虽然以前写过两篇关于内排序的博客，但时间一长这算法也就容易忘记了，所以最近又整理了一次，将八种排序方法一一实现下，它们分别是：
| 直接插入排序 | 希尔排序 |
| 冒泡排序 | 快速排序 |
| 直接选择排序 | 堆排序 |
| 归并排序 | 最低位优先的基数排序 |
前面七种排序我用的数据结构是hashMap，其储存方式为<key,value>的键值对形式，我选的则是<Integer,Integer>（读者也可以使用数组类型保存数据，正如我前两篇博客那样），值得一提的是哈希表中的0号位全是来用作交换数据的中间值（即hashMap.put(0, null);//第一位置空），如对HashMap不熟悉的读者可以参考相关API，程序中会使用到的方法也只有hashPut.put(key, value)、hashMap.get(key)和hashMap.clear()而已。算法的思想我在这里就不一一详细介绍了，原因是下面的代码中有更为详尽的解释，我就不多此一举了。
——————————————————直接插入排序——————————————————————
package com.sorting;
import java.util.HashMap;
/**
* 直接插入排序
* @author HHF
* 2014年3月19日
*/
public class InsertSort {
private static int contrastCount = 0;//对比次数
private static int swapCount = 0;//交换次数
public static void main(String[] args) {
System.out.println("直接插入排序：\n 假设前面的序列都已经排序好了，把后面未排序的数往已排好序的序列内插入,时间复杂度O(n^2),空间复杂度O(1)，稳定排序");
HashMap<Integer,Integer> hashMap = new HashMap<Integer,Integer>();
init(hashMap);//初始化
System.out.println("初始序列为：");
print(hashMap, 0);//打印
insert(hashMap);//排序
}
/**
* 初始化函数
* @param hashMap
*/
private static void init(HashMap<Integer, Integer> hashMap) {
hashMap.put(0, null);//第一位置空
hashMap.put(1, 0);
hashMap.put(2, 5);
hashMap.put(3, 11);
hashMap.put(4, 12);
hashMap.put(5, 13);
hashMap.put(6, 4);
hashMap.put(7, 1);
hashMap.put(8, 5);
hashMap.put(9, 8);
hashMap.put(10, 6);
hashMap.put(11, 4);
hashMap.put(12, 8);
}
/**
* 进行插入排序
* @param hashMap 待排序的表
*/
private static void insert(HashMap<Integer, Integer> hashMap){
System.out.println("开始插入排序：");
int i,j;
//排序开始时间
long start = System.currentTimeMillis();
for(i=2; i<hashMap.size(); i++){//从第二个开始排序，知道最后一个结束
hashMap.put(0, hashMap.get(i));//储存待排序的数，以便前面的书好向后交换位置
swapCount++;//发生一次交换
j = i-1;//指向有序列
while(hashMap.get(0) < hashMap.get(j)){//当发现有比待排序书大的时候 该数后移一位
hashMap.put(j+1, hashMap.get(j));
j--;//继续向前寻找合适的位置
swapCount++;//发生一次交换
contrastCount++;//发生一次对比
}
contrastCount++;//跳出while循环还有一次对比
hashMap.put(j+1, hashMap.get(0));//放入合适的位置
swapCount++;//发生一次交换
/*比如说 我发现从第5号元素开始前面的数都比待排序值小
则j=5，且第6号元素位为合适的位置且为空
所以有j++
*/
print(hashMap, i-1);//输出每趟的序列
}
//排序结束时间
long end = System.currentTimeMillis();
System.out.println("结果为：");
print(hashMap, 0);//输出排序结束的序列
hashMap.clear();//清空
System.out.print("一共发生了 "+contrastCount+" 次对比\t");
System.out.print("一共发生了 "+swapCount+" 次交换\t");
System.out.println("执行时间为"+(end-start)+"毫秒");
}
/**
* 打印已排序好的元素
* @param hashMap 已排序的表
* @param j 第j趟排序
*/
private static void print(HashMap<Integer, Integer> hashMap, int j){
if(j != 0)
System.out.print("第 "+j+" 趟：\t");
for(int i=1; i<hashMap.size(); i++){//从第一个一直输出到最后一个
System.out.print(hashMap.get(i)+"\t");
}
System.out.println();
}
}
——————————————————希尔排序————————————————————————
package com.sorting;
import java.util.HashMap;
/**
* 希尔排序
* @author HHF
* 2014年3月19日
*/
public class HillSort {
private static int contrastCount = 0;//对比次数
private static int swapCount = 0;//交换次数
public static void main(String[] args) {
System.out.println("希尔排序：\n 分间隔的直接插入排序，假定一个增量d，把全部n个记录分成d组，各组内直接插入排序；再取d1<d，重复分组排序，直到d=1,时间复杂度O(n^1.3),空间复杂度O(1)，不稳定排序");
HashMap<Integer,Integer> hashMap = new HashMap<Integer,Integer>();
init(hashMap);//初始化
System.out.println("初始序列为：");
print(hashMap, 0, 0);//打印
hill(hashMap);//排序
}
/**
* 初始化函数
* @param hashMap
*/
private static void init(HashMap<Integer, Integer> hashMap) {
hashMap.put(0, null);//第一位置空
hashMap.put(1, 10);
hashMap.put(2, 5);
hashMap.put(3, 11);
hashMap.put(4, 12);
hashMap.put(5, 13);
hashMap.put(6, 4);
hashMap.put(7, 1);
hashMap.put(8, 5);
hashMap.put(9, 8);
hashMap.put(10, 6);
hashMap.put(11, 4);
hashMap.put(12, 8);
}
/**
* 进行希尔排序
* @param hashMap 待排序的表
*/
private static void hill(HashMap<Integer, Integer> hashMap){
System.out.println("开始希尔排序：");
//排序开始时间
long start = System.currentTimeMillis();
int d = hashMap.size()-1;//初始化增量d
int count = 1;//只为统计执行次数
while(true){
d = d / 2;//增量每次对半减
for(int x=1;x<=d;x++){//一共有d组 x表示每一组的一个数的下表
for(int i=x+d; i<hashMap.size(); i=i+d){//开始直接插入排序 每组内的数下标间隔d i表示这一组数的下标
hashMap.put(0, hashMap.get(i));//当前被待排序的书
swapCount++;//发生一次交换
int j = 0;//i之前的同一组数的下标
for(j=i-d; j>=0&&(hashMap.get(j)>hashMap.get(0)); j=j-d){//寻找i的当前合适位置 从i-d开始往前找
//只有当被查下标有效 且 被查值比待排序值大时才应该发生交换
hashMap.put(j+d, hashMap.get(j));
contrastCount++;//发生一次对比
swapCount++;//发生一次交换
}
contrastCount++;//跳出for循环还有一次对比
hashMap.put(j+d, hashMap.get(0));//放入合适的位置
swapCount++;//发生一次交换
//一趟直接插入排序结束
}
}
print(hashMap, count++, d);
if(d == 1){
break;
}
}
//排序结束时间
long end = System.currentTimeMillis();
System.out.println("结果为：");
print(hashMap, 0, 0);//输出排序结束的序列
hashMap.clear();//清空
System.out.print("一共发生了 "+contrastCount+" 次对比\t");
System.out.print("一共发生了 "+swapCount+" 次交换\t");
System.out.println("执行时间为"+(end-start)+"毫秒");
}
/**
* 打印已排序好的元素
* @param hashMap 已排序的表
* @param j 第j趟排序
* @param d 当前的增量
*/
private static void print(HashMap<Integer, Integer> hashMap, int j, int d){
if(j != 0)
System.out.print("第 "+j+" 趟：（d="+d+"）\t");
for(int i=1; i<hashMap.size(); i++){//从第一个一直输出到最后一个
System.out.print(hashMap.get(i)+"\t");
}
System.out.println();
}
}
——————————————————冒泡排序————————————————————————
package com.sorting;
import java.util.HashMap;
/**
* 冒泡排序
* @author HHF
* 2014年3月19日
*/
public class BubbleSort {
private static int contrastCount = 0;//对比次数
private static int swapCount = 0;//交换次数
public static void main(String[] args) {
System.out.println("冒泡排序：\n 第一轮使最大值沉淀到最底下，采用从头开始的两两比较的办法，如果i大于i++则交换，下一次有从第一个开始循环，比较次数减一，然后依次重复即可,"
+ "\n 如果一次比较为发生任何交换，则可提前终止，时间复杂度O(n^2),空间复杂度O(1)，稳定排序");
HashMap<Integer,Integer> hashMap = new HashMap<Integer,Integer>();
init(hashMap);//初始化
System.out.println("初始序列为：");
print(hashMap, 0);//打印
bubble(hashMap);//排序
}
/**
* 初始化函数
* @param hashMap
*/
private static void init(HashMap<Integer, Integer> hashMap) {
hashMap.put(0, null);//第一位置空
hashMap.put(1, 10);
hashMap.put(2, 5);
hashMap.put(3, 11);
hashMap.put(4, 12);
hashMap.put(5, 13);
hashMap.put(6, 4);
hashMap.put(7, 1);
hashMap.put(8, 5);
hashMap.put(9, 8);
hashMap.put(10, 6);
hashMap.put(11, 4);
hashMap.put(12, 8);
}
/**
* 进行冒泡排序
* @param hashMap 待排序的表
*/
private static void bubble(HashMap<Integer, Integer> hashMap){
System.out.println("开始冒泡排序：");
//排序开始时间
long start = System.currentTimeMillis();
boolean swap = false;//是否发生交换
int count = 1;//只为了计数
for(int i=1; i<hashMap.size(); i++){
swap = false;
for(int j=1; j<hashMap.size()-i; j++){
if(hashMap.get(j)>hashMap.get(j+1)){//需要发生交换j 和 j+1
hashMap.put(0, hashMap.get(j));
hashMap.put(j, hashMap.get(j+1));
hashMap.put(j+1, hashMap.get(0));
swap = true;
contrastCount++;//发生一次对比
swapCount++;//发生一次交换
swapCount++;//发生一次交换
swapCount++;//发生一次交换
}
contrastCount++;//跳出if还有一次对比
}
print(hashMap, count++);
if(!swap)
break;
}
//排序结束时间
long end = System.currentTimeMillis();
System.out.println("结果为：");
print(hashMap, 0);//输出排序结束的序列
hashMap.clear();//清空
System.out.print("一共发生了 "+contrastCount+" 次对比\t");
System.out.print("一共发生了 "+swapCount+" 次交换\t");
System.out.println("执行时间为"+(end-start)+"毫秒");
}
/**
* 打印已排序好的元素
* @param hashMap 已排序的表
* @param j 第j趟排序
*/
private static void print(HashMap<Integer, Integer> hashMap, int j){
if(j != 0)
System.out.print("第 "+j+" 趟：\t");
for(int i=1; i<hashMap.size(); i++){//从第一个一直输出到最后一个
System.out.print(hashMap.get(i)+"\t");
}
System.out.println();
}
}
——————————————————快速排序————————————————————————
package com.sorting;
import java.util.HashMap;
/**
* 快速排序
* @author HHF
* 2014年3月19日
*/
public class QuickSort {
private static int contrastCount = 0;//对比次数
private static int swapCount = 0;//交换次数
public static void main(String[] args) {
System.out.println("快速排序：\n 任取一个数作为分界线，比它小的放到左边，比它大的放在其右边，然后分别对左右进行递归,时间复杂度O(nLgn),空间复杂度O(n)，不稳定排序");
HashMap<Integer,Integer> hashMap = new HashMap<Integer,Integer>();
init(hashMap);//初始化
System.out.println("初始序列为：");
print(hashMap, 0, 0);//打印
System.out.println("开始快速排序：");
//排序开始时间
long start = System.currentTimeMillis();
quick(hashMap, 1, hashMap.size()-1);//排序
//排序结束时间
long end = System.currentTimeMillis();
System.out.println("结果为：");
print(hashMap, 0, 0);//输出排序结束的序列
hashMap.clear();//清空
System.out.print("一共发生了 "+contrastCount+" 次对比\t");
System.out.print("一共发生了 "+swapCount+" 次交换\t");
System.out.println("执行时间为"+(end-start)+"毫秒");
System.out.println("(注：此输出序列为代码执行过程的序列， 即先左边递归 再 右边递归， 而教科书上的递归序列往往是左右同时进行的结果，特此说明)");
}
/**
* 初始化函数
* @param hashMap
*/
private static void init(HashMap<Integer, Integer> hashMap) {
hashMap.put(0, null);//第一位置空
hashMap.put(1, 10);
hashMap.put(2, 5);
hashMap.put(3, 11);
hashMap.put(4, 12);
hashMap.put(5, 13);
hashMap.put(6, 4);
hashMap.put(7, 1);
hashMap.put(8, 5);
hashMap.put(9, 8);
hashMap.put(10, 6);
hashMap.put(11, 4);
hashMap.put(12, 8);
}
/**
* 进行快速排序
* @param hashMap 待排序的表
* @param low
* @param high
*/
static int count = 1;
private static void quick(HashMap<Integer, Integer> hashMap, int low, int high){
if(low<high){//跳出递归的条件
int k = quickOnePass(hashMap, low, high);//开始一趟排序
print(hashMap, count++, hashMap.get(k));
quick(hashMap, low, k-1);//对左边的序列递归排序
quick(hashMap, k+1, high);//对右边的序列递归排序
}
}
/**
* 进行快速排序
* @param hashMap 待排序的表
* @param low
* @param high
*/
private static int quickOnePass(HashMap<Integer, Integer> hashMap, int low, int high){
hashMap.put(0, hashMap.get(low));//选择一个分界值 此时第low位元素内的值已经无所谓被覆盖了
swapCount++;//发生一次交换
while(low<high){//左右两边还有数据为检查时
while(low<high && hashMap.get(0)<hashMap.get(high)){//先开始从右往左走 直到有不对的数据 或者 到头了
high--;
contrastCount++;//发生一次对比
}
if(low<high){//如果停下来是因为不对的数据 而不是 到头了
hashMap.put(low++, hashMap.get(high));
swapCount++;//发生一次交换
}
while(low<high && hashMap.get(0)>hashMap.get(low)){//开始从左往右走 直到有不对的数据 或者 到头了
low++;
contrastCount++;//发生一次对比
}
if(low<high){//如果停下来是因为不对的数据 而不是 到头了
hashMap.put(high--, hashMap.get(low));
swapCount++;//发生一次交换
}
}
hashMap.put(low, hashMap.get(0));
swapCount++;//发生一次交换
return low;
}
/**
* 打印已排序好的元素
* @param hashMap 已排序的表
* @param j 第j趟排序
* @param k 第k个元素被选中为分界线
*/
private static void print(HashMap<Integer, Integer> hashMap, int j, int k){
if(j != 0)
System.out.print("第 "+j+" 趟：(分界线为"+k+")\t");
for(int i=1; i<hashMap.size(); i++){//从第一个一直输出到最后一个
System.out.print(hashMap.get(i)+"\t");
}
System.out.println();
}
}
——————————————————直接选择排序——————————————————————
package com.sorting;
import java.util.HashMap;
/**
* 选择排序
* @author HHF
* 2014年3月19日
*/
public class SelectionSort {
private static int contrastCount = 0;//对比次数
private static int swapCount = 0;//交换次数
public static void main(String[] args) {
System.out.println("选择排序：\n 每次选择最小的，然后与对应的位置处元素交换,时间复杂度O(n^2),空间复杂度O(1)，不稳定排序");
HashMap<Integer,Integer> hashMap = new HashMap<Integer,Integer>();
init(hashMap);//初始化
System.out.println("初始序列为：");
print(hashMap, 0, 0);//打印
select(hashMap);//排序
}
/**
* 初始化函数
* @param hashMap
*/
private static void init(HashMap<Integer, Integer> hashMap) {
hashMap.put(0, null);//第一位置空
hashMap.put(1, 10);
hashMap.put(2, 5);
hashMap.put(3, 11);
hashMap.put(4, 12);
hashMap.put(5, 13);
hashMap.put(6, 4);
hashMap.put(7, 1);
hashMap.put(8, 5);
hashMap.put(9, 8);
hashMap.put(10, 6);
hashMap.put(11, 4);
hashMap.put(12, 8);
}
/**
* 进行选择排序
* @param hashMap 待排序的表
*/
private static void select(HashMap<Integer, Integer> hashMap){
System.out.println("开始选择排序：");
//排序开始时间
long start = System.currentTimeMillis();
int count = 1;//只为统计执行次数
for(int i=hashMap.size()-1; i>1; i--){//需要循环查询的次数 最后一个元素不用考虑
int k = i;//记录本次查找序列最大值的下标 初始为该数应该要放的位置
for(int j=1; j<i; j++){//
if(hashMap.get(k)<hashMap.get(j)){
k=j;//记录当前最大的数的下标
contrastCount++;//发生一次对比
}
}
//此时k中保存了i位置应该放的数的下标 于是发生交换
if(i != k ){
hashMap.put(0, hashMap.get(k));
hashMap.put(k, hashMap.get(i));
hashMap.put(i, hashMap.get(0));
swapCount++;//发生一次交换
swapCount++;//发生一次交换
swapCount++;//发生一次交换
}
print(hashMap, count++, i);//输出排序结束的序列
}
//排序结束时间
long end = System.currentTimeMillis();
System.out.println("结果为：");
print(hashMap, 0, 0);//输出排序结束的序列
hashMap.clear();//清空
System.out.print("一共发生了 "+contrastCount+" 次对比\t");
System.out.print("一共发生了 "+swapCount+" 次交换\t");
System.out.println("执行时间为"+(end-start)+"毫秒");
}
/**
* 打印已排序好的元素
* @param hashMap 已排序的表
* @param j 第j趟排序
* @param d 被选到的数
*/
private static void print(HashMap<Integer, Integer> hashMap, int j, int d){
if(j != 0)
System.out.print("第 "+j+" 趟：\t");
for(int i=1; i<hashMap.size(); i++){//从第一个一直输出到最后一个
System.out.print(hashMap.get(i)+"\t");
}
System.out.println();
}
}
——————————————————堆排序—————————————————————————
package com.sorting;
import java.util.HashMap;
/**
* 堆排序——极大堆
* @author HHF
* 2014年3月19日
*/
public class HeapSort {
private static int contrastCount = 0;//对比次数
private static int swapCount = 0;//交换次数
private static int printCount = 1;//执行打印次数
public static void main(String[] args) {
System.out.println("堆排序：\n 首先建立一个堆（方法是首先把序列排成二叉树，然后从下往上，从右往左使得每一个小子树中的父节点大于子节点，然后从上往下，从左往右记录堆入序列）,"
+ "\n 然后把堆的根节点和最底下 的孩子节点交换，整理堆，再重复交换，整理，时间复杂度O(nlgn),空间复杂度O(1)，不稳定排序");
HashMap<Integer,Integer> hashMap = new HashMap<Integer,Integer>();
init(hashMap);//初始化
System.out.println("初始序列为：");
print(hashMap, 0);//打印
heap(hashMap);//排序
}
/**
* 初始化函数
* @param hashMap
*/
private static void init(HashMap<Integer, Integer> hashMap) {
hashMap.put(0, null);//第一位置空
hashMap.put(1, 10);
hashMap.put(2, 5);
hashMap.put(3, 11);
hashMap.put(4, 12);
hashMap.put(5, 13);
hashMap.put(6, 4);
hashMap.put(7, 1);
hashMap.put(8, 5);
hashMap.put(9, 8);
hashMap.put(10, 6);
hashMap.put(11, 4);
hashMap.put(12, 8);
}
/**
* 进行堆排序
* @param hashMap 待排序的表
*/
private static void heap(HashMap<Integer, Integer> hashMap){
System.out.println("开始建堆：");
//排序开始时间87
long start = System.currentTimeMillis();
for(int i=(hashMap.size()-1)/2; i>=1; i--){//开始建堆
sift(hashMap, i, hashMap.size()-1);//把所有的节点调好位置即可以
}
System.out.println("建堆成功");
for(int j=hashMap.size()-1; j>=1; j--){//每次都把第一个元素与最后一个未排序的交换 然后再调整第一个节点即可
hashMap.put(0, hashMap.get(1));
hashMap.put(1, hashMap.get(j));
hashMap.put(j, hashMap.get(0));
sift(hashMap, 1, j-1);//剩下要排序的数位为j-1
swapCount++;//发生一次交换
swapCount++;//发生一次交换
swapCount++;//发生一次交换
}
//排序结束时间
long end = System.currentTimeMillis();
System.out.println("结果为：");
print(hashMap, 0);//输出排序结束的序列
hashMap.clear();//清空
System.out.print("一共发生了 "+contrastCount+" 次对比\t");
System.out.print("一共发生了 "+swapCount+" 次交换\t");
System.out.println("执行时间为"+(end-start)+"毫秒");
}
/**
* 把第i位的元素移动到合适位置 与其子孩子的最大值比较 如果有发生交换 则继续往下比较
* @param hashMap
* @param i 待移动的数下标
* @param n 表示要查找的范围 从1到n个
*/
private static void sift(HashMap<Integer, Integer> hashMap, int i, int n){
int j = 2*i;//j为i的左孩子
hashMap.put(0, hashMap.get(i));//当前被待排序的数
while(j<=n){//如果有左孩子的
if(hashMap.containsKey(j+1) && hashMap.get(j)<hashMap.get(j+1)){//保证j为最大的孩子
j++;
}
contrastCount++;//发生一次对比
if(hashMap.get(0)<hashMap.get(j)){//如果是孩子比较大
hashMap.put(i, hashMap.get(j));//交换
i=j;//转移根节点下标
j*=2;//转移孩子节点下标
swapCount++;//发生一次交换
}else//如果是根比较大
break;
contrastCount++;//发生一次对比
}
hashMap.put(i, hashMap.get(0));//i为当前的合适位置
swapCount++;//发生一次交换
print(hashMap, printCount++);//输出排序结束的序列
}
/**
* 打印已排序好的元素
* @param hashMap 已排序的表
* @param j 第j趟排序
*/
private static void print(HashMap<Integer, Integer> hashMap, int j){
if(j != 0)
System.out.print("第 "+j+" 趟：\t");
for(int i=1; i<hashMap.size(); i++){//从第一个一直输出到最后一个
System.out.print(hashMap.get(i)+"\t");
}
System.out.println();
}
}
——————————————————归并排序————————————————————————
package com.sorting;
import java.util.HashMap;
/**
* 归并排序
* @author HHF
* 2014年3月19日
*/
public class MergeSort {
private static int contrastCount = 0;//对比次数
private static int swapCount = 0;//交换次数
private static int printCount = 1;//只为统计执行次数
public static void main(String[] args) {
System.out.println("归并尔排序：\n 先将数据分为n组，然后没两组开始合并，相邻两个合并为一个新的有序队列，重复合并直到整个队列有序,时间复杂度O(nlgn),空间复杂度O(n)，稳定排序");
HashMap<Integer,Integer> hashMap = new HashMap<Integer,Integer>();//未排序
HashMap<Integer,Integer> hashMapNew = new HashMap<Integer,Integer>();//已排序
hashMapNew.put(0, null);//第一位置空
init(hashMap);//初始化
System.out.println("初始序列为：");
print(hashMap, 0);//打印
System.out.println("开始归并尔排序：");
//排序开始时间
long start = System.currentTimeMillis();
merge(hashMap, hashMapNew, 1, hashMap.size()-1);//排序
//排序结束时间
long end = System.currentTimeMillis();
System.out.println("结果为：");
print(hashMapNew, 0);//输出排序结束的序列
hashMap.clear();//清空
System.out.print("一共发生了 "+contrastCount+" 次对比\t");
System.out.print("一共发生了 "+swapCount+" 次交换\t");
System.out.println("执行时间为"+(end-start)+"毫秒");
System.out.println("(注：此输出序列为代码执行过程的序列， 即先左边递归 再 右边递归， 而教科书上的递归序列往往是左右同时进行的结果，特此说明)");
}
/**
* 初始化函数
* @param hashMap
*/
private static void init(HashMap<Integer, Integer> hashMap) {
hashMap.put(0, null);//第一位置空
hashMap.put(1, 10);
hashMap.put(2, 5);
hashMap.put(3, 11);
hashMap.put(4, 12);
hashMap.put(5, 13);
hashMap.put(6, 4);
hashMap.put(7, 1);
hashMap.put(8, 5);
hashMap.put(9, 8);
hashMap.put(10, 6);
hashMap.put(11, 4);
hashMap.put(12, 8);
}
/**
* 进行归并尔排序
* @param hashMap 待排序的表
* @param hashMapNew 已排序的表
*/
private static void merge(HashMap<Integer, Integer> hashMap, HashMap<Integer, Integer> hashMapNew, int low, int high){
if(low == high){
hashMapNew.put(low, hashMap.get(low));
swapCount++;//发生一次交换
}else{
int meddle = (int)((low+high)/2);//将这一序列数均分的中间值
merge(hashMap, hashMapNew, low, meddle);//继续对左边的序列递归
merge(hashMap, hashMapNew, meddle+1, high);//对右边的序列递归
mergeSort(hashMap, hashMapNew, low, meddle, high);//把相邻的序列组合起来
for(int i=low; i<=high; i++){//将已经排好序的hashMapNew【low，high】覆盖hashMap【low，high】以便进入下一次的递归归并
hashMap.put(i, hashMapNew.get(i));
swapCount++;//发生一次交换
}
}
}
/**
* 进行归并尔排序 把【low，meddle】和【meddle+1，high】和并为一个有序的hashMapNew【low,high】
* @param hashMap 待排序的表
* @param hashMapNew 已排序的表
* @param low 低位
* @param meddle 中位
* @param high 高位
*/
private static void mergeSort(HashMap<Integer, Integer> hashMap, HashMap<Integer, Integer> hashMapNew, int low, int meddle, int high){
int k = low;
int j = meddle+1;
while(low<=meddle && j<=high){//两个序列组合成一个序列 从小到达的顺序
if(hashMap.get(low) < hashMap.get(j)){
hashMapNew.put(k++, hashMap.get(low++));//放入合适的位置
}else{
hashMapNew.put(k++, hashMap.get(j++));//放入合适的位置
}
contrastCount++;//发生一次对比
swapCount++;//发生一次交换
}
//如果有一方多出来了 则直接赋值
while(low<=meddle){
hashMapNew.put(k++, hashMap.get(low++));//放入合适的位置
swapCount++;//发生一次交换
}
while(j<=high){
hashMapNew.put(k++, hashMap.get(j++));//放入合适的位置
swapCount++;//发生一次交换
}
print(hashMapNew, printCount++);
}
/**
* 打印已排序好的元素
* @param hashMap 已排序的表
* @param j 第j趟排序
*/
private static void print(HashMap<Integer, Integer> hashMap, int j){
if(j != 0)
System.out.print("第 "+j+" 趟：\t");
for(int i=1; i<hashMap.size(); i++){//从第一个一直输出到最后一个
System.out.print(hashMap.get(i)+"\t");
}
System.out.println();
}
}
——————————————————最低位优先基数排序———————————————————
package com.sorting;
/**
* 最低位优先基数排序
* @author HHF
*
*/
public class LSDSort {
private static int contrastCount = 0;//对比次数
private static int swapCount = 0;//交换次数
private static int printCount = 1;//只为统计执行次数
public static void main(String[] args) {
System.out.println("最低位优先基数排序：\n 按个位、十位、百位排序，不需要比较，只需要对数求余然后保存到相应下标的二维数组内，然后依次读取，每一进制重复依次 ,时间复杂度O(d（n+rd）),空间复杂度O(n+rd)，稳定排序");
int[] data = { 173, 22, 93, 43, 55, 14, 28, 65, 39, 81, 33, 100 };
System.out.println("初始序列为：");
print(data, 0);//打印
LSD(data, 3);
}
public static void LSD(int[] number, int d) {// d表示最大的数有多少位
int k = 0;//number的小标
int n = 1;//当比较十位的时候 n=10 比较百位的时候 n=100 用来吧高位降低方便求余数
int m = 1;//正在比较number中数据的倒数第几位
int[][] temp = new int[10][number.length];// 数组的第一维表示可能的余数0-9 二维依次记录该余数相同的数
int[] order = new int[10];// 数组orderp[i]用来表示该位的余数是i的数的个数
//排序开始时间
long start = System.currentTimeMillis();
while (m <= d) {//d=5则比较五次
for (int i = 0; i < number.length; i++) {//把number中的数按余数插入到temp中去
int lsd = ((number[i] / n) % 10);//求得该数的余数
temp[lsd][order[lsd]] = number[i];//保存到相应的地方
order[lsd]++;//该余数有几个
swapCount++;//发生一次交换
}
for (int i = 0; i < 10; i++) {//将temp中的数据按顺序提取出来
if (order[i] != 0)//如果该余数没有数据则不需要考虑
for (int j = 0; j < order[i]; j++) {//有给余数的数一共有多少个
number[k] = temp[i][j];//一一赋值
k++;
swapCount++;//发生一次交换
}
order[i] = 0;//置零，以便下一次使用
}
n *= 10;//进制+1 往前走
k = 0;//从头开始
m++;//进制+1
print(number, printCount++);
}
//排序结束时间
long end = System.currentTimeMillis();
System.out.println("结果为：");
print(number, 0);//输出排序结束的序列
System.out.print("一共发生了 "+contrastCount+" 次对比\t");
System.out.print("一共发生了 "+swapCount+" 次交换\t");
System.out.println("执行时间为"+(end-start)+"毫秒");
}
/**
* 打印已排序好的元素
* @param data 已排序的表
* @param j 第j趟排序
*/
private static void print(int[] data, int j){
if(j != 0)
System.out.print("第 "+j+" 趟：\t");
for (int i = 0; i < data.length; i++) {
System.out.print(data[i] + " ");
}
System.out.println();
}
}
——————————————————算法分析————————————————————————
| 排序方法 | 最好时间 | 平均时间 | 最坏时间 | 辅助空间 | 稳定性 |
| 直接插入 | O(n) | O(n^2) | O(n^2) | O(1) | 稳定 |
| 冒泡 | O(n) | O(n^2) | O(n^2) | O(1) | 稳定 |
| 简单选择 | O(n^2) | O(n^2) | O(n^2) | O(1) | 不稳定 |
| 希尔 | O(n^1.3) | O(1) | 不稳定 | ||
| 快速 | O(nLNn) | O(nLNn) | O(n^2) | O(LNn) | 不稳定 |
| 堆 | O(nLNn) | O(nLNn) | O(nLNn) | O(1) | 不稳定 |
| 归并 | O(nLNn) | O(nLNn) | O(nLNn) | O(n) | 稳定 |
| 基数 | O(d(n+rd)) | O(d(n+rd)) | O(d(n+rd)) | O(n+rd) | 稳定 |
相关推荐
AB PLC例程代码项目案例 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！不清楚的可以私信问我！
kolesar_3cd_01_0716
latchman_01_0108
matlab程序代码项目案例 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！不清楚的可以私信问我！
pimpinella_3cd_01_0716
petrilla_01_0308
AB PLC例程代码项目案例 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！不清楚的可以私信问我！
内容概要：本文档由张卓老师讲解，重点探讨DeepSeek的技术革新及强化学习对未来AI发展的重要性。文章回顾了AI的历史与发展阶段，详细解析Transformer架构在AI上半场所起到的作用，深入介绍了MoE混合专家以及MLA低秩注意机制等技术特点如何帮助DeepSeek在AI中场建立优势，并探讨了当前强化学习的挑战和边界。文档不仅提及AlphaGo和小游戏等成功案例来说明强化学习的强大力量，还提出了关于未来人工通用智能（AGI）的展望，特别是如何利用强化学习提升现有LLMs的能力和性能。 适用人群：本资料适宜对深度学习感兴趣的研究人员、开发者以及想要深入了解人工智能最新进展的专业人士。 使用场景及目标：通过了解最新的AI技术和前沿概念，在实际工作中能够运用更先进的工具和技术解决问题。同时为那些寻求职业转型或者学术深造的人提供了宝贵的参考。 其他说明：文中提到了许多具体的例子和技术细节，如DeepSeek的技术特色、RL的理论背景等等，有助于加深读者对于现代AI系统的理解和认识。
有师傅小程序开源版v2.4.14 新增报价短信奉告 优化部分细节
AB PLC例程代码项目案例 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！不清楚的可以私信问我！
商城二级三级分销系统（小程序+后台含源码）.zip
li_3ck_01b_0918
nicholl_3cd_01_0516
媒体关注度是一个衡量公众对某个事件、话题或个体关注程度的重要指标。它主要反映了新闻媒体、社交媒体、博客等对于某一事件、话题或个体的报道和讨论程度。 媒体监督的J-F系数（Janis-Fadner系数）是一种用于测量媒体关注度的指标，特别是用于评估媒体对企业、事件或话题的监督力度。J-F系数基于媒体报道的正面和负面内容来计算，从而为公众、研究者或企业提供一个量化工具，以了解媒体对其关注的方向和强度。 本数据含原始数据、参考文献、代码do文件、最终结果。参考文献中JF系数计算公式。 指标 代码、年份、标题出现该公司的新闻总数、内容出现该公司的新闻总数、正面新闻数全部、中性新闻数全部、负面新闻数全部、正面新闻数原创、中性新闻数原创、负面新闻数原创，媒体监督JF系数。
AB PLC例程代码项目案例 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！不清楚的可以私信问我！
AB PLC例程代码项目案例 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！不清楚的可以私信问我！
AB PLC例程代码项目案例 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！不清楚的可以私信问我！
matlab程序代码项目案例 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载！欢迎交流学习！不清楚的可以私信问我！
lusted_3cd_02_0716
pepeljugoski_01_0107