`
hy2012_campus
  • 浏览: 30580 次
  • 性别: Icon_minigender_1
  • 来自: 河南
社区版块
存档分类
最新评论

各种排序总结

 
阅读更多

冒泡排序:

public static void bubbleSort(int[] array){
	int	temp = 0;
	for(int i = 0; i < array.length; i++){
		for(int j = 0; j < array.length - i - 1; j++){
			if(array[j] > array[j+1]){
				temp = array[j];
				array[j] = array[j+1];
				array[j+1] = temp;
			}
		}
	}
}

 选择排序:

public static void selectSort(int[] input){
	for(int i = 0; i < input.length; i++){
		int index = i;
		for(int j = i+1; j < input.length; j++){
			if(input[index]>input[j]){
				index = j;
			}
		}
		if(index != i){
			int temp = input[i];
			input[i] = input[index];
			input[index] = temp;
		}
	}
}

 shell排序

void shellSort(int[] a){
	int i,j,h;
	int r,temp;
	int x=0;
	for(a.length/2;r>=1;r/=2){
		for(i=r;i<a.length;i++){
			temp=a[i];
			j=i-r;
			while(j>=0&&temp<a[j]){
				a[j+r]=a[j];
				j-=r;
			}
			a[j+r]=temp;
		}
		x++;
	}
}

 快速排序

void quickSort(int[] arr,int left,int right){
	int f,t;
	int rtemp,ltemp;
	
	ltemp=left;
	rtemp=right;
	f=arr[(left+right)/2];
	while(ltemp<rtemp){
		while(arr[ltemp]<f){
			++ltemp;
		}
		while(arr[rtemp]>f){
			--rtemp;
		}
		if(ltemp<=rtemp){
			t=arr[ltemp];
			arr[ltemp]=arr[rtemp];
			arr[rtemp]=t;
			--rtemp;
			++ltemp;
		}
	}
	if(ltemp==rtemp){
		ltemp++;
	}
	if(left<rtemp){
		quickSort(arr,left,ltemp-1);
	}
	if(ltemp<right){
		quickSort(arr,rtemp+1,right);
	}
}

 基数排序:

private static void radixSort(int[] array,int d){
	int n=1;	//代表位数对应的数:1,10,100...
	int k=0;	//保存每一位排序后的结果用于下一位的排序输入
	int length=array.length;
	//排序桶用于保存每次排序后的结果,这一位上排序结果相同的数字放在同一个桶里
	int[][] bucket=new int[10][length];
	int[] order=new int[length];//用于保存每个桶里有多少个数字
	while(n < d){
	   for(int num:array){
		   int digit=(num/n)%10;
		   bucket[digit][order[digit]]=num;
		   order[digit]++;
	   }
	  
	   //将前一个循环生成的桶里的数据覆盖到原数组中用于保存这一位的排序结果
	   for(int i = 0; i < length; i++){
		   //这个桶里有数据,从上到下遍历这个桶并将数据保存到原数组
		   if(order[i] != 0){
			  for(int j = 0; j < order[i]; j++){
				   array[k] = bucket[i][j];
				   k++;
			  }
		   }
		   order[i]=0;//将桶里计数器置0,用于下一次位排序
	   }
	   n*=10;
	   k=0;//将k置0,用于下一轮保存位排序结果
	}  
}

 计数排序:

/**
 *计数排序:下面博客地址讲解的超级详细
 *http://www.cnblogs.com/kaituorensheng/archive/2013/02/23/2923877.html
 **/
public static void countsort(int[] input, int[] output, int k) {
	// input为输入数组,output为输出数组,k表示有所输入数字都介于0到k之间(包含k)
	int[] c = new int[k];// 临时存储区
	int len = c.length;
	// 初始化
	for (int i = 0; i < len; i++) {
	  c[i] = 0;
	}
	// 检查每个输入元素,如果一个输入元素的值为input[i],那么c[input[i]]的值加1,
   //此操作完成后,c[i]中存放了值为i的元素的个数
	for (int i = 0; i < input.length; i++) {
	  c[input[i]]++;
	}
	
   // 通过在c中记录计数和,c[i]中存放的是小于等于i元素的数字个数
	for (int i = 1; i < len; i++) {
	  c[i] = c[i] + c[i - 1];
	}
	
	// 把输入数组中的元素放在输出数组中对应的位置上
	for (int i = input.length - 1; i >= 0; i--) {// 从后往前遍历
	  output[c[input[i]] - 1] = input[i];
	  c[input[i]]--;// 该操作使得下一个值为input[i]的元素直接进入输出数组中input[i]的前一个位置
	}
}

 归并排序:

public class Test {
	public static void main(String[] args) {
		int[] ia = {4,8,9,5,2,1,4,6};
		mergeSort(ia, 0, ia.length-1);
		for(int i : ia){
			System.out.print(i +" ");
		}
	}
	public static void mergeSort(int[] a, int low, int high){
		if(low < high){
			mergeSort(a, low, (high + low)/2);
			mergeSort(a, (low + high)/2+1, high);
			merge(a,low, (high + low)/2, high);
		}
	}
	//将连个数组合并成一个数组
	public static void merge(int[] a,int p,int q,int r){
		int[] b = new int[r-p+1];
		int s = p;
		int t = q+1;
		int k = 0;
		while(s <= q && t <= r){
			if(a[s] < a[t]){
				b[k++] = a[s++];
			}else{
				b[k++] = a[t++];
			}
		}
		while(s <= q){
			b[k++] = a[s++];
		}
		while(t <= r){
			b[k++] = a[t++];
		}
		for(int i = 0; i < b.length; i++){
			a[p+i] = b[i];
		}
	}
}

 堆排序:

public class MaxHeap {
	int[] heap;
	int heapsize;
	public MaxHeap(int[] array){
	    this.heap=array;    
	    this.heapsize=heap.length;
	}
	public void buildMaxHeap(){
	    for(int i=heapsize/2-1;i>=0;i--){
	        maxify(i);//依次向上将当前子树最大堆化
	    }
	}
	public void heapSort(){
	    for(int i=0;i<heap.length;i++){
	        //执行n次,将每个当前最大的值放到堆末尾
	        int tmp=heap[0];
	        heap[0]=heap[heapsize-1];
	        heap[heapsize-1]=tmp;
	        heapsize--;
	        maxify(0);
	    }
	}
	public void maxify(int i){
	    int l=left(i);
	    int r=right(i);
	    int largest;
	    
	    if(l<heapsize&&heap[l]>heap[i])
	        largest=l;
	    else
	        largest=i;
	    if(r<heapsize&&heap[r]>heap[largest])
	        largest=r;
	    if(largest==i||largest>=heapsize)//如果largest等于i说明i是最大元素 largest超出heap范围说明不存在比i节点大的子女
	        return ;
	    int tmp=heap[i];//交换i与largest对应的元素位置,在largest位置递归调用maxify
	    heap[i]=heap[largest];
	    heap[largest]=tmp;
	    maxify(largest);
	}
	public void increaseValue(int i,int val){
	    heap[i]=val;
	    if(i>=heapsize||i<=0||heap[i]>=val)
	        return;
	    int p=parent(i);
	    if(heap[p]>=val)
	        return;
	    heap[i]=heap[p];
	    increaseValue(p, val);
	}
	private int parent(int i){
	    return (i-1)/2;
	}
	private int left(int i){
	    return 2*(i+1)-1;
	}
	private int right(int i){
	    return 2*(i+1);
	}
}
public class Demo {
	
	public static void main(String[] args){
	    int[] array = new int[]{1,2,3,4,7,8,9,10,14,16};
	    MaxHeap heap = new MaxHeap(array);
	    System.out.println("构造一个堆的结构:");
	    printHeapTree(heap.heap);
	    heap.buildMaxHeap();
	    System.out.println("执行最大堆化后堆的结构:");
	    printHeapTree(heap.heap);
	    heap.heapSort();
	    System.out.println("执行堆排序后数组的内容");
	    printHeap(heap.heap);
	}
	
	/** 打印已经构造好的堆  */
	private static void printHeapTree(int[] array){
	    for(int i = 1; i < array.length; i = i*2){
	        for(int k = i-1; k < 2*(i)-1 && k < array.length; k++){
	            System.out.print(array[k]+" ");
	        }
	        System.out.println();
	    }    
	}
	/** 输出调整好后的堆 */
	private static void printHeap(int[] array){
	    for(int i = 0; i < array.length; i++){
	        System.out.print(array[i]+" ");
	    }
	}
}

 

 

分享到:
评论

相关推荐

    Java 基础各种排序总结

    本文将深入探讨Java中的各种排序算法,帮助你巩固理解并提升编程技能。 首先,我们从最基本的内部排序算法开始,如冒泡排序(Bubble Sort)。冒泡排序通过不断交换相邻的错误顺序元素来实现排序,它的复杂度在最坏...

    常用排序算法总结 常用排序算法总结 常用排序算法总结

    常用排序算法总结常用排序算法总结常用排序算法总结常用排序算法总结常用排序算法总结常用排序算法总结常用排序算法总结常用排序算法总结常用排序算法总结常用排序算法总结

    java各种排序算法总结

    所谓排序,就是使一串记录,按照其中的某个或某些关键字的大小,递增或递减的排列起来的操作。...在各个领域中考虑到数据的各种限制和规范,要得到一个符合实际的优秀算法,得经过大量的推理和分析。

    各种排序算法总结(ppt)

    在这个名为“各种排序算法总结(ppt)”的资料中,我们将会深入探讨多种常见的排序算法,包括它们的基本原理、优缺点以及实际应用。** 首先,我们要了解排序的目的是为了使数据有序,这在数据处理和分析中具有广泛...

    数据结构各种排序算法总结

    数据结构各种算法总结,冒泡法等排序算法的比较,有助于更深刻的理解

    各种排序算法的稳定性和时间复杂度总结

    ### 各种排序算法的稳定性和时间复杂度总结 #### 排序算法的稳定性与时间复杂度概述 在计算机科学中,排序算法是基础且重要的组成部分,用于将一系列数据按照特定顺序排列。排序算法的效率通常由其时间复杂度决定...

    八大排序算法总结

    【排序算法总结】 排序是计算机科学中的一项基本操作,它涉及到如何有效地重新排列一组数据,使其按照特定的顺序排列。本文将重点介绍八大排序算法,包括插入排序、希尔排序、交换排序、快速排序、选择排序、堆排序...

    【排序结构5】 基于比较的内部排序总结

    【排序结构5】基于比较的内部排序总结 在计算机科学中,排序是将一组数据按照特定顺序排列的过程。内部排序,或称为内存排序,是指数据记录在内存中进行的排序,与外部排序(数据量太大无法全部装入内存)相对。本...

    各种排序算法总结

    常用排序算法总结,包括插入排序(InsertionSort),冒泡排序(BubbleSort),选择排序(SelectionSort),快速排序(QuickSort), * 二路归并排序(MergeSort),堆排序(HeapSort)。有每一种排序算法的复杂度分析以及实现...

    排序算法总结和比较

    本文主要总结和比较了九种常见的排序算法:快速排序、归并排序、堆排序、Shell排序、插入排序、冒泡排序、交换排序、选择排序以及基数排序。 1. **快速排序**:快速排序是一种基于分治思想的高效排序算法,由C.A.R....

    各种排序算法比较

    ### 各种排序算法比较 #### 一、稳定性比较 稳定性是排序算法中一个重要的特性,指的是相等的元素在排序前后保持原有的相对位置不变。根据文档提供的信息,我们可以总结出以下结论: - **稳定排序**:插入排序、...

    总结了各种排序算法,并用C++代码实现,并有演示

    本资源"总结了各种排序算法,并用C++代码实现,并有演示",提供了丰富的学习材料,包括不同类型的排序算法以及它们的C++实现,还有可能的可视化演示,帮助理解每种算法的工作原理。 首先,让我们逐一了解常见的排序...

    C#排序算法总结

    C#排序算法总结涵盖了交换排序和插入排序两大类排序算法,其中交换排序包括了冒泡排序、选择排序和快速排序,而插入排序则涉及直接插入排序和折半插入排序。下面将详细介绍每种排序算法的实现原理、特点以及在C#中的...

    堆排序总结 堆排序总结

    ### 堆排序总结 #### 1. 堆排序定义 堆排序是一种基于比较的排序算法,它利用了一种特殊的完全二叉树结构——堆(heap)来组织数据。在一个堆中,每个节点的关键字都不大于(对于大根堆)或都不小于(对于小根堆)...

    数据结构排序总结及java实现

    ### 数据结构排序总结及Java实现 #### 排序概述 排序是计算机科学中一项重要的基础技术,用于将一组数据按照特定顺序(升序或降序)进行排列。本篇文章将介绍几种常见的排序算法,并提供相应的Java实现代码。这些...

    qsort总结.pdf快速排序总结qsort总结.pdf快速排序总结

    `qsort`函数是C语言中非常强大的工具之一,能够处理各种数据类型的排序需求。通过对不同类型的数组或结构体进行排序,我们可以看到`qsort`函数的强大灵活性。正确地定义比较函数是使用`qsort`的关键。希望本文能帮助...

    几种排序算法总结及比较

    例如,可以使用随机生成的数据,或者包含大量重复值的数据,以及已部分排序的数据,以全面评估各种排序算法的性能。 在实际应用中,选择合适的排序算法取决于数据的特性和对时间、空间效率的需求。快速排序通常被...

Global site tag (gtag.js) - Google Analytics