掌握Java排序算法：实现主流排序方法与性能对比
一，C语言，主流的排序方法介绍
当谈论主流的排序方法时，通常指的是在实际应用中表现优秀且被广泛采用的排序算法。以下是常见的主流排序方法及其介绍、时间复杂度、空间复杂度和简单的C语言代码实现：
- 冒泡排序（Bubble Sort）：
- 介绍：冒泡排序是一种简单的交换排序算法。它重复地遍历要排序的列表，依次比较相邻的两个元素，如果顺序不对则交换它们，直到整个列表排好序为止。
- 时间复杂度：平均情况和最坏情况下都是 O(n^2)。
- 空间复杂度：O(1)。
- 代码实现：
public class BubbleSort {
public static void bubbleSort(int[] arr) {
int n = arr.length;
for (int i = 0; i < n - 1; i++) {
for (int j = 0; j < n - i - 1; j++) {
if (arr[j] > arr[j + 1]) {
int temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
}
}
public static void main(String[] args) {
int[] arr = {64, 34, 25, 12, 22, 11, 90};
bubbleSort(arr);
System.out.print("冒泡排序结果：");
for (int num : arr) {
System.out.print(num + " ");
}
}
}rr[] = {64, 34, 25, 12, 22, 11, 90};
int n = sizeof(arr) / sizeof(arr[0]);
bubbleSort(arr, n);
printf("冒泡排序结果：");
for (int i = 0; i < n; i++) {
printf("%d ", arr[i]);
}
return 0;
}
- 快速排序（Quick Sort）：
- 介绍：快速排序是一种高效的分治排序算法。它选择一个元素作为基准（通常选择第一个或最后一个元素），然后将列表分为比基准小和比基准大的两部分，再对这两部分进行递归排序。
- 时间复杂度：平均情况下为 O(n log n)，最坏情况下为 O(n^2)（当基准选取不合理时）。
- 空间复杂度：平均情况下为 O(log n)，最坏情况下为 O(n)（当递归树不平衡时）。
- 代码实现：
public class QuickSort {
public static void quickSort(int[] arr, int low, int high) {
if (low < high) {
int pi = partition(arr, low, high);
quickSort(arr, low, pi - 1);
quickSort(arr, pi + 1, high);
}
}
public static int partition(int[] arr, int low, int high) {
int pivot = arr[high];
int i = low - 1;
for (int j = low; j < high; j++) {
if (arr[j] <= pivot) {
i++;
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}
int temp = arr[i + 1];
arr[i + 1] = arr[high];
arr[high] = temp;
return i + 1;
}
public static void main(String[] args) {
int[] arr = {64, 34, 25, 12, 22, 11, 90};
int n = arr.length;
quickSort(arr, 0, n - 1);
System.out.print("快速排序结果：");
for (int num : arr) {
System.out.print(num + " ");
}
}
}
- 插入排序（Insertion Sort）：
- 介绍：插入排序是一种简单直观的排序算法。它通过构建有序序列，逐步将未排序元素插入到有序序列的正确位置中。
- 时间复杂度：平均情况和最坏情况下都是 O(n^2)。
- 空间复杂度：O(1)。
代码实现：
public class InsertionSort {
public static void insertionSort(int[] arr) {
int n = arr.length;
for (int i = 1; i < n; i++) {
int key = arr[i];
int j = i - 1;
while (j >= 0 && arr[j] > key) {
arr[j + 1] = arr[j];
j--;
}
arr[j + 1] = key;
}
}
public static void main(String[] args) {
int[] arr = {64, 34, 25, 12, 22, 11, 90};
insertionSort(arr);
System.out.print("插入排序结果：");
for (int num : arr) {
System.out.print(num + " ");
}
}
}
- 归并排序（Merge Sort）：
- 介绍：归并排序是一种高效的分治排序算法。它将列表不断地分成两半，递归地对每个子列表进行排序，然后将两个已排序的子列表合并成一个有序列表。
- 时间复杂度：平均情况和最坏情况下都是 O(n log n)。
- 空间复杂度：O(n)。
- 代码实现：
public class MergeSort {
public static void merge(int[] arr, int left, int middle, int right) {
int n1 = middle - left + 1;
int n2 = right - middle;
int[] L = new int[n1];
int[] R = new int[n2];
for (int i = 0; i < n1; i++)
L[i] = arr[left + i];
for (int j = 0; j < n2; j++)
R[j] = arr[middle + 1 + j];
int i = 0, j = 0, k = left;
while (i < n1 && j < n2) {
if (L[i] <= R[j]) {
arr[k] = L[i];
i++;
} else {
arr[k] = R[j];
j++;
}
k++;
}
while (i < n1) {
arr[k] = L[i];
i++;
k++;
}
while (j < n2) {
arr[k] = R[j];
j++;
k++;
}
}
public static void mergeSort(int[] arr, int left, int right) {
if (left < right) {
int middle = left + (right - left) / 2;
mergeSort(arr, left, middle);
mergeSort(arr, middle + 1, right);
merge(arr, left, middle, right);
}
}
public static void main(String[] args) {
int[] arr = {64, 34, 25, 12, 22, 11, 90};
int n = arr.length;
mergeSort(arr, 0, n - 1);
System.out.print("归并排序结果：");
for (int num : arr) {
System.out.print(num + " ");
}
}
}
- 堆排序（Heap Sort）：
- 介绍：堆排序利用堆这种数据结构进行排序。它首先将列表构建为最大堆或最小堆，然后重复提取堆顶元素，并调整堆，直到整个列表排好序。
- 时间复杂度：平均情况和最坏情况下都是 O(n log n)。
- 空间复杂度：O(1)。
-代码实现：
public class HeapSort {
public static void heapify(int[] arr, int n, int i) {
int largest = i;
int left = 2 * i + 1;
int right = 2 * i + 2;
if (left < n && arr[left] > arr[largest])
largest = left;
if (right < n && arr[right] > arr[largest])
largest = right;
if (largest != i) {
int temp = arr[i];
arr[i] = arr[largest];
arr[largest] = temp;
heapify(arr, n, largest);
}
}
public static void heapSort(int[] arr) {
int n = arr.length;
for (int i = n / 2 - 1; i >= 0; i--)
heapify(arr, n, i);
for (int i = n - 1; i > 0; i--) {
int temp = arr[0];
arr[0] = arr[i];
arr[i] = temp;
heapify(arr, i, 0);
}
}
public static void main(String[] args) {
int[] arr = {64, 34, 25, 12, 22, 11, 90};
heapSort(arr);
System.out.print("堆排序结果：");
for (int num : arr) {
System.out.print(num + " ");
}
}
}
二，总结
当我们对上面列出的主流排序算法进行总体分析时，可以从它们的优缺点和适用场景等方面来考虑
-
冒泡排序：
- 优点：实现简单，代码易于理解和编写。
- 缺点：在平均情况和最坏情况下，时间复杂度较高（O(n^2)），不适用于大规模数据排序。
- 适用场景：适用于数据规模较小且数据基本有序的情况，或作为学习排序算法的入门例子。
-
快速排序：
- 优点：平均情况下性能较好（O(n log n)），是主流排序算法中速度最快的一种。
- 缺点：在最坏情况下（当基准选取不合理时），可能出现性能下降（O(n^2)）。
- 适用场景：适用于大多数情况下的排序需求，特别是数据规模较大的情况。
-
插入排序：
- 优点：对于小规模数据或基本有序的数据排序效率较高。
- 缺点：在数据规模较大时，性能下降（O(n^2)）。
- 适用场景：适用于数据规模较小、基本有序或已近排序的情况，也适用于较短数组的排序。
-
归并排序：
- 优点：稳定的排序算法，不受输入数据的影响。在任何情况下都具有相对较好的性能（O(n log n)）。
- 缺点：需要额外的空间来存储临时数据，空间复杂度较高。
- 适用场景：适用于任何规模的数据排序需求，尤其在对稳定性和性能要求较高的场景下。
-
堆排序：
- 优点：性能稳定，对于大规模数据的排序效率较高。
- 缺点：不稳定排序算法，不适用于需要保持原始顺序的情况。
- 适用场景：适用于大规模数据的排序需求，尤其是需要高效率且不关心排序稳定性的情况。
根据上述分析，不同的排序算法适用于不同的情况。在实际应用中，可以根据以下几点考虑选择合适的排序算法：
- 数据规模：对于小规模数据，可以考虑插入排序、冒泡排序等；对于大规模数据，可以优先考虑快速排序、归并排序或堆排序。
- 数据状态：如果数据已经基本有序，插入排序和冒泡排序可能会更快；如果数据随机分布或无序，快速排序通常表现较好。
- 稳定性要求：如果需要保持相等元素的相对顺序不变，应该选择稳定的排序算法，如归并排序。
- 内存使用：如果内存空间有限，应该选择空间复杂度较低的排序算法，如堆排序。
综合考虑以上因素，选择合适的排序算法将有助于提高程序的性能和效率。在实际开发中，根据具体的应用场景和数据特点来选择排序算法，进行性能优化是非常重要的。