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 data[j+1]){
swap(data,j,j+1);
}
}
}
}else{
for( int i=0;i 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[ i ]){
swap(data,i ,j );
}
}
}
}else{
for( int i=1;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[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 dataset[endIndex]||beginIndex>endIndex){
return -1;
}
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));
}
}