十大排序算法

客官°小女子只卖身不卖艺 2023-10-03 14:17 10阅读 0赞

推荐几个动画演示的网站：

*  [数据结构可视化（国外的）][Link 1]
 *  [数据结构和算法动态可视化（国外的）][Link 2]
 *  [一套十大排序算法动图演示（一位c++大神写的）][c]  
    ![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAQXl1ZeOAgQ_size_20_color_FFFFFF_t_70_g_se_x_16]

### 冒泡排序 ###

1.  从数组头开始，比较相邻的元素。如果第一个比第二个大(小)，就交换它们两个
2.  对每一对相邻元素作同样的工作，从开始第一对到尾部的最后一对，这样在最后的元素应该会是最大(小)的数
3.  重复步骤1~2，重复次数等于数组的长度，直到排序完成

![image-20210728113340011][]

#### 代码实现 ####

对下面数组实现排序：`{24, 7, 43, 78, 62, 98, 82, 18, 54, 37, 73, 9}`

**代码实现**

public class BubbleSort {
        
    
        public static final int[] ARRAY = {
        24, 7, 43, 78, 62, 98, 82, 18, 54, 37, 73, 9};
    
        public static void main(String[] args) {
        
            print(ARRAY);
            System.out.println("============================================");
            print(sort(ARRAY));
        }
    
        public static int[] sort(int[] array) {
        
            if (array.length == 0) {
        
                return array;
            }
            for (int i = 0; i < array.length; i++) {
        
                //array.length - 1 -i 已经冒泡到合适位置无需在进行排序，减少比较次数
                for (int j = 0; j < array.length - 1 -i; j++) {
        
                    //前面的数大于后面的数交换
                    if (array[j + 1] < array[j]) {
        
                        int temp = array[j + 1];
                        array[j + 1] = array[j];
                        array[j] = temp;
                    }
                }
            }
            return array;
        }
    
        public static void print(int[] array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    }

#### 时间复杂度 ####

对于上面12个数据项，从第一个元素开始，第一趟比较了11次，第二趟比较了10次，依次类推，一直到最后一趟，就是：

11 + 10 + 9 + 8 + 7 + 6 + 5  + 4 + 3  + 2 + 1  =  66次

若有n个元素，则第一趟比较为(n-1)次，第二趟比较为(n-2)次，依次类推：

(n-1) + (n-2) + (n-3) + ...+ 2 + 1 = n * (n-1)/2

在大O表示法中，去掉常数系数和低阶项，该排序方式的时间复杂度为：O(n2)

#### 算法稳定性 ####

假定在待排序的记录序列中，存在多个具有相同的关键字的记录，若经过排序，这些记录的相对次序保持不变，即在原序列中，r\[i\]=r\[j\]，且r\[i\]在r\[j\]之前，而在排序后的序列中，r\[i\]仍在r\[j\]之前，则称这种排序算法是稳定的；否则称为不稳定的。——[百度百科][Link 3]

在代码中可以看到，`array[j + 1] = array[j]`的时候，我们可以不移动`array[i]`和`array[j]`，所以**冒泡排序是稳定的**。

### 选择排序 ###

1.  找到数组中最大（或最小）的元素
2.  将它和数组的第一个元素交换位置（如果第一个元素就是最大（小）元素那么它就和自己交换）
3.  在剩下的元素中找到最大（小）的元素，将它与数组的第二个元素交换位置。如此往复，直到将整个数组排序。

![image-20210728144443166][]

#### 代码实现 ####

对下面数组实现排序：`{87, 23, 7, 43, 78, 62, 98, 81, 18, 53, 73, 9}`

**动图演示**

![选择排序][2f8392e8ef3055521d56bbffef12b9e4.gif]

**代码实现**

public class SelectionSort {
        
    
        public static final int[] ARRAY = {
        87, 23, 7, 43, 78, 62, 98, 81, 18, 53, 73, 9};
    
        public static int[] sort(int[] array) {
        
            if (array.length == 0) {
        
                return array;
            }
            for (int i = 0; i < array.length; i++) {
        
                //最小数的下标，每个循环开始总是假设第一个数最小
                int minIndex = i;
                for (int j = i; j < array.length; j++) {
        
                    //找到最小索引
                    if (array[j] < array[minIndex]) {
        
                        //保存最小索引
                        minIndex = j;
                    }
                }
                //最小索引的值
                int temp = array[minIndex];
                array[minIndex] = array[i];
                array[i] = temp;
            }
            return array;
        }
    
        public static void print(int[] array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    
        public static void main(String[] args) {
        
            print(ARRAY);
            System.out.println("============================================");
            print(sort(ARRAY));
        }
    }

#### 时间复杂度 ####

很明显，和冒泡排序相比，在查找最小（或最大）元素的索引，比较次数仍然保持为**O(n2)**

，但元素**交换次数为O(n)**。

#### 算法稳定性 ####

选择排序是给每个位置选择当前元素最小的，比如给第一个位置选择最小的，在剩余元素里面给第二个元素选择第二小的，依次类推，直到第n-1个元素，第n个元素不用选择了，因为只剩下它一个最大的元素了。那么，在一趟选择，如果一个元素比当前元素小，而该小的元素又出现在一个和当前元素相等的元素后面，那么交换后稳定性就被破坏了。举个例子，数组5，8，5，2，9，我们知道第一遍选择第1个元素5会和2交换，那么原序列中两个5的相对前后顺序就被破坏了，所以选择排序是一个**不稳定的排序算法**。

![image-20210728144637093][]

### 插入排序 ###

当我们在玩扑克牌的时候，总是在牌堆里面抽取最顶部的一张然后按顺序在手中排列。

插入排序是指在待排序的元素中，假设前面n-1(其中n>=2)个数已经是排好顺序的，现将第n个数插到前面已经排好的序列中，然后找到合适自己的位置，使得插入第n个数的这个序列也是排好顺序的。

1.  对于未排序数据（一般取数组的二个元素，把第一个元素当做有序数组），在已排序序列中从左往右扫描，找到相应位置并插入。
2.  为了给要插入的元素腾出空间，需要将插入位置之后的已排序元素在都向后移动一位。

![image-20210728162127494][]

#### 代码实现 ####

对下面数组实现排序：`{15, 51, 86, 70, 6, 42, 26, 61, 45, 81, 17, 1}`

**动图演示**

![插入排序][9bbc4a3a49cd541a4f4e5363d7ac28cb.gif]

**代码实现**

public class InsertionSort {
        
    
        public static final int[] ARRAY = {
        15, 51, 86, 70, 6, 42, 26, 61, 45, 81, 17, 1};
    
        public static int[] sort(int[] array) {
        
            if (array.length == 0) {
        
                return array;
            }
            //待排序数据，改数据之前的已被排序
            int current;
            for (int i = 0; i < array.length - 1; i++) {
        
                //已被排序数据的索引
                int index = i;
                current = array[index + 1];
                //将当前元素后移一位
                while (index >= 0 && current < array[index]) {
        
                    array[index + 1] = array[index];
                    index--;
                }
                //插入
                array[index + 1] = current;
            }
            return array;
        }
    
    
        public static void print(int[] array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    
        public static void main(String[] args) {
        
            print(ARRAY);
            System.out.println("============================================");
            print(sort(ARRAY));
        }
    }

#### 时间复杂度 ####

在上面图示中，第一趟循环比较一次，第二趟循环两次，依次类推，则最后一趟比较n-1次：

1 + 2 + 3 +… + n-1 = n*(n-1)/2

也就是说，在最坏的情况下（逆序），比较的时间复杂度为**O(n2)**

在最优的情况下，即while循坏总是假的，只需当前数跟前一个数比较一下就可以了，这时一共需要比较n-1次，时间复杂度为**O(n)**。

#### 算法稳定性 ####

在比较的时候，过两个数相等的话，不会进行移动，前后两个数的次序不会发生改变，所以**插入排序是稳定的**。

### 希尔排序 ###

一种**基于插入排序**的快速的排序算法。简单插入排序对于大规模乱序数组很慢，因为元素只能一点一点地从数组的一端移动到另一端。例如，如果主键最小的元素正好在数组的尽头，要将它挪到正确的位置就需要n-1次移动。

希尔排序为了加快速度简单地改进了插入排序，也称为缩小增量排序。

希尔排序是把待排序数组按一定的**数量**分组，对每组使用直接插入排序算法排序；然后缩小数量继续分组排序，随着数量逐渐减少，每组包含的元素越来越多，当数量减至 1 时，整个数组恰被分成一组，排序便完成了。这个不断缩小的数量，就构成了一个增量序列，这里的数量称为增量。

![image-20210729135834646][]

#### 代码实现 ####

public class ShellSort {
        
    
        public static final int[] ARRAY = {
        12, 9, 6, 11, 5, 1, 14, 2, 10, 4, 8, 7, 13, 3};
    
        public static int[] sort(int[] array) {
        
            int len = array.length;
            if (len < 2) {
        
                return array;
            }
            //当前待排序数据，该数据之前的已被排序
            int current;
            //增量
            int gap = len / 2;
            while (gap > 0) {
        
                for (int i = gap; i < len; i++) {
        
                    current = array[i];
                    //前面有序序列的索引
                    int index = i - gap;
                    while (index >= 0 && current < array[index]) {
        
                        array[index + gap] = array[index];
                        //有序序列的下一个
                        index -= gap;
                    }
                    //插入
                    array[index + gap] = current;
                }
                //int相除取整
                gap = gap / 2;
            }
            return array;
        }
    
    
        public static void print(int[] array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    
        public static void main(String[] args) {
        
            print(ARRAY);
            System.out.println("============================================");
            print(sort(ARRAY));
        }
    }

#### 时间复杂度 ####

**希尔排序的复杂度和增量序列有关。**

在先前较大的增量下每个子序列的规模都不大,用直接插入排序效率都较高，尽管在随后的增量递减分组中子序列越来越大,由于整个序列的有序性也越来越明显,则排序效率依然较高。

从理论上说，只要一个数组是递减的，并且最后一个值是1，都可以作为增量序列使用。有没有一个步长序列,使得排序过程中所需的比较和移动次数相对较少,并且无论待排序列记录数有多少,算法的时间复杂度都能渐近最佳呢？但是目前从数学上来说，无法证明某个序列是最好的。

常用的增量序列：

*  希尔增量序列 ：\{n/2, (n / 2)/2, …, 1\}，其中N为原始数组的长度，这是最常用的序列，但却不是最好的
 *  Hibbard序列：\{2k-1, …, 3,1\}
 *  Sedgewick序列：\{… , 109 , 41 , 19 , 5，1\} 表达式为9 \* 4i\- 9 \* 2i \+ 1，i = 0，1，2，3，4…

#### 算法稳定性 ####

由于多次插入排序，我们知道一次插入排序是稳定的，不会改变相同元素的相对顺序，但在不同的插入排序过程中，相同的元素可能在各自的插入排序中移动，如数组5，2，2，1，第一次排序第一个元素5会和第三个元素2交换，第二个元素2会和第四个元素1交换，原序列中两个2的相对前后顺序就被破坏了，所以希尔排序是一个**不稳定的排序算法**。

![image-20210729165300142][]

### 归并排序 ###

归并，指合并，合在一起。**归并排序**（Merge Sort）是建立在归并操作上的一种排序算法。其主要思想是**分而治之**。什么是分而治之？分而治之就是将一个复杂的计算，按照设定的**阈值**进行分解成多个计算，然后将各个计算结果进行汇总。即“分”就是把一个大的通过递归**拆**成若干个小的，“治”就是将分后的结果在**合**在一起。

若将两个**有序集合**并成一个有序表，称为2-路归并，与之对应的还有多路归并。

![image-20210730115340519][]

#### 怎么分 ####

*  对于排序最好的情况来讲，就是只有两个元素，这时候比较大小就很简单，但是还是需要比较
 *  如果拆分为左右各一个，无需比较即是有序的。

#### 怎么治 ####

借助一个辅助空数组，把左右两边的数组按照大小比较，按顺序放入辅助数组中即可。

以下面两个有序数组为例：

![归并排序][82408cc49a8baae8dfc0a66611649daf.png]

#### 代码实现 ####

public class MergeSort {
        
        public static final int[] ARRAY = {
        8, 5, 6, 4, 3, 1, 7, 2};
    
        public static int[] sort(int[] array) {
        
            if (array.length < 2) return array;
            int mid = array.length / 2;
            //分成2组
            int[] left = Arrays.copyOfRange(array, 0, mid);
            int[] right = Arrays.copyOfRange(array, mid, array.length);
            //递归拆分
            return merge(sort(left), sort(right));
        }
    
        //治---合并
        public static int[] merge(int[] left, int[] right) {
        
            int[] result = new int[left.length + right.length];
            //i代表左边数组的索引，j代表右边
            for (int index = 0, i = 0, j = 0; index < result.length; index++) {
        
                if (i >= left.length) {
        //说明左侧的数据已经全部取完，取右边的数据
                    result[index] = right[j++];
                } else if (j >= right.length) {
        //说明右侧的数据已经全部取完，取左边的数据
                    result[index] = left[i++];
                } else if (left[i] > right[j]) {
        //左边大于右边，取右边的
                    int a = right[j++];
                    result[index] = a;
                } else {
        //右边大于左边，取左边的
                    result[index] = left[i++];
                }
            }
            return result;
        }
    
        public static void print(int[] array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    
        public static void main(String[] args) {
        
            print(ARRAY);
            System.out.println("============================================");
            print(sort(ARRAY));
        }
    }

#### 时间复杂度 ####

归并排序方法就是把一组n个数的序列，折半分为两个序列，然后再将这两个序列再分，一直分下去，直到分为n个长度为1的序列。然后两两按大小归并。如此反复，直到最后形成包含n个数的一个数组。

归并排序总时间 = 分解时间 + 子序列排好序时间 + 合并时间

无论每个序列有多少数都是折中分解，所以分解时间是个常数，可以忽略不计，则：

归并排序总时间 = 子序列排好序时间 + 合并时间

假设处理的数据规模大小为 n，运行时间设为：T(n)，则T(n) = n，当 n = 1时，T(1) = 1

由于在合并时，两个子序列已经排好序，所以在合并的时候只需要 if 判断即可，所以n个数比较，合并的时间复杂度为 n。

*  将 n 个数的序列，分为两个 n/2 的序列，则：T(n) = 2T(n/2) + n
 *  将 n/2 个数的序列，分为四个 n/4 的序列，则：T(n) = 4T(n/4) + 2n
 *  将 n/4 个数的序列，分为八个 n/8 的序列，则：T(n) = 8T(n/8) + 3n
 *  …
 *  将 n/2k 个数的序列，分为2k个 n/2k 的序列，则：T(n) = 2kT(n/2k) + kn

当 T(n/2k) = T(1)时， 即n/2k = 1（此时也是把n分解到只有1个数据的时候），转换为以2为底n的对数：k = log2n，把k带入到T(n)中，得：T(n) = n + nlog2n。

使用大O表示法，去掉常数项 n，省略底数 2，则**归并排序的时间复杂度为：O(nlogn)**

#### 算法稳定性 ####

从原理分析和代码可以看出，为在合并的时候，如果相等，选择前面的元素到辅助数组，所以归并排序是稳定的。

### 快速排序 ###

快速排序是对冒泡排序的一种改进，也是采用分治法的一个典型的应用。JDK中Arrays的sort()方法，具体的排序细节就是使用快速排序实现的。

从数组中任意选取一个数据（比如数组的第一个数或最后一个数）作为关键数据，我们称为**基准数**(pivot，或中轴数)，然后将所有比它小的数都放到它前面，所有比它大的数都放到它后面，这个过程称为一趟**快速排序**，也称为**分区**（partition）操作。

#### 问题 ####

若给定一个无序数组 `[8, 5, 6, 4, 3, 1, 7, 2]`，并指定一个数为基准，拆分数组使得左侧的数都小于等于它 ，右侧的数都大于它。

基准的选取最优的情况是基准值刚好取在无序区数值的中位数，这样能够最大效率地让两边排序，同时最大地减少递归划分的次数，但是一般很难做到最优。基准的选取一般有三种方式：

*  选取数组的第一个元素
 *  选取数组的最后一个元素
 *  以及选取第一个、最后一个以及中间的元素的中位数（如4 5 6 7, 第一个4, 最后一个7, 中间的为5, 这三个数的中位数为５, 所以选择5作为基准）。

#### 思路 ####

1.  随机选择数组的一个元素，比如 6 为基准，拆分数组同时引入一个初始指针，也叫**分区指示器**，初始指针指向 -1
2.  将数组中的元素和基准数遍历比较
3.  若当前元素**大于**基准数，不做任何变化
4.  若当前元素**小于等于**基准数时，**分割指示器右移一位**，同时
    
     *  当前元素下标**小于等于**分区指示器时，当前元素保持不动
     *  当前元素下标**大于**分区指示器时，当前元素和分区指示器所指元素交换

![快速排序][48d167c567ea1afcb5d54016b1e9e390.png]

#### 荷兰国旗问题 ####

荷兰的国旗是由红白蓝三种颜色构成，如图：

![396ccbacb199f1b6deba21f27adffefa.png][]

若现在给一个随机的图形，如下：

![image-20210803151023780][]

把这些条纹按照颜色排好，红色的在上半部分，白色的在中间部分，蓝色的在下半部分，这类问题称作荷兰国旗问题。

对应leetcode：[颜色分类][Link 4]

给定一个包含红色、白色和蓝色，一共 n 个元素的数组，原地对它们进行排序，使得相同颜色的元素相邻，并按照红色、白色、蓝色顺序排列。

**分析：**

假如给定一个数组`[8, 3, 6, 2, 5, 1, 7, 5]`，做如下操作：

1.  随机选择数组的一个元素，比如 5 为基准，拆分数组同时引入一个**左分区指示器**，指向 -1，**右分区指示器**指向基准数（注：此时的基准数为尾元素）
2.  若当前元素**大于**基准数，**右分区指示器左移一位**，当前元素和右分区指示器所指元素交换，
    
    **索引保持不变**
3.  若当前元素**小于等于**基准数时，**左分区指示器右移一位**，索引右移
    
     *  当前元素**大于等于**左分区指示器所指元素，当前元素保持不动
     *  当前元素**小于**左分区指示器所指元素，交换

简单来说就是，左分区指示器向右移动的过程中，如果遇到大于或等于基准数时，则停止移动，右分区指示器向左移动的过程中，如果遇到小于或等于主元的元素则停止移动。这种操作也叫**双向快速排序**。

![345345][]

#### 代码实现 ####

public class QuickSort {
        
    
        public static final int[] ARRAY = {
        8, 5, 6, 4, 3, 1, 7, 2};
    
        public static final int[] ARRAY2 = {
        8, 3, 6, 2, 5, 1, 7, 5};
    
        private static int[] sort(int[] array, int left, int right) {
        
            if (array.length < 1 || left > right) return null;
            //拆分
            int partitionIndex = partition(array, left, right);
            //递归
            if (partitionIndex > left) {
        
                sort(array, left, partitionIndex - 1);
            }
            if (partitionIndex < right) {
        
                sort(array, partitionIndex + 1, right);
            }
            return array;
        }
    
        /**
         * 分区快排操作
         *
         * @param array 原数组
         * @param left  左侧头索引
         * @param right 右侧尾索引
         * @return 分区指示器  最后指向基准数
         */
        public static int partition(int[] array, int left, int right) {
        
            //基准数下标---随机方式取值，也就是数组的长度随机1-8之间
            int pivot = (int) (left + Math.random() * (right - left + 1));
            //分区指示器索引
            int partitionIndex = left - 1;
            //基准数和尾部元素交换
            swap(array, pivot, right);
            //按照规定，如果当前元素大于基准数不做任何操作；
            //小于基准数，分区指示器右移，且当前元素的索引大于分区指示器，交换
            for (int i = left; i <= right; i++) {
        
                if (array[i] <= array[right]) {
        //当前元素小于等于基准数
                    partitionIndex++;
                    if (i > partitionIndex) {
        //当前元素的索引大于分区指示器
                        //交换
                        swap(array, i, partitionIndex);
                    }
                }
            }
            return partitionIndex;
        }
    
        /**
         * 双向扫描排序
         */
        public static int partitionTwoWay(int[] array, int left, int right) {
        
            //基准数
            int pivot = array[right];
            //左分区指示器索引
            int leftIndex = left - 1;
            //右分区指示器索引
            int rightIndex = right;
            //索引
            int index = left;
            while (index < rightIndex) {
        
                //若当前元素大于基准数，右分区指示器左移一位，当前元素和右分区指示器所指元素交换，索引保持不变
                if (array[index] > pivot) {
        
                    swap(array, index, --rightIndex);
                } else if (array[index] <= pivot) {
        //当前元素小于等于基准数时，左分割指示器右移一位，索引右移
                    leftIndex++;
                    index++;
                    //当前元素小于等于左分区指示器所指元素，交换
                    if (array[index] < array[leftIndex]) {
        
                        swap(array, index, leftIndex);
                    }
                }
            }
            //索引和 L 指向同一个元素
            swap(array, right, rightIndex);
            return 1;
        }
    
        //交换
        private static void swap(int[] array, int i, int j) {
        
            int temp = array[i];
            array[i] = array[j];
            array[j] = temp;
        }
    
    
        public static void print(int[] array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    
    
        public static void main(String[] args) {
        
            print(ARRAY);
            System.out.println("============================================");
            print(sort(ARRAY, 0, ARRAY.length - 1));
            System.out.println("====================双向排序==================");
            print(ARRAY2);
            System.out.println("============================================");
            print(sort(ARRAY2, 0, ARRAY2.length - 1));
        }
    }

#### 时间复杂度 ####

在拆分数组的时候可能会出现一种极端的情况，每次拆分的时候，基准数左边的元素个数都为0，而右边都为n-1个。这个时候，就需要拆分n次了。而每次拆分整理的时间复杂度为O(n)，所以最坏的时间复杂度为O(n2)。什么意思？举个简单例子：

在不知道初始序列已经有序的情况下进行排序，第1趟排序经过n-1次比较后，将第1个元素仍然定在原来的位置上，并得到一个长度为n-1的子序列；第2趟排序经过n-2次比较后，将第2个元素确定在它原来的位置上，又得到一个长度为n-2的子序列；以此类推，最终总的比较次数：

C(n) = (n-1) + (n-2) + … + 1 = n(n-1)/2

所以最坏的情况下，快速排序的时间复杂度为O(n^2)

而最好的情况就是每次拆分都能够从数组的中间拆分，这样拆分logn次就行了，此时的时间复杂度为O(nlogn)。

而平均时间复杂度，则是假设每次基准数随机，最后算出来的时间复杂度为O(nlogn)

参考：[快速排序的时间复杂度与空间复杂度][Link 5]

#### 算法稳定性 ####

通过上面的分析可以知道，在随机取基准数的时候，数据是可能会发生变化的，所以快速排序有不是稳定的情况。

### 堆排序 ###

这里的堆并不是JVM中堆栈的堆，而是一种特殊的二叉树，通常也叫作**二叉堆**。它具有以下特点：

*  它是完全二叉树
 *  堆中某个结点的值总是不大于或不小于其父结点的值

#### 知识补充 ####

##### 二叉树 #####

树中节点的子节点不超过2的有序树

![image-20210804135913978][]

##### 满二叉树 #####

二叉树中除了叶子节点，每个节点的子节点都为2，则此二叉树为满二叉树。

![image-20210804140132004][]

##### 完全二叉树 #####

如果对满二叉树的结点进行编号，约定编号从根结点起，自上而下，自左而右。则深度为k的，有n个结点的二叉树，当且仅当其每一个结点都与深度为k的满二叉树中编号从1至n的结点一一对应时，称之为完全二叉树。

**特点**：**叶子结点只能出现在最下层和次下层，且最下层的叶子结点集中在树的左部**。需要注意的是，满二叉树肯定是完全二叉树，而完全二叉树不一定是满二叉树。

![image-20210804144904950][]

##### 二叉堆 #####

二叉堆是一种特殊的堆，可以被看做一棵完全二叉树的数组对象，而根据其性质又可以分为下面两种：

*  大根堆：每一个根节点都大于等于它的左右孩子节点，也叫最大堆
 *  小根堆：每一个根节点都小于等于它的左右孩子节点，也叫最小堆

如果把一个数组通过**大根堆的方式来表示**（数组元素的值是可变的），如下：

![image-20210804180209118][]

由此可以推出：

*  对于位置为 k 的节点，其子节点的位置分别为，**左子节点 = 2k + 1**，**右子节点 = 2(k + 1)**
    
    如：对于 k = 1，其节点的对应数组为 5
    
    左子节点的位置为 3，对应数组的值为 3
    
    右子节点的位置为 4，对应数组的值为 2
 *  最后一个非叶子节点的位置为 (n/2) - 1，n为数组长度
    
    如：数组长度为6，则 (6/2) - 1 = 2，即位置 2 为最后一个非叶子节点

给定一个随机数组`[35,63,48,9,86,24,53,11]`，将该数组视为一个完全二叉树：

![image-20210804190655494][]

从上图很明显的可以看出，这个二叉树不符合大根堆的定义，但是可以通过调整，使它变为最大堆。如果**从最后一个非叶子节点开始，从下到上，从右往左调整**，则：

![image-20210804224254053][]

通过上面的调整，该二叉树为最大堆，这个时候开始排序，排序规则：

*  将堆顶元素和尾元素交换
 *  交换后重新调整元素的位置，使之重新变成二叉堆

![image-20210804234843626][]

#### 代码实现 ####

public class HeapSort {
        
    
        public static final int[] ARRAY = {
        35, 63, 48, 9, 86, 24, 53, 11};
    
        public static int[] sort(int[] array) {
        
            //数组的长度
            int length = array.length;
            if (length < 2) return array;
            //首先构建一个最大堆
            buildMaxHeap(array);
            //调整为最大堆之后，顶元素为最大元素并与微元素交换
            while (length > 0) {
        //当lenth <= 0时，说明已经到堆顶
                //交换
                swap(array, 0, length - 1);
                length--;//交换之后相当于把树中的最大值弹出去了，所以要--
                //交换之后从上往下调整使之成为最大堆
                adjustHeap(array, 0, length);
            }
            return array;
        }
    
        //对元素组构建为一个对应数组的最大堆
        private static void buildMaxHeap(int[] array) {
        
            //在之前的分析可知，最大堆的构建是从最后一个非叶子节点开始，从下往上，从右往左调整
            //最后一个非叶子节点的位置为：array.length/2 - 1
            for (int i = array.length / 2 - 1; i >= 0; i--) {
        
                //调整使之成为最大堆
                adjustHeap(array, i, array.length);
            }
        }
    
        /**
         * 调整
         * @param parent 最后一个非叶子节点
         * @param length 数组的长度
         */
        private static void adjustHeap(int[] array, int parent, int length) {
        
            //定义最大值的索引
            int maxIndex = parent;
            //parent为对应元素的位置（数组的索引）
            int left = 2 * parent + 1;//左子节点对应元素的位置
            int right = 2 * (parent + 1);//右子节点对应元素的位置
            //判断是否有子节点，再比较父节点和左右子节点的大小
            //因为parent最后一个非叶子节点，所以如果有左右子节点则节点的位置都小于数组的长度
            if (left < length && array[left] > array[maxIndex]) {
        //左子节点如果比父节点大
                maxIndex = left;
            }
            if (right < length && array[right] > array[maxIndex]) {
        //右子节点如果比父节点大
                maxIndex = right;
            }
            //maxIndex为父节点，若发生改变则说明不是最大节点，需要交换
            if (maxIndex != parent) {
        
                swap(array, maxIndex, parent);
                //交换之后递归再次调整比较
                adjustHeap(array, maxIndex, length);
            }
        }
    
        //交换
        private static void swap(int[] array, int i, int j) {
        
            int temp = array[i];
            array[i] = array[j];
            array[j] = temp;
        }
    
        public static void print(int[] array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    
        public static void main(String[] args) {
        
            print(ARRAY);
            System.out.println("============================================");
            print(sort(ARRAY));
        }
    }

#### 时间复杂度 ####

堆的时间复杂度是 O(nlogn)

参考：[堆排序的时间复杂度分析][Link 6]

#### 算法稳定性 ####

堆的结构为，对于位置为 k 的节点，其子节点的位置分别为，**左子节点 = 2k + 1**，**右子节点 = 2(k + 1)**，最大堆要求父节点大于等于其2个子节点，最小堆要求父节点小于等于其2个子节点。

在一个长为n的序列，堆排序的过程是从第n/2开始和其子节点共3个值选择最大(最大堆)或者最小(最大堆)，这3个元素之间的选择当然不会破坏稳定性。但当为n/2-1，n/2-2，… 1 这些个父节点选择元素时，就会破坏稳定性。有可能第n/2个父节点交换把后面一个元素交换过去了，而第n/2-1个父节点把后面一个相同的元素没有交换，那么这2个相同的元素之间的稳定性就被破坏了。所以，堆排序不是稳定的排序算法。

参考：[排序的稳定性][Link 7]

#### 思考 ####

对于快速排序来说，其平均复杂度为O(nlogn)，堆排序也是O(nlogn)，怎么选择？如下题：

leetcode：[数组中的第K个最大元素][K]

此题的意思是对于一个无序数组，经过排序后的第 `k` 个最大的元素。

我们知道快速排序是需要对整个数组进行排序，这样才能取出第 `k` 个最大的元素。

如果使用堆排序，且是最大堆的方式，则第k次循环即可找出第 `k` 个最大的元素，并不需要吧整个数组排序。

所以对于怎么选择的问题，要看具体的场景，或者是两者都可。

### 计数排序 ###

一种非比较排序。计数排序对一定范围内的整数排序时候的速度非常快，一般快于其他排序算法。但计数排序局限性比较大，只限于对整数进行排序，而且待排序元素值分布较连续、跨度小的情况。

如果一个数组里所有元素都是整数，而且都在0-k以内。对于数组里每个元素来说，如果能知道数组里有多少项小于或等于该元素，就能准确地给出该元素在排序后的数组的位置。

如给定一个0~5范围内的数组`[2,5,3,0,2,3,0,3]`，对于元素5为其中最大的元素，创建一个大小为（5-0+1 = 6）的**计数数组**，如果原数组中的值对应计数数组的下标，则下标对应计数数组的值加1。

![image-20210806112939098][]

#### 问题 ####

上面是通过数组的最大值来确定计数数组的长度的，但如果需要对学生的成绩进行排序，如学生成绩为：`[95,93,92,94,92,93,95,90]`，如果按照上面的方法来处理，则需要一个大小为100的数组，但是可以看到其中的最小值为90，那也就是说前面 0~89 的位置都没有数据存放，造成了资源浪费。

如果我们知道了数组的最大值和最小值，则计数数组的大小为（最大值 - 最小值 + 1），如上面数组的最大值为99，最小值为90，则定义计数数组的大小为（95 - 90 + 1 = 6）。并且索引分别对应原数组9095的值。我们把090的范围用一个**偏移量**来表示，即最小值90就是这个偏移量。

![image-20210806121018728][]

#### 代码实现 ####

public class CountSort {
        
    
        public static final int[] ARRAY = {
        2, 5, 3, 0, 2, 3, 0, 3};
        public static final int[] ARRAY2 = {
        95,93,92,94,92,93,95,90};
    
        //优化前
        private static int[] sort(int[] array) {
        
            if (array.length < 2) return array;
            //找出数组的最大值
            int max = array[0];
            for (int i : array) {
        
                if (i > max) {
        
                    max = i;
                }
            }
            //初始化一个计数数组且值为0
            int[] countArray = new int[max + 1];
            for (int i = 0; i < countArray.length; i++) {
        
                countArray[i] = 0;
            }
            //填充计数数组
            for (int temp : array) {
        
                countArray[temp]++;
            }
            int o_index = 0;//原数组下标
            int n_index = 0;//计数数组下标
            while (o_index < array.length) {
        
                //只要计数数组的下标不为0，就将计数数组的值从新写回原数组
                if (countArray[n_index] != 0) {
        
                    array[o_index] = n_index;//计数数组下标对应元素组的值
                    countArray[n_index]--;//计数数组的值要-1
                    o_index++;
                } else {
        
                    n_index++;//上一个索引的值为0后开始下一个
                }
            }
            return array;
        }
    
        //优化后
        private static int[] sort2(int[] array) {
        
            if (array.length < 2) return array;
            //找出数组中的最大值和最小值
            int min = array[0], max = array[0];
            for (int i : array) {
        
                if (i > max) {
        
                    max = i;
                }
                if (i < min) {
        
                    min = i;
                }
            }
            //定义一个偏移量,即最小值前面0~min的范围,这里直接用一个负数来表示
            int bias = 0 - min;
            //初始化一个计数数组且值为0
            int[] countArray = new int[max - min + 1];
            for (int i = 0; i < countArray.length; i++) {
        
                countArray[i] = 0;
            }
            for (int temp : array) {
        
                countArray[temp + bias]++;
            }
            //填充计数数组
            int o_index = 0;//原数组下标
            int n_index = 0;//计数数组下标
            while (o_index < array.length) {
        
                if (countArray[n_index] != 0) {
        
                    array[o_index] = n_index - bias;
                    countArray[n_index]--;
                    o_index++;
                } else {
        
                    n_index++;
                }
            }
            return array;
        }
    
        public static void print(int[] array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    
        public static void main(String[] args) {
        
            print(ARRAY);
            System.out.println("============================================");
            print(sort(ARRAY));
            System.out.println("=================优化排序====================");
            print(ARRAY2);
            System.out.println("============================================");
            print(sort2(ARRAY2));
        }
    }

#### 时间复杂度 ####

很明显，在排序过程中，我们至少遍历了三次原始数组，一次计数数组，所以它的复杂度为Ο(n+m)。因此，计数排序比任何排序都要块，这是一种牺牲空间换取时间的做法，因为排序过程中需要用一个计数数组来存元素组的出现次数。

#### 算法稳定性 ####

在新建的计数数组中记录原始数组中每个元素的数量，如果原始数组有相同的元素，则在输出时，无法保证元素原来的排序，是一种不稳定的排序算法。

### 桶排序 ###

桶排序是计数排序的升级，计数排序可以看成每个桶只存储相同元素，而桶排序每个桶存储一定范围的元素，通过函数的某种映射关系，将待排序数组中的元素映射到各个对应的桶中，对每个桶中的元素进行排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序），最后将非空桶中的元素逐个放入原序列中。

桶排序需要尽量保证元素分散均匀，否则当所有数据集中在同一个桶中时，桶排序失效。

![image-20210808133137559][]

#### 代码实现 ####

1.  找出数组中的最大值max和最小值min，可以确定出数组所在范围min~max
2.  根据数据范围确定桶的数量
    
     *  若桶的数量太少，则桶排序失效
     *  若桶的数量太多，则有的桶可能，没有数据造成空间浪费
    
    所以桶的数量由我们自己来确定，但尽量让元素平均分布到每一个桶里，这里提供一个方式
    
    `(最大值 - 最小值)/每个桶所能放置多少个不同数值+1`
3.  确定桶的区间，一般是按照`(最大值 - 最小值)/桶的数量`来划分的，且左闭右开

public class BucketSort {
        
    
        public static final int[] ARRAY = {
        35, 23, 48, 9, 16, 24, 5, 11, 32, 17};
    
        /**
         * @param bucketSize 作为每个桶所能放置多少个不同数值,即数值的类型
         *                   例如当BucketSize==5时，该桶可以存放｛1,2,3,4,5｝这几种数字，
         *                   但是容量不限，即可以存放100个3
         */
        public static List<Integer> sort(List<Integer> array, int bucketSize) {
        
            if (array == null || array.size() < 2)
                return array;
            int max = array.get(0), min = array.get(0);
            // 找到最大值最小值
            for (int i = 0; i < array.size(); i++) {
        
                if (array.get(i) > max)
                    max = array.get(i);
                if (array.get(i) < min)
                    min = array.get(i);
            }
            //获取桶的数量
            int bucketCount = (max - min) / bucketSize + 1;
            //构建桶，初始化
            List<ArrayList<Integer>> bucketArr = new ArrayList<>(bucketCount);
            List<Integer> resultArr = new ArrayList<>();
            for (int i = 0; i < bucketCount; i++) {
        
                bucketArr.add(new ArrayList<>());
            }
            //将原数组的数据分配到桶中
            for (int i = 0; i < array.size(); i++) {
        
                //区间范围
                bucketArr.get((array.get(i) - min) / bucketSize).add(array.get(i));
            }
    
            for (int i = 0; i < bucketCount; i++) {
        
                if (bucketSize == 1) {
        
                    for (int j = 0; j < bucketArr.get(i).size(); j++)
                        resultArr.add(bucketArr.get(i).get(j));
                } else {
        
                    if (bucketCount == 1)
                        bucketSize--;
                    //对桶中的数据再次用桶进行排序
                    List<Integer> temp = sort(bucketArr.get(i), bucketSize);
                    for (int j = 0; j < temp.size(); j++)
                        resultArr.add(temp.get(j));
                }
            }
            return resultArr;
        }
    
        public static void print(List<Integer> array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    
        public static void main(String[] args) {
        
            print(Arrays.stream(ARRAY).boxed().collect(Collectors.toList()));
            System.out.println("============================================");
            print(sort(Arrays.stream(ARRAY).boxed().collect(Collectors.toList()), 2));
        }
    }

#### 时间复杂度 ####

桶排序算法遍历了2次原始数组，运算量为2N，最后，遍历桶输出排序结果的运算量为N，初始化桶的运算量为M。

对桶进行排序，不同的排序算法算法复杂度不同，冒泡排序算法复杂度为O(N^2)，堆排序、归并排序算法复杂度为O(NlogN)，我们以排序算法复杂度为O(NlogN)进行计算，运算量为N/M \* log(N/M) \* M

最终的运算量为3N+M+N/M \* log(N/M) \* M，即3N+M+N(logN-logM)，去掉系数，时间复杂度为O(N+M+N(logN-logM))

参考：[桶排序算法详解][Link 8]

#### 算法稳定性 ####

桶排序算法在对每个桶进行排序时，若选择稳定的排序算法，则排序后，相同元素的位置不会发生改变，所以桶排序算法是一种稳定的排序算法。

### 基数排序 ###

常见的数据元素一般是由若干位组成的，比如字符串由若干字符组成，整数由若干位0~9数字组成。

基数排序按照从右往左的顺序，依次将每一位都当做一次关键字，然后按照该关键字对数组排序，同时每一轮排序都基于上轮排序后的结果；当我们将所有的位排序后，整个数组就达到有序状态。基数排序不是基于比较的算法。

基数是什么意思？对于十进制整数，每一位都只可能是0~9中的某一个，总共10种可能。那10就是它的基，同理二进制数字的基为2；对于字符串，如果它使用的是8位的扩展ASCII字符集，那么它的基就是256。

基数排序有两种方法：

*  MSD 从高位开始进行排序
 *  LSD 从低位开始进行排序

对于大小范围为0~9的数的组合（若是两位数，就是个位数和十位数的组合），于是可以准备十个桶，然后放到对应的桶里，然后再把桶里的数按照0号桶到9号桶的顺序取出来即可。

![image-20210809173152835][]

#### 代码实现 ####

public class RadixSort {
        
    
        public static final int[] ARRAY = {
        82, 50, 21, 5, 66, 48, 43, 79, 14, 37, 25};
    
        public static int[] sort(int[] array) {
        
            if (array.length < 2) return array;
            //根据最大值算出位数
            int max = array[0];
            for (int temp : array) {
        
                if (temp > max) {
        
                    max = temp;
                }
            }
            //算出位数digit
            int maxDigit = 0;
            while (max != 0) {
        
                max /= 10;
                maxDigit++;
            }
            //创建桶并初始化
            ArrayList<ArrayList<Integer>> bucket = new ArrayList<>();
            for (int i = 0; i < 10; i++) {
        
                bucket.add(new ArrayList<>());
            }
            //按照从右往左的顺序，依次将每一位都当做一次关键字，然后按照该关键字对数组排序，每一轮排序都基于上轮排序后的结果
            int mold = 10;//取模运算
            int div = 1;//获取对应位数的值
            for (int i = 0; i < maxDigit; i++, mold *= 10, div *= 10) {
        
                for (int j = 0; j < array.length; j++) {
        
                    //获取个位/十位/百位......
                    int num = (array[j] % mold) / div;
                    //把数据放入到对应的桶里
                    bucket.get(num).add(array[j]);
                }
                //把桶中的数据重新写回去，并把桶的元素清空，开始第二轮排序
                int index = 0;
                for (int k = 0; k < bucket.size(); k++) {
        
                    //桶中对应的数据
                    ArrayList<Integer> list = bucket.get(k);
                    for (int m = 0; m < list.size(); m++) {
        
                        array[index++] = list.get(m);
                    }
                    //清除桶
                    bucket.get(k).clear();
                }
            }
            return array;
        }
    
        public static void print(int[] array) {
        
            for (int i : array) {
        
                System.out.print(i + "  ");
            }
            System.out.println("");
        }
    
        public static void main(String[] args) {
        
            print(ARRAY);
            System.out.println("============================================");
            print(sort(ARRAY));
        }
    }

#### 时间复杂度 ####

计数排序算法的时间复杂度是O(N+M)，基数排序算法执行了k次计数排序，所以基数排序算法的时间复杂度为O(K(N+M))。

#### 算法稳定性 ####

从上面的分析可以看出，相同元素会按照顺序放进固定的桶内，取出的时候也是按照顺序取出来的，所以基数排序算法是一种稳定的排序算法。

#### 基数排序 vs 桶排序 vs 计数排序 ####

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：根据每一位的关键字来分配桶
 *  桶排序：存储一定范围的值
 *  计数排序：每个桶只存储一个类型值，但是数量不限

![image-20210810001026742][]

[Link 1]: https://www.cs.usfca.edu/~galles/visualization/Algorithms.html
[Link 2]: https://visualgo.net/zh
[c]: https://github.com/byteflying/AlgorithmManRelease
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAQXl1ZeOAgQ_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/aa9e1894e3cc4a95a9458566f0e5dff0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQXl1ZeOAgQ==,size_20,color_FFFFFF,t_70,g_se,x_16
[image-20210728113340011]: https://img-blog.csdnimg.cn/img_convert/1c47c43a12aabb6b315772f38311e229.png
[Link 3]: https://baike.baidu.com/item/%E6%8E%92%E5%BA%8F%E7%AE%97%E6%B3%95%E7%A8%B3%E5%AE%9A%E6%80%A7/9763250
[image-20210728144443166]: https://img-blog.csdnimg.cn/img_convert/9752b6618f722a6bc0208c8d8032eecf.png
[2f8392e8ef3055521d56bbffef12b9e4.gif]: https://img-blog.csdnimg.cn/img_convert/2f8392e8ef3055521d56bbffef12b9e4.gif
[image-20210728144637093]: https://img-blog.csdnimg.cn/img_convert/1e5bd8d12dd4672b5246b7c59bea0f85.png
[image-20210728162127494]: https://img-blog.csdnimg.cn/img_convert/dd1092cd5c15ed0a342908de04e137f2.png
[9bbc4a3a49cd541a4f4e5363d7ac28cb.gif]: https://img-blog.csdnimg.cn/img_convert/9bbc4a3a49cd541a4f4e5363d7ac28cb.gif
[image-20210729135834646]: https://img-blog.csdnimg.cn/img_convert/0273f5edecd9350576282fb80e8c5faa.png
[image-20210729165300142]: https://img-blog.csdnimg.cn/img_convert/9fb2d9c089b5ba324934aa6f6a161f43.png
[image-20210730115340519]: https://img-blog.csdnimg.cn/img_convert/b08637a2bacb32b41d020d7c3890580f.png
[82408cc49a8baae8dfc0a66611649daf.png]: https://img-blog.csdnimg.cn/img_convert/82408cc49a8baae8dfc0a66611649daf.png
[48d167c567ea1afcb5d54016b1e9e390.png]: https://img-blog.csdnimg.cn/img_convert/48d167c567ea1afcb5d54016b1e9e390.png
[396ccbacb199f1b6deba21f27adffefa.png]: https://img-blog.csdnimg.cn/img_convert/396ccbacb199f1b6deba21f27adffefa.png
[image-20210803151023780]: https://img-blog.csdnimg.cn/img_convert/da237cbb34dbdf352058eb1ee9393d90.png
[Link 4]: https://leetcode-cn.com/problems/sort-colors/
[345345]: https://img-blog.csdnimg.cn/img_convert/7cfb72857016de423715f0837f926cde.png
[Link 5]: https://blog.csdn.net/nsjlive/article/details/102531375
[image-20210804135913978]: https://img-blog.csdnimg.cn/img_convert/bf7353b5af8641722f613236a8a64bf8.png
[image-20210804140132004]: https://img-blog.csdnimg.cn/img_convert/3b23ddf595e73f6d8651c067e6df381d.png
[image-20210804144904950]: https://img-blog.csdnimg.cn/img_convert/9b25088d42d5a704a40e234242f6e331.png
[image-20210804180209118]: https://img-blog.csdnimg.cn/img_convert/96d0b66c9e8d33760ad44d286faae0ac.png
[image-20210804190655494]: https://img-blog.csdnimg.cn/img_convert/71ba747aa99bd123010b4ba79022f803.png
[image-20210804224254053]: https://img-blog.csdnimg.cn/img_convert/ecd25f4c2921e6b2542599b2c9e26143.png
[image-20210804234843626]: https://img-blog.csdnimg.cn/img_convert/fb8bac2eb7c2093af9052846d4a335a5.png
[Link 6]: https://www.cnblogs.com/lylhome/p/13276081.html
[Link 7]: https://www.cnblogs.com/yadiel-cc/p/11829360.html
[K]: https://leetcode-cn.com/problems/kth-largest-element-in-an-array/
[image-20210806112939098]: https://img-blog.csdnimg.cn/img_convert/c55f39ef40e7d839997423d8ea030219.png
[image-20210806121018728]: https://img-blog.csdnimg.cn/img_convert/cfdf56337c7559062a0bc71ec5c887ef.png
[image-20210808133137559]: https://img-blog.csdnimg.cn/img_convert/758c8292121c6e5d903934f99de1a5e9.png
[Link 8]: https://blog.csdn.net/qq_35344198/article/details/107378626
[image-20210809173152835]: https://img-blog.csdnimg.cn/img_convert/94819c658520cc6e3cb63650e597b857.png
[image-20210810001026742]: https://img-blog.csdnimg.cn/img_convert/23ad63ce63925ab4b7f8d3bc4bbcc36a.png