.1 堆排序的Java代码实现
//堆排序
public void heapSort(int[] data) {
if(data==null||data.length==0)return;
int n=data.length;
buildMaxHeap(data);
for(int i=0;i0, n-i-1);
shiftDown(data, 0, n-i-1);
}
}
//构建最大堆
public void buildMaxHeap(int[] data){
int n=data.length;
int x=n/2-1;
for(int i=x;i>=0;i--){
shiftDown(data, i, n);
}
}
//下筛
public void shiftDown(int []data,int x,int n){
int l=2*x+1,r=2*x+2;
int max=x;
if(ldata[max])max=l;
if(rdata[max])max=r;
if(max!=x){
swap(data, max, x);
shiftDown(data, max, n);
}
}
//数据交换
public void swap(int[] data,int x,int y){
int temp=data[x];
data[x]=data[y];
data[y]=temp;
} 1.2 堆排序的复杂度分析
- 平均时间– O(nlogn)
最大堆构建的时间复杂度为 O(n) ，下筛的时候，总共n-1次循环，一次下筛的复杂度为 O(log2n) (具有n个节点的二叉树最高为 log2n+1 )。所以总的复杂度为 O(nlogn)
最好时间– O(nlogn)
最坏时间– O(nlogn)
空间复杂度–平均条件下– O(1)
只需要一个临时变量，所以为 O(1)
空间复杂度–最好条件下– O(1)
空间复杂度–最坏条件下– O(1)
1.3 堆排序的稳定性分析
- 稳定性：不稳定
因为堆排序涉及到跳跃着排序，因此，堆排序是一种不稳定的排序方法。
三. 希尔排序
希尔排序是直接插入排序的改进，复杂度可以降到O(n^1.3).
主要流程是：
1. 初始化增量d=n/2
2. 分别对d个数列进行插入排序
3. d=d/2，然后执行步骤2.
1.1 希尔排序的Java代码实现
public void shellSort(int[]data){
if(data==null||data.length==0)return;
int n=data.length;
int d=n/2;
while(d>=1){
for(int k=0;kfor(int i=k+d;iint temp=data[i];
int j=i-d;
while(j>=k&&data[j]>temp){
data[j+d]=data[j];
j-=d;
}
data[j+d]=temp;
}
}
d=d/2;
}
} 1.2 希尔排序的复杂度分析
- 平均时间– O(n1.3)
- 最好时间– O(n1.3)
最坏时间– O(n1.3)
空间复杂度–平均条件下– O(1)
空间复杂度–最好条件下– O(1)
空间复杂度–最坏条件下– O(1)
1.3 希尔排序的稳定性分析
- 稳定性：不稳定
希尔排序不稳定
最后，总结一下各个排序方法的复杂度和稳定性：
| 排序算法 | 最好情形(时间 ~ 空间) | 平均情形(时间 ~ 空间) | 最坏情形(时间 ~ 空间) | 稳定性 |
|---|---|---|---|---|
| 快速排序 | O(nlogn) ~ O(logn) | O(nlogn) ~ O(logn) | O(n2) ~ O(n) | 不稳定 |
| 归并排序 | O(nlogn) ~ O(logn) | O(nlogn) ~ O(logn) | O(nlogn) ~ O(n) | 稳定 |
| 冒泡排序 | O(n2) ~ O(1) | O(n2) ~ O(1) | O(n) ~ O(1) | 稳定 |
| 堆排序 | O(nlogn) ~ O(1) | O(nlogn) ~ O(1) | O(nlogn) ~ O(1) | 稳定 |
| 希尔排序 | O(n1.3) ~ O(1) | O(n1.3) ~ O(1) | O(n1.3) ~ O(1) | 不稳定 |
四. KMP算法
KMP算法是字符串匹配的高效算法，朴素的匹配算法的时间复杂度为 O(n∗m) ,KMP匹配算法的时间复杂度可以达到 O(n+m) ，当m很小n很大时，这个复杂度可以逼近 O(n) ，是一个很巧妙的算法。
1.1 KMP算法的Java代码实现
//根据计算得到的next数组进行模式字符串的查找。
public int matcher(String t,String p){
if(t==null||p==null)return -1;
int [] next = next(p);
int tLen=t.length();
int pLen=p.length();
for(int i=0,j=0;iwhile (j>0&&t.charAt(i)!=p.charAt(j)){
j=next[j-1];
}
if(t.charAt(i)==p.charAt(j)){
j++;
}
if(j==pLen){
return i-j+1;
}
}
return -1;
}
//计算next数组
public int[] next(String p){
int n=p.length();
int [] next=new int[n];
next[0]=0;
for(int i=1;iint k=next[i-1];
while (k>0&&p.charAt(k)!=p.charAt(i)){
k=next[k-1];
}
if(p.charAt(k)==p.charAt(i)){
k++;
}
next[i]=k;
}
return next;
} 1.2 KMP算法时间复杂度
KMP匹配算法的时间复杂度可以达到 O(n+m) ，当m很小n很大时，这个复杂度可以逼近 O(n) ，是一个很巧妙的算法。