排序算法 平均时间复杂度
冒泡排序 O(n2)
选择排序 O(n2)
插入排序 O(n2)
希尔排序 O(n1.5)
快速排序 O(N*logN)
归并排序 O(N*logN)
堆排序 O(N*logN)
基数排序 O(d(n+r))

一. 冒泡排序(BubbleSort)

  1. 基本思想：两个数比较大小，较大的数下沉，较小的数冒起来。

  2. 过程：

    • 比较相邻的两个数据，如果第二个数小，就交换位置。
    • 从后向前两两比较，一直到比较最前两个数据。最终最小数被交换到起始的位置，这样第一个最小数的位置就排好了。
    • 继续重复上述过程，依次将第2.3...n-1个最小数排好位置。
      Java排序算法总结_第1张图片

  3. 平均时间复杂度：O(n2)

  4. java代码实现：

    复制代码 
    public static void BubbleSort(int [] arr){
     int temp;//临时变量
     for(int i=0; ii; j--){

             if(arr[j] < arr[j-1]){
                 temp = arr[j];
                 arr[j] = arr[j-1];
                 arr[j-1] = temp;
             }
         }
     }
 }
    复制代码

  5. 优化：

    • 针对问题：
      数据的顺序排好之后，冒泡算法仍然会继续进行下一轮的比较，直到arr.length-1次，后面的比较没有意义的。

    • 方案：
      设置标志位flag，如果发生了交换flag设置为true；如果没有交换就设置为false。
      这样当一轮比较结束后如果flag仍为false，即：这一轮没有发生交换，说明数据的顺序已经排好，没有必要继续进行下去。

      复制代码 
      public static void BubbleSort1(int [] arr){
   int temp;//临时变量
   boolean flag;//是否交换的标志
   for(int i=0; ii; j--){

           if(arr[j] < arr[j-1]){
               temp = arr[j];
               arr[j] = arr[j-1];
               arr[j-1] = temp;
               flag = true;
           }
       }
       if(!flag) break;
   }
}
      复制代码

       

二. 选择排序(SelctionSort)

  1. 基本思想：
    在长度为N的无序数组中，第一次遍历n-1个数，找到最小的数值与第一个元素交换；
    第二次遍历n-2个数，找到最小的数值与第二个元素交换；
    。。。
    第n-1次遍历，找到最小的数值与第n-1个元素交换，排序完成。

  2. 过程：

    Java排序算法总结_第2张图片

  3. 平均时间复杂度：O(n2)

  4. java代码实现：

    复制代码 
    public static void select_sort(int array[],int lenth){

   for(int i=0;i 
       
     
        复制代码

     

三. 插入排序(Insertion Sort)

  1. 基本思想：
    在要排序的一组数中，假定前n-1个数已经排好序，现在将第n个数插到前面的有序数列中，使得这n个数也是排好顺序的。如此反复循环，直到全部排好顺序。

  2. 过程：

    Java排序算法总结_第3张图片

    Java排序算法总结_第4张图片

  3. 平均时间复杂度：O(n2)

  4. java代码实现：

    复制代码 
    public static void  insert_sort(int array[],int lenth){

   int temp;

   for(int i=0;i0;j--){
           if(array[j] < array[j-1]){
               temp = array[j-1];
               array[j-1] = array[j];
               array[j] = temp;
           }else{         //不需要交换
               break;
           }
       }
   }
}
    复制代码

     

四. 希尔排序(Shell Sort)

  1. 前言：
    数据序列1： 13-17-20-42-28 利用插入排序，13-17-20-28-42. Number of swap:1;
    数据序列2： 13-17-20-42-14 利用插入排序，13-14-17-20-42. Number of swap:3;
    如果数据序列基本有序，使用插入排序会更加高效。

  2. 基本思想：
    在要排序的一组数中，根据某一增量分为若干子序列，并对子序列分别进行插入排序。
    然后逐渐将增量减小,并重复上述过程。直至增量为1,此时数据序列基本有序,最后进行插入排序。

  3. 过程：

    Java排序算法总结_第5张图片

  4. 平均时间复杂度：

  5. java代码实现：

    复制代码 
    public static void shell_sort(int array[],int lenth){

   int temp = 0;
   int incre = lenth;

   while(true){
       incre = incre/2;

       for(int k = 0;kk;j-=incre){
                   if(array[j] 
       
     
        复制代码

     

五. 快速排序(Quicksort)

  1. 基本思想：（分治）

    • 先从数列中取出一个数作为key值；
    • 将比这个数小的数全部放在它的左边，大于或等于它的数全部放在它的右边；
    • 对左右两个小数列重复第二步，直至各区间只有1个数。

  2. 辅助理解：挖坑填数

    • 初始时 i = 0; j = 9; key=72
      由于已经将a[0]中的数保存到key中，可以理解成在数组a[0]上挖了个坑，可以将其它数据填充到这来。
      从j开始向前找一个比key小的数。当j=8，符合条件，a[0] = a[8] ; i++ ; 将a[8]挖出再填到上一个坑a[0]中。
      这样一个坑a[0]就被搞定了，但又形成了一个新坑a[8]，这怎么办了？简单，再找数字来填a[8]这个坑。
      这次从i开始向后找一个大于key的数，当i=3，符合条件，a[8] = a[3] ; j-- ; 将a[3]挖出再填到上一个坑中。 
      数组：72 - 6 - 57 - 88 - 60 - 42 - 83 - 73 - 48 - 85 0 1 2 3 4 5 6 7 8 9
    • 此时 i = 3; j = 7; key=72
      再重复上面的步骤，先从后向前找，再从前向后找。
      从j开始向前找，当j=5，符合条件，将a[5]挖出填到上一个坑中，a[3] = a[5]; i++;
      从i开始向后找，当i=5时，由于i==j退出。
      此时，i = j = 5，而a[5]刚好又是上次挖的坑，因此将key填入a[5]。 
      数组：48 - 6 - 57 - 88 - 60 - 42 - 83 - 73 - 88 - 85 0 1 2 3 4 5 6 7 8 9
    • 可以看出a[5]前面的数字都小于它，a[5]后面的数字都大于它。因此再对a[0…4]和a[6…9]这二个子区间重复上述步骤就可以了。 
      <数组：48 - 6 - 57 - 42 - 60 - 72 - 83 - 73 - 88 - 85
 0   1   2    3    4    5    6    7    8    9

  3. 平均时间复杂度：O(N*logN)

  4. 代码实现：

    复制代码 
    public static void quickSort(int a[],int l,int r){
     if(l>=r)
       return;

     int i = l; int j = r; int key = a[l];//选择第一个数为key

     while(i=key)//从右向左找第一个小于key的值
             j--;
         if(i 
       
     
        复制代码

    key值的选取可以有多种形式，例如中间数或者随机数，分别会对算法的复杂度产生不同的影响。

六. 归并排序(Merge Sort)

  1. 基本思想：参考
    归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法的一个非常典型的应用。
    首先考虑下如何将2个有序数列合并。这个非常简单，只要从比较2个数列的第一个数，谁小就先取谁，取了后就在对应数列中删除这个数。然后再进行比较，如果有数列为空，那直接将另一个数列的数据依次取出即可。

    复制代码 
    //将有序数组a[]和b[]合并到c[]中
void MemeryArray(int a[], int n, int b[], int m, int c[])
{
 int i, j, k;

 i = j = k = 0;
 while (i < n && j < m)
 {
     if (a[i] < b[j])
         c[k++] = a[i++];
     else
         c[k++] = b[j++]; 
 }

 while (i < n)
     c[k++] = a[i++];

 while (j < m)
     c[k++] = b[j++];
}
    复制代码

    解决了上面的合并有序数列问题，再来看归并排序，其的基本思路就是将数组分成2组A，B，如果这2组组内的数据都是有序的，那么就可以很方便的将这2组数据进行排序。如何让这2组组内数据有序了？

    可以将A，B组各自再分成2组。依次类推，当分出来的小组只有1个数据时，可以认为这个小组组内已经达到了有序，然后再合并相邻的2个小组就可以了。这样通过先递归的分解数列，再合并数列就完成了归并排序。

  2. 过程：

    Java排序算法总结_第6张图片

  3. 平均时间复杂度：O(NlogN)
    归并排序的效率是比较高的，设数列长为N，将数列分开成小数列一共要logN步，每步都是一个合并有序数列的过程，时间复杂度可以记为O(N)，故一共为O(N*logN)。

  4. 代码实现：

    复制代码 
    public static void merge_sort(int a[],int first,int last,int temp[]){

  if(first < last){
      int middle = (first + last)/2;
      merge_sort(a,first,middle,temp);//左半部分排好序
      merge_sort(a,middle+1,last,temp);//右半部分排好序
      mergeArray(a,first,middle,last,temp); //合并左右部分
  }
}
//合并 ：将两个序列a[first-middle],a[middle+1-end]合并
public static void mergeArray(int a[],int first,int middle,int end,int temp[]){     
  int i = first;
  int m = middle;
  int j = middle+1;
  int n = end;
  int k = 0; 
  while(i<=m && j<=n){
      if(a[i] <= a[j]){
          temp[k] = a[i];
          k++;
          i++;
      }else{
          temp[k] = a[j];
          k++;
          j++;
      }
  }     
  while(i<=m){
      temp[k] = a[i];
      k++;
      i++;
  }     
  while(j<=n){
      temp[k] = a[j];
      k++;
      j++; 
  }

  for(int ii=0;ii 
       
     
        复制代码

     

七. 堆排序(HeapSort)

  1. 基本思想：

    Java排序算法总结_第7张图片

    • 图示： （88,85,83,73,72,60,57,48,42,6）

      Java排序算法总结_第8张图片

      Heap Sort

  2. 平均时间复杂度：O(NlogN)
    由于每次重新恢复堆的时间复杂度为O(logN)，共N - 1次重新恢复堆操作，再加上前面建立堆时N / 2次向下调整，每次调整时间复杂度也为O(logN)。二次操作时间相加还是O(N * logN)。

  3. java代码实现：

    复制代码 
    //构建最小堆
public static void MakeMinHeap(int a[], int n){
 for(int i=(n-1)/2 ; i>=0 ; i--){
     MinHeapFixdown(a,i,n);
 }
}
//从i节点开始调整,n为节点总数 从0开始计算 i节点的子节点为 2*i+1, 2*i+2  
public static void MinHeapFixdown(int a[],int i,int n){

   int j = 2*i+1; //子节点
   int temp = 0;

   while(j0;i--){
      temp = a[0];
      a[0] = a[i];
      a[i] = temp; 
      MinHeapFixdown(a,0,i);
  }     
}
    复制代码

     

八. 基数排序(RadixSort)

BinSort

  1. 基本思想：
    BinSort想法非常简单，首先创建数组A[MaxValue]；然后将每个数放到相应的位置上（例如17放在下标17的数组位置）；最后遍历数组，即为排序后的结果。

  2. 图示：

    Java排序算法总结_第9张图片

    BinSort

    • 问题： 当序列中存在较大值时，BinSort 的排序方法会浪费大量的空间开销。
    RadixSort
    1. 基本思想： 基数排序是在BinSort的基础上，通过基数的限制来减少空间的开销。
    2. 过程：

      Java排序算法总结_第10张图片

      过程1

      Java排序算法总结_第11张图片

      过程2

    （1）首先确定基数为10，数组的长度也就是10.每个数34都会在这10个数中寻找自己的位置。
    （2）不同于BinSort会直接将数34放在数组的下标34处，基数排序是将34分开为3和4，第一轮排序根据最末位放在数组的下标4处，第二轮排序根据倒数第二位放在数组的下标3处，然后遍历数组即可。

  3. java代码实现：

    复制代码 
    public static void RadixSort(int A[],int temp[],int n,int k,int r,int cnt[]){

   //A:原数组
   //temp:临时数组
   //n:序列的数字个数
   //k:最大的位数2
   //r:基数10
   //cnt:存储bin[i]的个数

   for(int i=0 , rtok=1; i=0;j--){      //重点理解
           cnt[(A[j]/rtok)%r]--;
           temp[cnt[(A[j]/rtok)%r]] = A[j];
       }
       for(int j=0;j 
       
     
        复制代码 

 

 

--------------------- 分界线  --------------------------------------

引发我看上面的都是工作中遇到的这个算法排序

            //深度检测
            List src = new ArrayList<>(validFaans.values());
            List> deepCheckList = new ArrayList<>();
            if(src.size()>1) {
                List tmpArr = new ArrayList<>();
                List> result = new ArrayList<>();
                this.combineFaan(0, 2, src, tmpArr, result);
                for(List faanList : result) {
                    Faan faan0 = faanList.get(0);
                    Faan faan1 = faanList.get(1);
                    //互相依赖的番型不计
                    if(faan0.getRequire().contains(faan1)||
                            faan1.getRequire().contains(faan0)) {
                        continue;
                    }
                    JSONObject property = new JSONObject();
                    property.putAll(game.getProperty());
                    List checkParams0List = faan0.deepCheck(game, player,winTile);
                    game.getProperty().clear();
                    game.getProperty().putAll(property);
                    if(checkParams0List == null) {
                        continue;
                    }
                    List checkParams1List = faan1.deepCheck(game, player,winTile);
                    game.getProperty().putAll(property);
                    if(checkParams1List == null) {
                        continue;
                    }
                    
                    if(!this.deepCheck(faan0, faan1, game, player,checkParams0List)
                            ||!this.deepCheck(faan1, faan0, game, player,checkParams1List)) {
                        List checkList = new ArrayList<>();
                        checkList.add(faan0);
                        checkList.add(faan1);
                        deepCheckList.add(checkList);
                    }
                }
            }
            
            List tmpArr = new ArrayList<>();
            List> result = new ArrayList<>();
            for(int i=0;i) {
                this.combineFaan(0, i+1, src, tmpArr, result);
            }
        
        public void combineFaan(int index,int k,List src,List tmpArr,List> result) {  
            if(k == 1){  
                for (int i = index; i < src.size(); i++) {  
                    tmpArr.add(src.get(i));
                    ArrayList item = (ArrayList) ((ArrayList)tmpArr).clone();
                    result.add(item);
//                    System.out.println(tmpArr.toString());  
                    tmpArr.remove(src.get(i));  
                }  
            }else if(k > 1){  
                for (int i = index; i <= src.size() - k; i++) {
                    tmpArr.add(src.get(i)); 
                    combineFaan(i + 1,k - 1, src,tmpArr,result);  
                    tmpArr.remove(src.get(i));  
                }   
            }else{  
                return ;   
            }  
        }

一个算法的理解

深度检测


List src = new ArrayList<>(validFaans.values());
src
[
    Faan_本混儿@, 
    Faan_混儿吊_3N2@, 
    Faan_龙@, 
    Faan_双混儿_龙外@, 
    Faan_捉伍@
]

this.combineFaan(0, 2, src, tmpArr, result);
combineFaan(int index,int k,List src,List tmpArr,List> result)

int i = 0; i <=3; i++
tmpArr
combineFaan(i + 1,k - 1, src,tmpArr,result);  
combineFaan(1, 1, src[5个], temArr[素本混儿], [] )
(int i = index; i < 5; i++)
tmpArr
[Faan_本混儿@, Faan_混儿吊_3N2@]
result
[
  [Faan_本混儿@, Faan_混儿吊_3N2@]
]
tmpArr
[Faan_本混儿@]

i=2
tmpArr
[Faan_本混儿@, Faan_龙@]
item
[Faan_本混儿@, Faan_龙@]
result
[
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@]
]
tmpArr
[Faan_本混儿@]

i=3
tmpArr
[Faan_本混儿@, Faan_双混儿_龙外@]
result
[
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@]
]

i=4
result
[
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@]
]

(k > 1)
tmpArr.remove(src.get(i));




result
[
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_龙@, Faan_捉伍@], 
    [Faan_双混儿_龙外@, Faan_捉伍@]
]












//番型的叠加组合

for(int i=0;i) {
    this.combineFaan(0, i+1, src, tmpArr, result);
}

combineFaan(int 0,int 1,List 5个,List [],List> [])

i = 0,i < 5
tmpArr
[Faan_本混儿@]
result
[
    [Faan_本混儿@]
]
tmpArr
[]
tmpArr
[Faan_混儿吊_3N2@]
result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@]
]
tmpArr
[]

i = 4
result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@], 
    [Faan_龙@], 
    [Faan_双混儿_龙外@], 
    [Faan_捉伍@]
]




k = i=1 + 1
k = 2
combineFaan(int 0,int 2,...)
k > 1
(int i=0;i<3;i++)
combineFaan(i + 1,k - 1, src,tmpArr,result);  
combineFaan(  1  ,  2  , ... )
for (int i = index; i < src.size(); i++)
for (int i = index; i <5; i++)

result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@], 
    [Faan_龙@], 
    [Faan_双混儿_龙外@], 
    [Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@]
]

//for循环
result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@], 
    [Faan_龙@], 
    [Faan_双混儿_龙外@], 
    [Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_龙@, Faan_捉伍@], 
    [Faan_双混儿_龙外@, Faan_捉伍@]
]




k = i=2 + 1
k = 3
combineFaan(int index,int k, ...)
combineFaan(int   0  ,int 3, ...)
k > 1
for (int i = index; i <= src.size() - k; i++)
for (int i =   0  ; i <=        2      ; i++)
combineFaan(i + 1,k - 1, ...);
combineFaan(  1  ,  2  , ...);
k = 2,
k > 1
for (int i = index; i <= src.size() - k; i++)
for (int i =   1  ; i <=       3       ; i++)
combineFaan(i + 1,k - 1, ...);  
combineFaan(  2  ,  1  , ...);  
k == 1
for (int i = 2; i <   5   ; i++)
result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@], 
    [Faan_龙@], 
    [Faan_双混儿_龙外@], 
    [Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_龙@, Faan_捉伍@], 
    [Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@]
]

//for循环
result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@], 
    [Faan_龙@], 
    [Faan_双混儿_龙外@], 
    [Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_龙@, Faan_捉伍@], 
    [Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@]
]

//for循环
result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@], 
    [Faan_龙@], 
    [Faan_双混儿_龙外@], 
    [Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_龙@, Faan_捉伍@], 
    [Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_龙@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_双混儿_龙外@, Faan_捉伍@]
]

//for循环
result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@], 
    [Faan_龙@], 
    [Faan_双混儿_龙外@],
    [Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_龙@, Faan_捉伍@], 
    [Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_龙@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_龙@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@, Faan_捉伍@]
]

//for循环
result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@], 
    [Faan_龙@], 
    [Faan_双混儿_龙外@], 
    [Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_龙@, Faan_捉伍@], 
    [Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_龙@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_龙@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@, Faan_捉伍@]
]





k = i = 3 + 1
k = 4
(k > 1)
for (int i = index; i <= src.size() - k; i++)
for (int i =   0  ; i <=        1      ; i++)
result
[
    [Faan_本混儿@], 
    [Faan_混儿吊_3N2@], 
    [Faan_龙@], 
    [Faan_双混儿_龙外@], 
    [Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@], 
    [Faan_本混儿@, Faan_龙@], 
    [Faan_本混儿@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_龙@, Faan_捉伍@], 
    [Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_龙@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_混儿吊_3N2@, Faan_龙@, Faan_捉伍@], 
    [Faan_混儿吊_3N2@, Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_龙@, Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@, Faan_双混儿_龙外@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@, Faan_捉伍@], 
    [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@, Faan_捉伍@]
 ]

...

//以此类推

总结:

首先结果集, 通过 k = 2,分成两两一对儿的组合, 先看看互相有没有不共存的情况, 然后所有可能单个结果,不重复的相互组合.

示例的代码就是结果集里面有5个,每一个相互不重复的叠加

combineFaan(index, k, src, tmpArr, result);

index : 是每个排序出来的起始位置

k : 是约束每一行的元素有几个元素存放在结果集里面

 

 

 

 

转载自：

排序算法总结