十大经典排序算法

微风

2019/03/24 发布于 技术 分类

文字内容
1. 目 录 致谢 介绍 冒泡排序 选择排序 插入排序 希尔排序 归并排序 快速排序 堆排序 计数排序 桶排序 基数排序 本文档使用 书栈(BookStack.CN) 构建 -1-
2. 致谢 致谢 当前文档 《十大经典排序算法》 由 进击的皇虫 使用 书栈 (BookStack.CN) 进行构建,生成于 2018-03-12。 书栈(BookStack.CN) 仅提供文档编写、整理、归类等功能,以 及对文档内容的生成和导出工具。 文档内容由网友们编写和整理,书栈(BookStack.CN) 难以确认 文档内容知识点是否错漏。如果您在阅读文档获取知识的时候,发现文 档内容有不恰当的地方,请向我们反馈,让我们共同携手,将知识准 确、高效且有效地传递给每一个人。 同时,如果您在日常生活、工作和学习中遇到有价值有营养的知识 文档,欢迎分享到 书栈(BookStack.CN) ,为知识的传承献上您的 一份力量! 如果当前文档生成时间太久,请到 书栈(BookStack.CN) 获取 最新的文档,以跟上知识更新换代的步伐。 文档地址:http://www.bookstack.cn/books/JSSorting-Algorithm'>http://www.bookstack.cn/books/JSSorting-Algorithm 书栈官网:http://www.bookstack.cn 书栈开源:https://github.com/TruthHun 分享,让知识传承更久远! 感谢知识的创造者,感谢知识的分享 者,也感谢每一位阅读到此处的读者,因为我们都将成为知识的传承 者。 本文档使用 书栈(BookStack.CN) 构建 -2-
3. 致谢 本文档使用 书栈(BookStack.CN) 构建 -3-
4. 介绍 介绍 十大经典排序算法 十大经典排序算法 build passing 排序算法是《数据结构与算法》中最基本的算法之一。 排序算法可以分为内部排序和外部排序,内部排序是数据记录在内存中 进行排序,而外部排序是因排序的数据很大,一次不能容纳全部的排序 记录,在排序过程中需要访问外存。常见的内部排序算法有:插入排 序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、 基数排序等。用一张图概括: 关于时间复杂度: 本文档使用 书栈(BookStack.CN) 构建 -4-
5. 介绍 1. 平方阶 (O(n2)) 排序 各类简单排序:直接插入、直接选择和冒泡排序。 2. 线性对数阶 (O(nlog2n)) 排序 快速排序、堆排序和归并排序; 3. O(n1+§)) 排序,§ 是介于 0 和 1 之间的常数。 希尔排序 4. 线性阶 (O(n)) 排序 基数排序,此外还有桶、箱排序。 关于稳定性: 稳定的排序算法:冒泡排序、插入排序、归并排序和基数排序。 不是稳定的排序算法:选择排序、快速排序、希尔排序、堆排序。 名词解释: n:数据规模 k:“桶”的个数 In-place:占用常数内存,不占用额外内存 Out-place:占用额外内存 稳定性:排序后 2 个相等键值的顺序和排序之前它们的顺序相同 GitBook 内容大纲 1. 冒泡排序 2. 选择排序 3. 插入排序 4. 希尔排序 本文档使用 书栈(BookStack.CN) 构建 -5-
6. 介绍 5. 归并排序 6. 快速排序 7. 堆排序 8. 计数排序 9. 桶排序 10. 基数排序 本书内容几乎完全来源于网络。 开源项目地址:https://github.com/hustcc/JS-SortingAlgorithm,整理人 hustcc。 GitBook 在线阅读地址:https://sort.hust.cc/。 本项目使用 hint 进行中文 Markdown 文件的格式检查,务必在提 交 Pr 之前,保证 Markdown 格式正确。 本文档使用 书栈(BookStack.CN) 构建 -6-
7. 冒泡排序 冒泡排序 冒泡排序 1. 算法步骤 2. 动图演示 3. 什么时候最快 4. 什么时候最慢 5. JavaScript 代码实现 6. Python 代码实现 7. Go 代码实现 8. Java 代码实现 冒泡排序 冒泡排序(Bubble Sort)也是一种简单直观的排序算法。它重复地 走访过要排序的数列,一次比较两个元素,如果他们的顺序错误就把他 们交换过来。走访数列的工作是重复地进行直到没有再需要交换,也就 是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经 由交换慢慢“浮”到数列的顶端。 作为最简单的排序算法之一,冒泡排序给我的感觉就像 Abandon 在 单词书里出现的感觉一样,每次都在第一页第一位,所以最熟悉。冒泡 排序还有一种优化算法,就是立一个 flag,当在一趟序列遍历中元素 没有发生交换,则证明该序列已经有序。但这种改进对于提升性能来说 并没有什么太大作用。 1. 算法步骤 1. 比较相邻的元素。如果第一个比第二个大,就交换他们两个。 本文档使用 书栈(BookStack.CN) 构建 -7-
8. 冒泡排序 2. 对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一 对。这步做完后,最后的元素会是最大的数。 3. 针对所有的元素重复以上的步骤,除了最后一个。 4. 持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数 字需要比较。 2. 动图演示 3. 什么时候最快 当输入的数据已经是正序时(都已经是正序了,我还要你冒泡排序有何 用啊)。 4. 什么时候最慢 当输入的数据是反序时(写一个 for 循环反序输出数据不就行了,干 嘛要用你冒泡排序呢,我是闲的吗)。 5. JavaScript 代码实现 1. function bubbleSort(arr) { 2. var len = arr.length; 本文档使用 书栈(BookStack.CN) 构建 -8-
9. 冒泡排序 3. for (var i = 0; i < len - 1; i++) { 4. for (var j = 0; j < len - 1 - i; j++) { 5. if (arr[j] > arr[j+1]) { 6. var temp = arr[j+1]; 7. arr[j+1] = arr[j]; 8. arr[j] = temp; 9. // 相邻元素两两对比 // 元素交换 } 10. } 11. } 12. return arr; 13. } 6. Python 代码实现 1. def bubbleSort(arr): 2. for i in range(1, len(arr)): 3. for j in range(0, len(arr)-i): 4. if arr[j] > arr[j+1]: 5. 6. arr[j], arr[j + 1] = arr[j + 1], arr[j] return arr 7. Go 代码实现 1. func bubbleSort(arr []int) []int { 2. length := len(arr) 3. for i := 0; i < length; i++ { 4. for j := 0; j < length-1-i; j++ { 5. if arr[j] > arr[j+1] { 6. arr[j], arr[j+1] = arr[j+1], arr[j] 7. } 8. 9. 10. } } return arr 11. } 本文档使用 书栈(BookStack.CN) 构建 -9-
10. 冒泡排序 8. Java 代码实现 1. public class BubbleSort implements IArraySort { 2. 3. @Override 4. public int[] sort(int[] sourceArray) throws Exception { 5. // 对 arr 进行拷贝,不改变参数内容 6. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 7. 8. for (int i = 1; i < arr.length; i++) { // 设定一个标记,若为true,则表示此次循环没有进行交换,也就是待排 9. 序列已经有序,排序已经完成。 10. boolean flag = true; 11. 12. for (int j = 0; j < arr.length - i; j++) { 13. if (arr[j] > arr[j + 1]) { 14. int tmp = arr[j]; 15. arr[j] = arr[j + 1]; 16. arr[j + 1] = tmp; 17. 18. flag = false; 19. } 20. } 21. 22. if (flag) { 23. break; 24. } 25. } 26. return arr; 27. } 28. } 本文档使用 书栈(BookStack.CN) 构建 - 10 -
11. 选择排序 选择排序 选择排序 1. 算法步骤 2. 动图演示 3. JavaScript 代码实现 4. Python 代码实现 5. Go 代码实现 6. Java 代码实现 选择排序 选择排序是一种简单直观的排序算法,无论什么数据进去都是 O(n²) 的时间复杂度。所以用到它的时候,数据规模越小越好。唯一的好处可 能就是不占用额外的内存空间了吧。 1. 算法步骤 1. 首先在未排序序列中找到最小(大)元素,存放到排序序列的起始 位置 2. 再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序 序列的末尾。 3. 重复第二步,直到所有元素均排序完毕。 2. 动图演示 本文档使用 书栈(BookStack.CN) 构建 - 11 -
12. 选择排序 3. JavaScript 代码实现 1. function selectionSort(arr) { 2. var len = arr.length; 3. var minIndex, temp; 4. for (var i = 0; i < len - 1; i++) { 5. minIndex = i; 6. for (var j = i + 1; j < len; j++) { 7. if (arr[j] < arr[minIndex]) { 8. minIndex = j; 9. // 寻找最小的数 // 将最小数的索引保存 } 10. } 11. temp = arr[i]; 12. arr[i] = arr[minIndex]; 13. arr[minIndex] = temp; 14. } 15. return arr; 16. } 4. Python 代码实现 1. def selectionSort(arr): 2. for i in range(len(arr) - 1): 3. # 记录最小数的索引 4. minIndex = i 5. for j in range(i + 1, len(arr)): 6. if arr[j] < arr[minIndex]: 本文档使用 书栈(BookStack.CN) 构建 - 12 -
13. 选择排序 7. minIndex = j 8. # i 不是最小数时,将 i 和最小数进行交换 9. if i != minIndex: 10. 11. arr[i], arr[minIndex] = arr[minIndex], arr[i] return arr 5. Go 代码实现 1. func selectionSort(arr []int) []int { 2. length := len(arr) 3. for i := 0; i < length-1; i++ { 4. min := i 5. for j := i + 1; j < length; j++ { 6. if arr[min] > arr[j] { 7. min = j 8. } 9. } 10. arr[i], arr[min] = arr[min], arr[i] 11. } 12. return arr 13. } 6. Java 代码实现 1. public class SelectionSort implements IArraySort { 2. 3. @Override 4. public int[] sort(int[] sourceArray) throws Exception { 5. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 6. 7. // 总共要经过 N-1 轮比较 8. for (int i = 0; i < arr.length - 1; i++) { 9. int min = i; 10. 11. // 每轮需要比较的次数 N-i 12. for (int j = i + 1; j < arr.length; j++) { 本文档使用 书栈(BookStack.CN) 构建 - 13 -
14. 选择排序 13. if (arr[j] < arr[min]) { 14. // 记录目前能找到的最小值元素的下标 15. min = j; 16. } 17. } 18. 19. // 将找到的最小值和i位置所在的值进行交换 20. if (i != min) { 21. int tmp = arr[i]; 22. arr[i] = arr[min]; 23. arr[min] = tmp; 24. } 25. 26. } 27. return arr; 28. } 29. } 本文档使用 书栈(BookStack.CN) 构建 - 14 -
15. 插入排序 插入排序 插入排序 1. 算法步骤 2. 动图演示 3. JavaScript 代码实现 4. Python 代码实现 5. Go 代码实现 6. Java 代码实现 插入排序 插入排序的代码实现虽然没有冒泡排序和选择排序那么简单粗暴,但它 的原理应该是最容易理解的了,因为只要打过扑克牌的人都应该能够秒 懂。插入排序是一种最简单直观的排序算法,它的工作原理是通过构建 有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应 位置并插入。 插入排序和冒泡排序一样,也有一种优化算法,叫做拆半插入。 1. 算法步骤 1. 将第一待排序序列第一个元素看做一个有序序列,把第二个元素到 最后一个元素当成是未排序序列。 2. 从头到尾依次扫描未排序序列,将扫描到的每个元素插入有序序列 的适当位置。(如果待插入的元素与有序序列中的某个元素相等, 则将待插入元素插入到相等元素的后面。) 2. 动图演示 本文档使用 书栈(BookStack.CN) 构建 - 15 -
16. 插入排序 3. JavaScript 代码实现 1. function insertionSort(arr) { 2. var len = arr.length; 3. var preIndex, current; 4. for (var i = 1; i < len; i++) { 5. preIndex = i - 1; 6. current = arr[i]; 7. while(preIndex >= 0 && arr[preIndex] > current) { 8. arr[preIndex+1] = arr[preIndex]; 9. preIndex--; 10. } 11. arr[preIndex+1] = current; 12. } 13. return arr; 14. } 4. Python 代码实现 本文档使用 书栈(BookStack.CN) 构建 - 16 -
17. 插入排序 1. def insertionSort(arr): 2. for i in range(len(arr)): 3. preIndex = i-1 4. current = arr[i] 5. while preIndex >= 0 and arr[preIndex] > current: 6. arr[preIndex+1] = arr[preIndex] 7. preIndex-=1 8. 9. arr[preIndex+1] = current return arr 5. Go 代码实现 1. func insertionSort(arr []int) []int { 2. for i := range arr { 3. preIndex := i - 1 4. current := arr[i] 5. for preIndex >= 0 && arr[preIndex] > current { 6. arr[preIndex+1] = arr[preIndex] 7. preIndex -= 1 8. } 9. arr[preIndex+1] = current 10. } 11. return arr 12. } 6. Java 代码实现 1. public class InsertSort implements IArraySort { 2. 3. @Override 4. public int[] sort(int[] sourceArray) throws Exception { 5. // 对 arr 进行拷贝,不改变参数内容 6. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 7. 8. // 从下标为1的元素开始选择合适的位置插入,因为下标为0的只有一个元素, 本文档使用 书栈(BookStack.CN) 构建 - 17 -
18. 插入排序 默认是有序的 9. for (int i = 1; i < arr.length; i++) { 10. 11. // 记录要插入的数据 12. int tmp = arr[i]; 13. 14. // 从已经排序的序列最右边的开始比较,找到比其小的数 15. int j = i; 16. while (j > 0 && tmp < arr[j - 1]) { 17. arr[j] = arr[j - 1]; 18. j--; 19. } 20. 21. // 存在比其小的数,插入 22. if (j != i) { 23. arr[j] = tmp; 24. } 25. 26. } 27. return arr; 28. } 29. } 本文档使用 书栈(BookStack.CN) 构建 - 18 -
19. 希尔排序 希尔排序 希尔排序 1. 算法步骤 2. JavaScript 代码实现 3. Python 代码实现 4. Go 代码实现 5. Java 代码实现 希尔排序 希尔排序,也称递减增量排序算法,是插入排序的一种更高效的改进版 本。但希尔排序是非稳定排序算法。 希尔排序是基于插入排序的以下两点性质而提出改进方法的: 插入排序在对几乎已经排好序的数据操作时,效率高,即可以达到 线性排序的效率; 但插入排序一般来说是低效的,因为插入排序每次只能将数据移动 一位; 希尔排序的基本思想是:先将整个待排序的记录序列分割成为若干子序 列分别进行直接插入排序,待整个序列中的记录“基本有序”时,再对全 体记录进行依次直接插入排序。 1. 算法步骤 1. 选择一个增量序列 t1,t2,……,tk,其中 ti > tj, tk = 1; 2. 按增量序列个数 k,对序列进行 k 趟排序; 本文档使用 书栈(BookStack.CN) 构建 - 19 -
20. 希尔排序 3. 每趟排序,根据对应的增量 ti,将待排序列分割成若干长度为 m 的子序列,分别对各子表进行直接插入排序。仅增量因子为 1 时,整个序列作为一个表来处理,表长度即为整个序列的长度。 2. JavaScript 代码实现 1. function shellSort(arr) { 2. var len = arr.length, 3. temp, 4. gap = 1; 5. while(gap < len/3) { 6. gap =gap*3+1; //动态定义间隔序列 7. } 8. for (gap; gap > 0; gap = Math.floor(gap/3)) { 9. for (var i = gap; i < len; i++) { 10. temp = arr[i]; 11. for (var j = i-gap; j >= 0 && arr[j] > temp; j-=gap) { 12. arr[j+gap] = arr[j]; 13. } 14. arr[j+gap] = temp; 15. } 16. } 17. return arr; 18. } 3. Python 代码实现 1. def shellSort(arr): 2. import math 3. gap=1 4. while(gap < len(arr)/3): 5. 6. 7. 8. gap = gap*3+1 while gap > 0: for i in range(gap,len(arr)): temp = arr[i] 本文档使用 书栈(BookStack.CN) 构建 - 20 -
21. 希尔排序 9. j = i-gap 10. while j >=0 and arr[j] > temp: 11. arr[j+gap]=arr[j] 12. j-=gap 13. arr[j+gap] = temp 14. 15. gap = math.floor(gap/3) return arr 16. } 4. Go 代码实现 1. func shellSort(arr []int) []int { 2. length := len(arr) 3. gap := 1 4. for gap < gap/3 { 5. gap = gap*3 + 1 6. } 7. for gap > 0 { 8. for i := gap; i < length; i++ { 9. temp := arr[i] 10. j := i - gap 11. for j >= 0 && arr[j] > temp { 12. arr[j+gap] = arr[j] 13. j -= gap 14. } 15. arr[j+gap] = temp 16. } 17. gap = gap / 3 18. } 19. return arr 20. } 5. Java 代码实现 1. public class ShellSort implements IArraySort { 2. 本文档使用 书栈(BookStack.CN) 构建 - 21 -
22. 希尔排序 3. @Override 4. public int[] sort(int[] sourceArray) throws Exception { 5. // 对 arr 进行拷贝,不改变参数内容 6. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 7. 8. int gap = 1; 9. while (gap < arr.length) { 10. gap = gap * 3 + 1; 11. } 12. 13. while (gap > 0) { 14. for (int i = gap; i < arr.length; i++) { 15. int tmp = arr[i]; 16. int j = i - gap; 17. while (j >= 0 && arr[j] > tmp) { 18. arr[j + gap] = arr[j]; 19. j -= gap; 20. } 21. arr[j + gap] = tmp; 22. } 23. gap = (int) Math.floor(gap / 3); 24. } 25. 26. 27. return arr; } 28. } 本文档使用 书栈(BookStack.CN) 构建 - 22 -
23. 归并排序 归并排序 归并排序 2. 算法步骤 3. 动图演示 4. JavaScript 代码实现 5. Python 代码实现 6. Go 代码实现 7. Java 代码实现 归并排序 归并排序(Merge sort)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(Divide and Conquer)的一个非常典型 的应用。 作为一种典型的分而治之思想的算法应用,归并排序的实现由两种方 法: 自上而下的递归(所有递归的方法都可以用迭代重写,所以就有了 第 2 种方法); 自下而上的迭代; 在《数据结构与算法 JavaScript 描述》中,作者给出了自下而上的 迭代方法。但是对于递归法,作者却认为: However, it is not possible to do so in JavaScript, as the recursion goes too deep for the language to handle. 然而,在 JavaScript 中这种方式不太可行,因为这个算法的递归深度对它来讲太深了。 说实话,我不太理解这句话。意思是 JavaScript 编译器内存太小, 递归太深容易造成内存溢出吗?还望有大神能够指教。 本文档使用 书栈(BookStack.CN) 构建 - 23 -
24. 归并排序 和选择排序一样,归并排序的性能不受输入数据的影响,但表现比选择 排序好的多,因为始终都是 O(nlogn) 的时间复杂度。代价是需要额 外的内存空间。 2. 算法步骤 1. 申请空间,使其大小为两个已经排序序列之和,该空间用来存放合 并后的序列; 2. 设定两个指针,最初位置分别为两个已经排序序列的起始位置; 3. 比较两个指针所指向的元素,选择相对小的元素放入到合并空间, 并移动指针到下一位置; 4. 重复步骤 3 直到某一指针达到序列尾; 5. 将另一序列剩下的所有元素直接复制到合并序列尾。 3. 动图演示 本文档使用 书栈(BookStack.CN) 构建 - 24 -
25. 归并排序 4. JavaScript 代码实现 1. function mergeSort(arr) { 2. var len = arr.length; 3. if(len < 2) { 4. // 采用自上而下的递归方法 return arr; 5. } 6. var middle = Math.floor(len / 2), 7. left = arr.slice(0, middle), 8. right = arr.slice(middle); 9. return merge(mergeSort(left), mergeSort(right)); 10. } 11. 12. function merge(left, right) 13. { 14. var result = []; 15. 16. 17. 18. while (left.length && right.length) { if (left[0] <= right[0]) { result.push(left.shift()); 本文档使用 书栈(BookStack.CN) 构建 - 25 -
26. 归并排序 19. } else { 20. result.push(right.shift()); 21. 22. } } 23. 24. 25. while (left.length) result.push(left.shift()); 26. 27. 28. while (right.length) result.push(right.shift()); 29. 30. return result; 31. } 5. Python 代码实现 1. def mergeSort(arr): 2. import math 3. if(len(arr)<2): 4. return arr 5. middle = math.floor(len(arr)/2) 6. left, right = arr[0:middle], arr[middle:] 7. return merge(mergeSort(left), mergeSort(right)) 8. 9. def merge(left,right): 10. result = [] 11. while left and right:'>right: 12. 13. 14. 15. 16. 17. 18. 19. 20. if left[0] <= right[0]: result.append(left.pop(0)); else: result.append(right.pop(0)); while left: result.append(left.pop(0)); while right:'>right: result.append(right.pop(0)); return result 本文档使用 书栈(BookStack.CN) 构建 - 26 -
27. 归并排序 6. Go 代码实现 1. func mergeSort(arr []int) []int { 2. length := len(arr) 3. if length < 2 { 4. return arr 5. } 6. middle := length / 2 7. left := arr[0:middle] 8. right := arr[middle:] 9. return merge(mergeSort(left), mergeSort(right)) 10. } 11. 12. func merge(left []int, right []int) []int { 13. var result []int 14. for len(left) != 0 && len(right) != 0 { 15. if left[0] <= right[0] { 16. result = append(result, left[0]) 17. left = left[1:] 18. } else { 19. result = append(result, right[0]) 20. right = right[1:] 21. 22. } } 23. 24. for len(left) != 0 { 25. result = append(result, left[0]) 26. left = left[1:] 27. } 28. 29. for len(right) != 0 { 30. result = append(result, right[0]) 31. right = right[1:] 32. } 33. 34. return result 35. } 本文档使用 书栈(BookStack.CN) 构建 - 27 -
28. 归并排序 7. Java 代码实现 1. public class MergeSort implements IArraySort { 2. 3. @Override 4. public int[] sort(int[] sourceArray) throws Exception { 5. // 对 arr 进行拷贝,不改变参数内容 6. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 7. 8. if (arr.length < 2) { 9. return arr; 10. } 11. int middle = (int) Math.floor(arr.length / 2); 12. 13. int[] left = Arrays.copyOfRange(arr, 0, middle); 14. int[] right = Arrays.copyOfRange(arr, middle, arr.length); 15. 16. 17. return merge(sort(left), sort(right)); } 18. 19. protected int[] merge(int[] left, int[] right) { 20. int[] result = new int[left.length + right.length]; 21. int i = 0; 22. while (left.length > 0 && right.length > 0) { 23. if (left[0] <= right[0]) { 24. result[i++] = left[0]; 25. left = Arrays.copyOfRange(left, 1, left.length); 26. } else { 27. result[i++] = right[0]; 28. right = Arrays.copyOfRange(right, 1, right.length); 29. 30. } } 31. 32. while (left.length > 0) { 33. result[i++] = left[0]; 34. left = Arrays.copyOfRange(left, 1, left.length); 35. } 36. 本文档使用 书栈(BookStack.CN) 构建 - 28 -
29. 归并排序 37. while (right.length > 0) { 38. result[i++] = right[0]; 39. right = Arrays.copyOfRange(right, 1, right.length); 40. } 41. 42. 43. return result; } 44. 45. } 本文档使用 书栈(BookStack.CN) 构建 - 29 -
30. 快速排序 快速排序 快速排序 1. 算法步骤 2. 动图演示 3. JavaScript 代码实现 4. Python 代码实现 5. Go 代码实现 6. C++版 7. Java 代码实现 快速排序 快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下,排序 n 个项目要 Ο(nlogn) 次比较。在最坏状况下则需要 Ο(n2) 次比 较,但这种状况并不常见。事实上,快速排序通常明显比其他 Ο(nlogn) 算法更快,因为它的内部循环(inner loop)可以在大 部分的架构上很有效率地被实现出来。 快速排序使用分治法(Divide and conquer)策略来把一个串行 (list)分为两个子串行(sub-lists)。 快速排序又是一种分而治之思想在排序算法上的典型应用。本质上来 看,快速排序应该算是在冒泡排序基础上的递归分治法。 快速排序的名字起的是简单粗暴,因为一听到这个名字你就知道它存在 的意义,就是快,而且效率高!它是处理大数据最快的排序算法之一 了。虽然 Worst Case 的时间复杂度达到了 O(n²),但是人家就是 优秀,在大多数情况下都比平均时间复杂度为 O(n logn) 的排序算 法表现要更好,可是这是为什么呢,我也不知道。好在我的强迫症又犯 本文档使用 书栈(BookStack.CN) 构建 - 30 -
31. 快速排序 了,查了 N 多资料终于在《算法艺术与信息学竞赛》上找到了满意的 答案: 快速排序的最坏运行情况是 O(n²),比如说顺序数列的快排。但它的平摊期望时间是 O(nlogn),且 O(nlogn) 记号中隐含的常数因子很小,比复杂度稳定等于 O(nlogn) 的归 并排序要小很多。所以,对绝大多数顺序性较弱的随机数列而言,快速排序总是优于归并排序。 1. 算法步骤 1. 从数列中挑出一个元素,称为 “基准”(pivot); 2. 重新排序数列,所有元素比基准值小的摆放在基准前面,所有元素 比基准值大的摆在基准的后面(相同的数可以到任一边)。在这个 分区退出之后,该基准就处于数列的中间位置。这个称为分区 (partition)操作; 3. 递归地(recursive)把小于基准值元素的子数列和大于基准值 元素的子数列排序; 递归的最底部情形,是数列的大小是零或一,也就是永远都已经被排序 好了。虽然一直递归下去,但是这个算法总会退出,因为在每次的迭代 (iteration)中,它至少会把一个元素摆到它最后的位置去。 2. 动图演示 本文档使用 书栈(BookStack.CN) 构建 - 31 -
32. 快速排序 3. JavaScript 代码实现 1. function quickSort(arr, left, right) { 2. var len = arr.length, 3. partitionIndex, 4. left = typeof left != 'number' ? 0 : left, 5. right = typeof right != 'number' ? len - 1 : right; 6. 7. if (left < right) { 8. partitionIndex = partition(arr, left, right); 9. quickSort(arr, left, partitionIndex-1); 10. quickSort(arr, partitionIndex+1, right); 11. } 12. return arr; 13. } 14. 15. function partition(arr, left ,right) { // 分区操作 16. // 设定基准值(pivot) var pivot = left, 17. 18. index = pivot + 1; for (var i = index; i <= right; i++) { 19. if (arr[i] < arr[pivot]) { 20. swap(arr, i, index); 21. index++; 22. } 23. } 24. swap(arr, pivot, index - 1); 25. return index-1; 26. } 27. 28. function swap(arr, i, j) { 29. var temp = arr[i]; 30. arr[i] = arr[j]; 31. arr[j] = temp; 32. } 33. function partition2(arr, low, high) { 34. let pivot = arr[low]; 35. while (low < high) { 36. while (low < high && arr[high] > pivot) { 本文档使用 书栈(BookStack.CN) 构建 - 32 -
33. 快速排序 37. --high; 38. } 39. arr[low] = arr[high]; 40. while (low < high && arr[low] <= pivot) { 41. ++low; 42. } 43. arr[high] = arr[low]; 44. } 45. arr[low] = pivot; 46. return low; 47. } 48. 49. function quickSort2(arr, low, high) { 50. if (low < high) { 51. let pivot = partition2(arr, low, high); 52. quickSort2(arr, low, pivot - 1); 53. quickSort2(arr, pivot + 1, high); 54. } 55. return arr; 56. } 4. Python 代码实现 1. def quickSort(arr, left=None, right=None): 2. left = 0 if not isinstance(left,(int, float)) else left 3. right = len(arr)-1 if not isinstance(right,(int, float)) else right 4. if left < right: 5. partitionIndex = partition(arr, left, right) 6. quickSort(arr, left, partitionIndex-1) 7. quickSort(arr, partitionIndex+1, right) 8. return arr 9. 10. def partition(arr, left, right): 11. pivot = left 12. index = pivot+1 13. i = index 本文档使用 书栈(BookStack.CN) 构建 - 33 -
34. 快速排序 14. while i <= right: 15. if arr[i] < arr[pivot]: 16. swap(arr, i, index) 17. index+=1 18. i+=1 19. swap(arr,pivot,index-1) 20. return index-1 21. 22. def swap(arr, i, j): 23. arr[i], arr[j] = arr[j], arr[i] 5. Go 代码实现 1. func quickSort(arr []int) []int { 2. return _quickSort(arr, 0, len(arr)-1) 3. } 4. 5. func _quickSort(arr []int, left, right int) []int { 6. if left < right { 7. partitionIndex := partition(arr, left, right) 8. _quickSort(arr, left, partitionIndex-1) 9. _quickSort(arr, partitionIndex+1, right) 10. } 11. return arr 12. } 13. 14. func partition(arr []int, left, right int) int { 15. pivot := left 16. index := pivot + 1 17. 18. for i := index; i <= right; i++ { 19. if arr[i] < arr[pivot] { 20. swap(arr, i, index) 21. index += 1 22. } 23. } 24. swap(arr, pivot, index-1) 本文档使用 书栈(BookStack.CN) 构建 - 34 -
35. 快速排序 25. return index - 1 26. } 27. 28. func swap(arr []int, i, j int) { 29. arr[i], arr[j] = arr[j], arr[i] 30. } 6. C++版 1. //严蔚敏《数据结构》标准分割函数 2. Paritition1(int A[], int low, int high) { 3. int pivot = A[low]; 4. while (low < high) { 5. while (low < high && A[high] >= pivot) { 6. --high; 7. } 8. A[low] = A[high]; 9. while (low < high && A[low] <= pivot) { 10. ++low; 11. } 12. A[high] = A[low]; 13. } 14. A[low] = pivot; 15. return low; 16. } 17. 18. void QuickSort(int A[], int low, int high) //快排母函数 19. { 20. if (low < high) { 21. int pivot = Paritition1(A, low, high); 22. QuickSort(A, low, pivot - 1); 23. QuickSort(A, pivot + 1, high); 24. 25. } } 7. Java 代码实现 本文档使用 书栈(BookStack.CN) 构建 - 35 -
36. 快速排序 1. public class QuickSort implements IArraySort { 2. 3. @Override 4. public int[] sort(int[] sourceArray) throws Exception { 5. // 对 arr 进行拷贝,不改变参数内容 6. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 7. 8. 9. return quickSort(arr, 0, arr.length - 1); } 10. 11. private int[] quickSort(int[] arr, int left, int right) { 12. if (left < right) { 13. int partitionIndex = partition(arr, left, right); 14. quickSort(arr, left, partitionIndex - 1); 15. quickSort(arr, partitionIndex + 1, right); 16. } 17. return arr; 18. } 19. 20. private int partition(int[] arr, int left, int right) { 21. // 设定基准值(pivot) 22. int pivot = left; 23. int index = pivot + 1; 24. for (int i = index; i <= right; i++) { 25. if (arr[i] < arr[pivot]) { 26. swap(arr, i, index); 27. index++; 28. } 29. } 30. swap(arr, pivot, index - 1); 31. return index - 1; 32. } 33. 34. private void swap(int[] arr, int i, int j) { 35. int temp = arr[i]; 36. arr[i] = arr[j]; 37. arr[j] = temp; 38. } 本文档使用 书栈(BookStack.CN) 构建 - 36 -
37. 快速排序 39. 40. } 本文档使用 书栈(BookStack.CN) 构建 - 37 -
38. 堆排序 堆排序 堆排序 1. 算法步骤 2. 动图演示 3. JavaScript 代码实现 4. Python 代码实现 5. Go 代码实现 6. Java 代码实现 堆排序 堆排序(Heapsort)是指利用堆这种数据结构所设计的一种排序算 法。堆积是一个近似完全二叉树的结构,并同时满足堆积的性质:即子 结点的键值或索引总是小于(或者大于)它的父节点。堆排序可以说是 一种利用堆的概念来排序的选择排序。分为两种方法: 1. 大顶堆:每个节点的值都大于或等于其子节点的值,在堆排序算法 中用于升序排列; 2. 小顶堆:每个节点的值都小于或等于其子节点的值,在堆排序算法 中用于降序排列; 堆排序的平均时间复杂度为 Ο(nlogn)。 1. 算法步骤 1. 创建一个堆 H[0……n-1]; 2. 把堆首(最大值)和堆尾互换; 3. 把堆的尺寸缩小 1,并调用 shift_down(0),目的是把新的数 本文档使用 书栈(BookStack.CN) 构建 - 38 -
39. 堆排序 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。 2. 动图演示 3. JavaScript 代码实现 1. var len; // 因为声明的多个函数都需要数据长度,所以把len设置成为全局变量 2. 3. function buildMaxHeap(arr) { // 建立大顶堆 4. len = arr.length; 5. for (var i = Math.floor(len/2); i >= 0; i--) { 6. 7. heapify(arr, i); } 8. } 9. 10. function heapify(arr, i) { 11. 12. // 堆调整 var left = 2 * i + 1, right = 2 * i + 2, 本文档使用 书栈(BookStack.CN) 构建 - 39 -
40. 堆排序 13. largest = i; 14. 15. if (left < len && arr[left] > arr[largest]) { 16. 17. largest = left; } 18. 19. if (right < len && arr[right] > arr[largest]) { 20. 21. largest = right; } 22. 23. if (largest != i) { 24. swap(arr, i, largest); 25. heapify(arr, largest); 26. } 27. } 28. 29. function swap(arr, i, j) { 30. var temp = arr[i]; 31. arr[i] = arr[j]; 32. arr[j] = temp; 33. } 34. 35. function heapSort(arr) { 36. buildMaxHeap(arr); 37. 38. for (var i = arr.length-1; i > 0; i--) { 39. swap(arr, 0, i); 40. len--; 41. heapify(arr, 0); 42. } 43. return arr; 44. } 4. Python 代码实现 1. def buildMaxHeap(arr): 2. import math 本文档使用 书栈(BookStack.CN) 构建 - 40 -
41. 堆排序 3. 4. for i in range(math.floor(len(arr)/2),-1,-1): heapify(arr,i) 5. 6. def heapify(arr, i): 7. left = 2*i+1 8. right = 2*i+2 9. largest = i 10. 11. 12. 13. if left < arrLen and arr[left] > arr[largest]: largest = left if right < arrLen and arr[right] > arr[largest]: largest = right 14. 15. if largest != i: 16. swap(arr, i, largest) 17. heapify(arr, largest) 18. 19. def swap(arr, i, j): 20. arr[i], arr[j] = arr[j], arr[i] 21. 22. def heapSort(arr): 23. global arrLen 24. arrLen = len(arr) 25. buildMaxHeap(arr) 26. for i in range(len(arr)-1,0,-1): 27. swap(arr,0,i) 28. arrLen -=1 29. heapify(arr, 0) 30. return arr 5. Go 代码实现 1. func heapSort(arr []int) []int { 2. arrLen := len(arr) 3. buildMaxHeap(arr, arrLen) 4. for i := arrLen - 1; i >= 0; i-- { 5. swap(arr, 0, i) 6. arrLen -= 1 本文档使用 书栈(BookStack.CN) 构建 - 41 -
42. 堆排序 7. heapify(arr, 0, arrLen) 8. } 9. return arr 10. } 11. 12. func buildMaxHeap(arr []int, arrLen int) { 13. for i := arrLen / 2; i >= 0; i-- { 14. 15. heapify(arr, i, arrLen) } 16. } 17. 18. func heapify(arr []int, i, arrLen int) { 19. left := 2*i + 1 20. right := 2*i + 2 21. largest := i 22. if left < arrLen && arr[left] > arr[largest] { 23. largest = left 24. } 25. if right < arrLen && arr[right] > arr[largest] { 26. largest = right 27. } 28. if largest != i { 29. swap(arr, i, largest) 30. heapify(arr, largest, arrLen) 31. } 32. } 33. 34. func swap(arr []int, i, j int) { 35. arr[i], arr[j] = arr[j], arr[i] 36. } 6. Java 代码实现 1. public class HeapSort implements IArraySort { 2. 3. @Override 4. public int[] sort(int[] sourceArray) throws Exception { 本文档使用 书栈(BookStack.CN) 构建 - 42 -
43. 堆排序 5. // 对 arr 进行拷贝,不改变参数内容 6. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 7. 8. int len = arr.length; 9. 10. buildMaxHeap(arr, len); 11. 12. for (int i = len - 1; i > 0; i--) { 13. swap(arr, 0, i); 14. len--; 15. heapify(arr, 0, len); 16. } 17. return arr; 18. } 19. 20. private void buildMaxHeap(int[] arr, int len) { 21. for (int i = (int) Math.floor(len / 2); i >= 0; i--) { 22. heapify(arr, i, len); 23. 24. } } 25. 26. private void heapify(int[] arr, int i, int len) { 27. int left = 2 * i + 1; 28. int right = 2 * i + 2; 29. int largest = i; 30. 31. if (left < len && arr[left] > arr[largest]) { 32. 33. largest = left; } 34. 35. if (right < len && arr[right] > arr[largest]) { 36. 37. largest = right; } 38. 39. if (largest != i) { 40. swap(arr, i, largest); 41. heapify(arr, largest, len); 42. } 本文档使用 书栈(BookStack.CN) 构建 - 43 -
44. 堆排序 43. } 44. 45. private void swap(int[] arr, int i, int j) { 46. int temp = arr[i]; 47. arr[i] = arr[j]; 48. arr[j] = temp; 49. } 50. 51. } 本文档使用 书栈(BookStack.CN) 构建 - 44 -
45. 计数排序 计数排序 计数排序 1. 动图演示 2. JavaScript 代码实现 3. Python 代码实现 4. Go 代码实现 5. Java 代码实现 计数排序 计数排序的核心在于将输入的数据值转化为键存储在额外开辟的数组空 间中。作为一种线性时间复杂度的排序,计数排序要求输入的数据必须 是有确定范围的整数。 1. 动图演示 本文档使用 书栈(BookStack.CN) 构建 - 45 -
46. 计数排序 2. JavaScript 代码实现 1. function countingSort(arr, maxValue) { 2. var bucket = new Array(maxValue+1), 3. sortedIndex = 0; 4. arrLen = arr.length, 5. bucketLen = maxValue + 1; 6. 7. for (var i = 0; i < arrLen; i++) { 8. if (!bucket[arr[i]]) { 9. bucket[arr[i]] = 0; 10. } 11. bucket[arr[i]]++; 12. } 13. 14. for (var j = 0; j < bucketLen; j++) { 15. while(bucket[j] > 0) { 16. arr[sortedIndex++] = j; 17. bucket[j]--; 18. 19. } } 20. 21. return arr; 22. } 3. Python 代码实现 1. def countingSort(arr, maxValue): 2. bucketLen = maxValue+1 3. bucket = [0]*bucketLen 4. sortedIndex =0 5. arrLen = len(arr) 6. for i in range(arrLen): 7. 8. 9. if not bucket[arr[i]]: bucket[arr[i]]=0 bucket[arr[i]]+=1 本文档使用 书栈(BookStack.CN) 构建 - 46 -
47. 计数排序 10. for j in range(bucketLen): 11. while bucket[j]>0: 12. arr[sortedIndex] = j 13. sortedIndex+=1 14. bucket[j]-=1 15. return arr 4. Go 代码实现 1. func countingSort(arr []int, maxValue int) []int { 2. bucketLen := maxValue + 1 3. bucket := make([]int, bucketLen) // 初始为0的数组 4. 5. sortedIndex := 0 6. length := len(arr) 7. 8. for i := 0; i < length; i++ { 9. 10. bucket[arr[i]] += 1 } 11. 12. for j := 0; j < bucketLen; j++ { 13. for bucket[j] > 0 { 14. arr[sortedIndex] = j 15. sortedIndex += 1 16. bucket[j] -= 1 17. 18. } } 19. 20. return arr 21. } 5. Java 代码实现 1. public class CountingSort implements IArraySort { 2. 3. @Override 本文档使用 书栈(BookStack.CN) 构建 - 47 -
48. 计数排序 4. public int[] sort(int[] sourceArray) throws Exception { 5. // 对 arr 进行拷贝,不改变参数内容 6. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 7. 8. int maxValue = getMaxValue(arr); 9. 10. 11. return countingSort(arr, maxValue); } 12. 13. private int[] countingSort(int[] arr, int maxValue) { 14. int bucketLen = maxValue + 1; 15. int[] bucket = new int[bucketLen]; 16. 17. for (int value : arr) { 18. bucket[value]++; 19. } 20. 21. int sortedIndex = 0; 22. for (int j = 0; j < bucketLen; j++) { 23. while (bucket[j] > 0) { 24. arr[sortedIndex++] = j; 25. bucket[j]--; 26. } 27. } 28. return arr; 29. } 30. 31. private int getMaxValue(int[] arr) { 32. int maxValue = arr[0]; 33. for (int value : arr) { 34. if (maxValue < value) { 35. maxValue = value; 36. } 37. } 38. return maxValue; 39. } 40. 41. } 本文档使用 书栈(BookStack.CN) 构建 - 48 -
49. 计数排序 本文档使用 书栈(BookStack.CN) 构建 - 49 -
50. 桶排序 桶排序 桶排序 1. 什么时候最快 2. 什么时候最慢 3. JavaScript 代码实现 4. Java 代码实现 桶排序 桶排序是计数排序的升级版。它利用了函数的映射关系,高效与否的关 键就在于这个映射函数的确定。为了使桶排序更加高效,我们需要做到 这两点: 1. 在额外空间充足的情况下,尽量增大桶的数量 2. 使用的映射函数能够将输入的 N 个数据均匀的分配到 K 个桶中 同时,对于桶中元素的排序,选择何种比较排序算法对于性能的影响至 关重要。 1. 什么时候最快 当输入的数据可以均匀的分配到每一个桶中。 2. 什么时候最慢 当输入的数据被分配到了同一个桶中。 3. JavaScript 代码实现 1. function bucketSort(arr, bucketSize) { 本文档使用 书栈(BookStack.CN) 构建 - 50 -
51. 桶排序 2. if (arr.length === 0) { 3. 4. return arr; } 5. 6. var i; 7. var minValue = arr[0]; 8. var maxValue = arr[0]; 9. for (i = 1; i < arr.length; i++) { 10. if (arr[i] < minValue) { 11. minValue = arr[i]; 12. } else if (arr[i] > maxValue) { 13. maxValue = arr[i]; 14. 15. // 输入数据的最小值 // 输入数据的最大值 } } 16. 17. //桶的初始化 18. var DEFAULT_BUCKET_SIZE = 5; 19. bucketSize = bucketSize DEFAULT_BUCKET_SIZE; 20. var bucketCount = Math.floor((maxValue - minValue) / // 设置桶的默认数量为5 bucketSize) + 1; 21. var buckets = new Array(bucketCount); 22. for (i = 0; i < buckets.length; i++) { 23. 24. buckets[i] = []; } 25. 26. //利用映射函数将数据分配到各个桶中 27. for (i = 0; i < arr.length; i++) { 28. buckets[Math.floor((arr[i] - minValue) / bucketSize)].push(arr[i]); 29. } 30. 31. arr.length = 0; 32. for (i = 0; i < buckets.length; i++) { 33. insertionSort(buckets[i]); // 对每个桶进 行排序,这里使用了插入排序 34. for (var j = 0; j < buckets[i].length; j++) { 35. 36. arr.push(buckets[i][j]); } 本文档使用 书栈(BookStack.CN) 构建 - 51 -
52. 桶排序 37. } 38. 39. return arr; 40. } 4. Java 代码实现 1. public class BucketSort implements IArraySort { 2. 3. private static final InsertSort insertSort = new InsertSort(); 4. 5. @Override 6. public int[] sort(int[] sourceArray) throws Exception { 7. // 对 arr 进行拷贝,不改变参数内容 8. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 9. 10. 11. return bucketSort(arr, 5); } 12. 13. private int[] bucketSort(int[] arr, int bucketSize) throws Exception { 14. if (arr.length == 0) { 15. 16. return arr; } 17. 18. int minValue = arr[0]; 19. int maxValue = arr[0]; 20. for (int value : arr) { 21. if (value < minValue) { 22. minValue = value; 23. } else if (value > maxValue) { 24. maxValue = value; 25. 26. } } 27. 28. int bucketCount = (int) Math.floor((maxValue - minValue) / bucketSize) + 1; 本文档使用 书栈(BookStack.CN) 构建 - 52 -
53. 桶排序 29. int[][] buckets = new int[bucketCount][0]; 30. 31. // 利用映射函数将数据分配到各个桶中 32. for (int i = 0; i < arr.length; i++) { 33. int index = (int) Math.floor((arr[i] - minValue) / bucketSize); 34. buckets[index] = arrAppend(buckets[index], arr[i]); 35. } 36. 37. int arrIndex = 0; 38. for (int[] bucket : buckets) { 39. if (bucket.length <= 0) { 40. continue; 41. } 42. // 对每个桶进行排序,这里使用了插入排序 43. bucket = insertSort.sort(bucket); 44. for (int value : bucket) { 45. arr[arrIndex++] = value; 46. } 47. } 48. 49. 50. return arr; } 51. 52. /** 53. * 自动扩容,并保存数据 54. * 55. * @param arr 56. * @param value 57. */ 58. private int[] arrAppend(int[] arr, int value) { 59. arr = Arrays.copyOf(arr, arr.length + 1); 60. arr[arr.length - 1] = value; 61. return arr; 62. } 63. 64. } 本文档使用 书栈(BookStack.CN) 构建 - 53 -
54. 桶排序 本文档使用 书栈(BookStack.CN) 构建 - 54 -
55. 基数排序 基数排序 基数排序 1. 基数排序 vs 计数排序 vs 桶排序 2. LSD 基数排序动图演示 3. JavaScript 代码实现 4. Java 代码实现 基数排序 基数排序是一种非比较型整数排序算法,其原理是将整数按位数切割成 不同的数字,然后按每个位数分别比较。由于整数也可以表达字符串 (比如名字或日期)和特定格式的浮点数,所以基数排序也不是只能使 用于整数。 1. 基数排序 vs 计数排序 vs 桶排序 基数排序有两种方法: 这三种排序算法都利用了桶的概念,但对桶的使用方法上有明显差异: 基数排序:根据键值的每位数字来分配桶; 计数排序:每个桶只存储单一键值; 桶排序:每个桶存储一定范围的数值; 2. LSD 基数排序动图演示 本文档使用 书栈(BookStack.CN) 构建 - 55 -
56. 基数排序 3. JavaScript 代码实现 1. //LSD Radix Sort 2. var counter = []; 3. function radixSort(arr, maxDigit) { 4. var mod = 10; 5. var dev = 1; 6. for (var i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) { 7. for(var j = 0; j < arr.length; j++) { 8. var bucket = parseInt((arr[j] % mod) / dev); 9. if(counter[bucket]==null) { 10. counter[bucket] = []; 11. } 12. counter[bucket].push(arr[j]); 13. } 14. var pos = 0; 15. for(var j = 0; j < counter.length; j++) { 16. var value = null; 17. if(counter[j]!=null) { 18. while ((value = counter[j].shift()) != null) { 19. 20. arr[pos++] = value; } 本文档使用 书栈(BookStack.CN) 构建 - 56 -
57. 基数排序 21. } 22. } 23. } 24. return arr; 25. } 4. Java 代码实现 1. /** 2. * 基数排序 3. * 考虑负数的情况还可以参考: https://code.i-harness.com/zh-CN/q/e98fa9 4. */ 5. public class RadixSort implements IArraySort { 6. 7. @Override 8. public int[] sort(int[] sourceArray) throws Exception { // 对 arr 进行拷贝,不改变参数内容 9. 10. int[] arr = Arrays.copyOf(sourceArray, sourceArray.length); 11. 12. int maxDigit = getMaxDigit(arr); 13. return radixSort(arr, maxDigit); 14. } 15. 16. /** 17. * 获取最高位数 18. */ 19. private int getMaxDigit(int[] arr) { 20. int maxValue = getMaxValue(arr); 21. return getNumLenght(maxValue); 22. } 23. 24. private int getMaxValue(int[] arr) { 25. int maxValue = arr[0]; 26. for (int value : arr) { 27. if (maxValue < value) { 28. 29. maxValue = value; } 本文档使用 书栈(BookStack.CN) 构建 - 57 -
58. 基数排序 30. } 31. return maxValue; 32. } 33. 34. protected int getNumLenght(long num) { 35. if (num == 0) { 36. return 1; 37. } 38. int lenght = 0; 39. for (long temp = num; temp != 0; temp /= 10) { 40. lenght++; 41. } 42. return lenght; 43. } 44. 45. private int[] radixSort(int[] arr, int maxDigit) { 46. int mod = 10; 47. int dev = 1; 48. 49. for (int i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) { // 考虑负数的情况,这里扩展一倍队列数,其中 [0-9]对应负数,[10- 50. 19]对应正数 (bucket + 10) 51. int[][] counter = new int[mod * 2][0]; 52. 53. for (int j = 0; j < arr.length; j++) { 54. int bucket = ((arr[j] % mod) / dev) + mod; 55. counter[bucket] = arrayAppend(counter[bucket], arr[j]); 56. } 57. 58. int pos = 0; 59. for (int[] bucket : counter) { 60. for (int value : bucket) { 61. arr[pos++] = value; 62. } 63. 64. } } 65. 本文档使用 书栈(BookStack.CN) 构建 - 58 -
59. 基数排序 66. 67. return arr; } 68. 69. /** 70. * 自动扩容,并保存数据 71. * 72. * @param arr 73. * @param value 74. */ 75. private int[] arrayAppend(int[] arr, int value) { 76. arr = Arrays.copyOf(arr, arr.length + 1); 77. arr[arr.length - 1] = value; 78. return arr; 79. } 80. } 本文档使用 书栈(BookStack.CN) 构建 - 59 -