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;idata[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)); } }