java实现八种排序算法并测试速度

速度测试:

(1)

随机数范围:0-100
希尔排序: => Time is 38600
基数排序: => Time is 53300
快速排序: => Time is 46500
堆  排 序: => Time is 131800
选择排序: => Time is 139900
归并排序: => Time is 94700
插入排序: => Time is 69600
冒泡排序: => Time is 189700

(2)

随机数范围:0-1000
希尔排序: => Time is 515900
基数排序: => Time is 339400
快速排序: => Time is 564100
堆  排 序: => Time is 498800
选择排序: => Time is 3258300
归并排序: => Time is 1012300
插入排序: => Time is 2505400
冒泡排序: => Time is 5783700

(3)

随机数范围:0-10000
希尔排序: => Time is 4099600
基数排序: => Time is 3240700
快速排序: => Time is 2490600
堆  排 序: => Time is 2564700
选择排序: => Time is 66588800
归并排序: => Time is 38463500
插入排序: => Time is 45474800
冒泡排序: => Time is 133056400

(4)

随机数范围:0-100000
希尔排序: => Time is 22283500
基数排序: => Time is 16038900
快速排序: => Time is 23711600
堆  排 序: => Time is 18059300
选择排序: => Time is 5592227300
归并排序: => Time is 1971407200
插入排序: => Time is 4083446600
冒泡排序: => Time is 14910731500

(5)

随机数范围:0-1000000
希尔排序: => Time is 245807500
基数排序: => Time is 78882100
快速排序: => Time is 154880400
堆  排 序: =>  Time is 193042700

(6)

随机数范围:0-10000000
希尔排序: => Time is 3118769000
基数排序: => Time is 592441300
快速排序: => Time is 1300044000
堆  排 序: => Time is 3397490200

/*
* Sorting.java
* Version 1.0.0
* Created on 2017年12月23日
* Copyright ReYo.Cn
*/
package reyo.sdk.utils.test.sort; /**
* 排序工具类,里面包含各种排序方法
*/
public class Sorting { /**
* 运行测试各种排序方法
*/ public static void main(String[] args) { Sorting sorting_reyo = new Sorting(); //直接插入排序
int[] param_straightInsertionSort = { 6, 2, 8, 5, 324, 23423, 56, 2, 87, 3, 42, 436 };
sorting_reyo.straightInsertionSort(param_straightInsertionSort);
printResult("插入排序-直接插入排序:", param_straightInsertionSort); //希尔排序
int[] param_shellSort = { 6, 2, 8, 5, 324, 23423, 56, 2, 87, 3, 42, 436 };
int incrementNum = param_shellSort.length / 2;//增量
sorting_reyo.shellSort(param_shellSort, incrementNum);
printResult("插入排序-希尔排序:", param_shellSort); //冒泡排序
int[] param_bubbleSort = { 6, 2, 8, 5, 324, 23423, 56, 2, 87, 3, 42, 436 };
sorting_reyo.bubbleSort(param_bubbleSort);
printResult("交换排序-冒泡排序:", param_bubbleSort); //快速排序
int[] param_quickSort = { 6, 2, 8, 5, 324, 23423, 56, 2, 87, 3, 42, 436 };
sorting_reyo.quickSort(param_quickSort, 0, param_quickSort.length - 1);
printResult("交换排序-快速排序:", param_quickSort); //直接选择排序
int[] param_selectionSort = { 6, 2, 8, 5, 324, 23423, 56, 2, 87, 3, 42, 436 };
sorting_reyo.selectionSort(param_selectionSort);
printResult("选择排序-直接选择排序:", param_selectionSort); //堆排序
int[] param_heapSort = { 6, 2, 8, 5, 324, 23423, 56, 2, 87, 3, 42, 436 };
sorting_reyo.heapSort(param_heapSort);
printResult("选择排序-堆排序:", param_heapSort); //归并排序
int[] param_mergingSort = { 6, 2, 8, 5, 324, 23423, 56, 2, 87, 3, 42, 436 };
sorting_reyo.mergingSort(param_mergingSort, 0, param_mergingSort.length - 1);
printResult("归并排序:", param_mergingSort); //基数排序
int[] param_radixSort = { 6, 2, 8, 5, 324, 23423, 56, 2, 87, 3, 42, 436 };
sorting_reyo.radixSort(param_radixSort, 5);
printResult("基数排序:", param_radixSort);
} /**
* 将排序结果展示出来
* @param sort_type 用来描述排序方法
* @param array_result 排序结果数组
*/
public static void printResult(String sort_type, int[] array_result) {
System.out.print(sort_type);
for (int i : array_result) {
System.out.print(i + ",");
}
System.out.println();
} /**
* 名称:插入排序-直接插入排序
* 描述:每次将一个待排序的元素与已排序的元素进行逐一比较,直到找到合适的位置按大小插入。
* 时间复杂度:平均O(n^2),最坏O(n^2)
* 稳定性:稳定
* @param array 待排数组
*/
public void straightInsertionSort(int[] array) {
//取arr[0]作为初始的顺序序列,从arr[1]开始和顺序序列进行比较。
for (int i = 1; i < array.length; i++) {
//每次先与当前顺序序列的最大的数比,如果比他小则表示需要插入。
// 如果比当前顺序序列里的最大数还要大,则不必插入,直接进行下一次循环。
if (array[i] < array[i - 1]) {
int temp = array[i];//先将待插数存入temp
int j; //待插数据的前一个数其实就是当前顺序序列的最大数,所以先和前一个数比,
// 如果比最大数小,则最大数后移一位,然后继续比。
for (j = i - 1; j >= 0 && array[j] > temp; j--) {
array[j + 1] = array[j];//把比temp大或相等的元素全部往后移动一个位置
}
array[j + 1] = temp;//把待排序的元素temp插入腾出位置的(j+1)
}
}
} //================================================================================================
/**
* 名称:插入排序-希尔排序
* 描述:把整个序列分成若干个子序列,分别进行直接插入排序。这算是“一趟希尔排序”
* 时间复杂度:平均O(n^1.5),最坏O(n^2)
* 稳定性:不稳定
* @param array 待排数组
* @param incrementNum 初始增量
*/
public void shellSort(int[] array, int incrementNum) {
//从初始增量开始循环,每次增量减少一倍
for (int increment = incrementNum; increment > 0; increment /= 2) {
//下面就是一个修改过的直接插入排序
for (int i = increment; i < array.length; i++) {
if (array[i] < array[i - increment]) {
int temp = array[i];
int j;
for (j = i - increment; j >= 0 && array[j] > temp; j -= increment) {
array[j + increment] = array[j];
}
array[j + increment] = temp;
}
}
}
} //================================================================================================
/**
* 名称:交换排序-冒泡排序
* 描述:第一趟,第一个和第二个比,第二个再和第三个比···,第一趟完后,最大的数会被排到最后。
* 时间复杂度:平均O(n^2),最坏O(n^2)
* 稳定性:稳定
* @param array 待排数组
*/
public void bubbleSort(int[] array) {
for (int i = 0; i < array.length - 1; i++) {//最多做n-1趟排序
//随着i的一次次循环,j每次都少一次循环(因为后面的书都是排好序的)
for (int j = 0; j < array.length - i - 1; j++) {
if (array[j] > array[j + 1]) { //如果前一位大于后一位,则把大的放前面
int temp = array[j];
array[j] = array[j + 1];
array[j + 1] = temp;
}
}
}
} //================================================================================================
/**
* 名称:交换排序-快速排序
* 描述:选第一个数作为“枢轴”,
* 将枢轴与序列另一端的数比较,枢轴大于它,就换位,小于就再和另一端的倒数第二个数比较··
* 第一次换位完了后依旧和另一边的比,但判断标准得颠倒,变成“如果枢轴小于它,就换位”
* 一轮比完了,枢轴就到了中间,左边比它小,右边比它大。
* 之后枢轴两边的序列继续进行快排。
* 时间复杂度:平均O(nlogn),最坏O(n^2)
* 稳定性:不稳定
* @param array 待排数组
* @param low 开始位置(初始为0,因为一开始选[0]作为枢轴)
* @param high 结束位置(初始为数组最后一个数)
*/
public void quickSort(int[] array, int low, int high) {
int start = low;//开始位置(前端)
int end = high;//结束位置(后端)
int key = array[low];//关键值,也就是枢轴。第一次从位置0开始取,一轮排完会后排到中间。 while (end > start) {//
//现在关键值在“前端”,从后往前比较,要找到小于关键值的值
//如果比关键值大,则比较下一个,直到有比关键值小的交换位置,然后又从前往后比较
while (end > start && array[end] >= key)
end--;//如果最后一个值大于关键值,则end往前移一位,拿倒数第二个比··· //由于之前的end--,现在是往前移了一位了,
// 如果这时候刚好比关键值小,则将小的值和关键值交换位置。
if (array[end] <= key) {
int temp = array[end];
array[end] = array[start];
array[start] = temp;
}
//现在关键值在后端,从前往后比较,要找到大于关键值的值
//如果比关键值小,则比较下一个,直到有比关键值大的交换位置
while (end > start && array[start] <= key) //从前端开始找,如果前端的值比目前处在后端的关键值小,
// 则start++,将前端位置往后移一位
start++;
//由于前端往后移了一位,就再比一次,
// 如果此时前端值刚好比关键值大,则交换位置,把关键值交换到前端。
if (array[start] >= key) {
int temp = array[start];
array[start] = array[end];
array[end] = temp;
}
//此时第一次循环比较结束,关键值(枢轴)的位置已经确定了。
// 左边的值都比关键值小,右边的值都比关键值大,
// 但是两边的顺序还有可能是不一样的,进行下面的递归调用
}
//递归,此时分别对枢轴两边进行快排
//此时low是初始时的开始位置,start则++了好几次,low位至start位构成了左边序列。
// low作为左边序列的起始位,start其实是枢轴的位置,所以start-1就是左边序列的结束位
if (start > low)
quickSort(array, low, start - 1);
//此时end是枢轴的位置,所以end+1是右边序列的起始位,high是最初的结束为
// (也就是最后一个数,期间改变的是end,high没变),所以high就是右边序列的结束位
if (end < high)
quickSort(array, end + 1, high);
} //================================================================================================
/**
* 名称:选择排序-直接选择排序
* 描述:先从头到尾扫一遍,找到最小的数,和第一个交换,
* 然后从第二个开始找,找到最小的,和第二个位置交换·····
* 时间复杂度:平均O(n^2),最坏O(n^2)
* 稳定性:稳定
* @param array 待排数组
*/
public void selectionSort(int[] array) {
int len = array.length;
int small;//一次比较中最小的下标。
int temp;
//初始从第0位开始找,此位放最小的数,之后第1位放第二小的数·····
for (int i = 0; i < len - 1; i++) {
small = i;//该此比较中最小的下标 //把假定最小下标后的下标的值与该值循环比较,每次都将更小的下标赋给small,
// 一轮下来,small里就是真正的最小下标
for (int j = i + 1; j < len; j++) {
//如果找到比“最小下标”小的值,则将该下标改成最小下标
if (array[j] < array[small]) {
small = j;
}
}
//查询一轮下来,判断small是否变更,如果没变就表示目前i位就是最小的,不用换位。否则换位
if (i != small) {
//将目前找到的最小元素临时装到temp中
temp = array[small]; //此处没有直接将i位于small位交换,
// 因为直接交换可能会导致相同的数据元素位置发生变化,引起排序不稳定。 //将第i位至第samll-1位的元素集体向后移一位
// (这样就刚好把第samll位盖住了,顺序也不会发生改变,也保证了稳定性)
for (int k = small; k > i; k--) {
array[k] = array[k - 1];
}
array[i] = temp;//将目前最小值赋值给第i位
}
}
} //================================================================================================
/**
* 名称:选择排序-堆排序
* 描述:首先,此序列对应的一维数组可看成是一个完全二叉树
* 其结构是:如果最顶端为最大值,则“所有的非终端结点的值都大于等于其左右的孩子结点的值”。
* 将这个完全二叉树经过一遍排序后,其顶端元素为最大值(为最大值则表示最终结果是从小到大排。
* 如果顶端为最小值,则表示最终数组结果为从大到小排)。
* 之后将树顶元素和最后一个元素交换位置,交换完后,最后一个元素变成了最小的值。
* 接着再将除最后一个元素以外的元素看成是完全二叉树,对这个完全二叉树再进行这样的排序···
* 最终该完全二叉树(也就是一维数组)达到了从小到大的顺序。
* 时间复杂度:平均O(nlogn),最坏O(nlogn)
* 稳定性:不稳定
* @param array 待排数组
*/
public void heapSort(int[] array) {
//整个过程分为两步,
// 第一步:先构成一个根节点为最大元素的堆
//在完全二叉树中,第i位结点的左孩子结点刚好在(i*2+1)位,右孩子结点在(i*2+2)位。 //所以此处(array.length-1)/2,
// 才能找到完全二叉树中的“最末端的非终端结点”(该结点以后的结点都是叶子结点)
int half = (array.length - 1) / 2; //堆排序的做法就是“以一个非终端结点和它的左右孩子结点”为一个“三角单位”,
// 找出该三角单位中最大的数,将该数置于此三角单位的顶结点处。
// 从最尾部的“三角单位”排起,一直排到根节点和其左右孩子结点组成的“三角单位”,
// 此时根节点上的最大数就是整个完全二叉树的最大数。
int len = array.length; //此处的i=half就是从“最末端的非终端结点”所组成的“三角单位”开始排起,
// 每排完一个非终端结点,就i--,找他上一个非终端节点接着排序,直到排到根节点为止。
for (int i = half; i >= 0; i--) { //根据传入的非终端结点,找到“以该非终端结点为顶部结点以及他的左右孩子结点”,
// 找出三者中的最大数,将其换到该三角单位的顶部结点位。
heapAdjust(array, len, i);
}
//第二步:此时第一轮的排序已经完成,现在有一个根节点为最大元素的堆,
//我们需要把目前的根节点和末尾元素替换。
// 然后重新进行一轮排序,找出第二大的元素,放到倒数第二位·····
//每循环一次,“需要被排序的完全二叉树长度就减一”(因为尾部都是排好序的了)
for (int i = array.length - 1; i >= 1; i--) {
int temp = array[0];
array[0] = array[i];
array[i] = temp; heapAdjust(array, i, 0);
}
} //构建局部最大顶堆,其中array是待排数组。
// heapSize是目前“需要被排的完全二叉树长度”
// (因为一轮排完,最大值就放到尾端了,这样需要被排的堆长度就减少了1)。
// index是任一个“非终端节点位”
private void heapAdjust(int[] array, int heapSize, int index) {
int left = index * 2 + 1;//index位的左孩子结点位
int right = index * 2 + 2;//index位的右孩子结点位 //最大的结点位(可能是顶位也可能是左右孩子结点位,只要是最大的数,其位置就也是这个)
int largest = index; //左孩子结点不能超过目前堆的长度,且如果左孩子结点大于顶点,就将最大结点位改成左孩子结点位
if (left < heapSize && array[left] > array[index]) {
largest = left;
}
//右孩子结点不能超过目前堆的长度,
// 且如果右孩子结点大于“最大结点位上的元素”,就将最大结点位改成右孩子结点位
if (right < heapSize && array[right] > array[largest]) {
largest = right;
}
//如果发现原来的顶端结点位已经不是最大结点位了,则将左、右孩子结点中最大的元素与顶端元素换位
if (index != largest) {
//将顶端元素暂存
int temp = array[index];
//将最大结点位上的元素放到顶端位上
array[index] = array[largest];
//将旧顶端元素存到之前的最大顶点位上(因为最大顶点位其实是左右孩子结点中最大的孩子结点位)
array[largest] = temp; //由于左、右孩子结点中的一个已经被替换,
// 所以有可能破坏了“以旧孩子结点为顶端结点的局部三角排序顺序”,
// “要以被替换的结点为顶点”重新做一次调整。
heapAdjust(array, heapSize, largest);
}
} //================================================================================================
/**
* 名称:归并排序
* 描述:假设初始序列含有n个元素,则可看成序列含有n个子序列,每个子序列长度为1,
* 然后两两合并并排序,得到(n/2)个长度为2(或者最后一个长度可能为1)的有序子序列。
* 再两两合并并排序·····,如此重复直到得到一个长度为n的有序序列为止。
* 时间复杂度:平均O(nlogn),最坏O(nlogn)
* 稳定性:稳定
* @param array 待排数组
* @param left 待排数组的左边起始位
* @param right 待排数组的右边结束位
*/
public void mergingSort(int[] array, int left, int right) {
if (left < right) {
//找到传入数组的中间位
int center = (left + right) / 2;
//将中间位作为“左边边界”递归,这样就能不断二分左边数组
mergingSort(array, left, center);
//找到和左边数组对应的右边部分
mergingSort(array, center + 1, right);
//根据相关数据可以确定需要排序的范围,进行排序
merge(array, left, center, right);
}
} /**
* 相当于有三个数组:
* leftPos到leftEnd组成了第一个待排数组,
* rightPos到rightEnd组成了第二个待排数组。
* 还有一个空的数组用来临时存储结果。
*
* 每次将两个待排数组的最靠前项相比较,
* 将其中最小的一项放入空数组中,
* 然后该最小项所在数组的靠前下标+1
*
* 即有a[],b[]两个数组比较,
* 先比较a[0],b[0],发现a[0]小,就将a[0]放入result[],再比较a[1]和b[0]······
*
* 其中两个待排数组自身肯定是有序的(因为他们也是经过现有步骤排出来的)
*
* 当其中某个待排数组排完后,
* 就表示“另一个待排数组的剩余项肯定大于之前所有的排序项”,又因为剩余项是有序的,
*
* 所以可以将剩余项全部按序装入临时结果数组。
* 之后用结果数组覆盖掉原数组
*
* @param array 待排数组
* @param leftPos 待排数组的左边部分的起始位
* @param leftEnd 待排数组左边部分的结束位
* @param rightEnd 待排数组右边部分的结束位
*/
private void merge(int[] array, int leftPos, int leftEnd, int rightEnd) {
int[] tmpArr = new int[rightEnd + 1];//临时的结果数组,将排序后的结果存放其中
int rightPos = leftEnd + 1;//位于右边的待排数组开始位
int tmpPos = leftPos; //临时数组的存储位,每存一个,就后移一位
int tmp = leftPos;//排序的起始位置 // 从两个数组中取出最小的放入临时数组
while (leftPos <= leftEnd && rightPos <= rightEnd) {
if ((array[leftPos] <= array[rightPos])) {
tmpArr[tmpPos++] = array[leftPos++];
} else {
tmpArr[tmpPos++] = array[rightPos++];
}
} //此时肯定有一个待排数组已经排完了,现在查找那个数组排完了,
// 并将另一个数组的剩余部分装入临时数组
while (rightPos <= rightEnd) {
tmpArr[tmpPos++] = array[rightPos++];
}
while (leftPos <= leftEnd) {
tmpArr[tmpPos++] = array[leftPos++];
} // 将临时数组中的内容复制回原数组
for (int i = tmp; i <= rightEnd; i++) {
array[i] = tmpArr[i];
}
} //================================================================================================
/**
* 名称:基数排序
* 描述:在描述基数排序前先描述一下“桶排序”:
* 桶排序:
* 假设待排数组{A1,A1,A3·····}中所有的数都小于“M”,
* 则建立一个长度为M的数组count[M],初始化为全0。
* 当读取A1时,将count[A1]增1(初始为0,现在为1),当读取A2时,将count[A2]增1····
* 之后count[M]中的每一个非0项的顺序就是排序结果。
* 基数排序:
* 对于数组中的所有项的“每一位数”都进行桶排序。
* 比如先对所有项的“个位”进行桶排序,根据个位的桶排序的结果,对各个项进行一次排序。
* 之后再对十位进行桶排序··········
* 时间复杂度(d代表长度,n代表关键字个数,r代表关键字的基数):平均O(d(n+rd)),最坏O(d(n+rd))
* @param array 待排数组
* @param len_max 待排数组项的最高位位数,如待排数组={2,23,233,2333},则len_max为4(2333的位数)
* 稳定性:稳定
*/
public void radixSort(int[] array, int len_max) {
/**
* 一般的桶排序的count[]只是一维数组,
* 里面的每项(0-9)的具体值代表了该数出现的次数,
* 如count[2]=3,代表2这个“项”,出现了3次。
*
* 但现在是“从个位开始”,每一位都要做桶排序。
* 如果还是使用count[],
* 那么count[2]=3只能代表“在所有项的第n位桶排序中”2这个数“作为第n位数”出现了3次。
*
* 显然,正常的流程是:
* 先查找“个位”的count[0]=n,将这些“个位为0”的数从第0位开始放入数组。
* 再看“个位”的count[1]=m,将这些“个位为1”的数紧挨着刚刚插入的数插进来。·····
* “个位”的第一轮排序完后,原数组相当于“依据个位大小,进行了一次排序”,
* 接下来就要“依据十位大小再进行一次排序了”····。
*
* 综上流程能够发现,第n位中count[2]=3,这个2代表了“3个n位为2的数”,
* 我们要排序就必须知道“这3个数具体是什么”,然后把这些数按序放入原数组。
* 所以引入二维数组count[][],
* 第一维的下标代表了该位数“具体是几”,所以范围是0-9。
* 第二维的下标代表了该位数相同的值“第几次出现”,
* (如个位桶排序时,count[2][34]就代表了第34个“个位为2的数”。)
* 第二维中存储的是具体的某个数
*/
int[][] count = new int[10][array.length]; //该数组frequency[n]=m,用来计算“某位的桶排序”中“n这个数第m次出现”。
// 所以n的范围只能是0-9,而m最多可能是原数组的长度(当该数组某一位的值都是同一个数时)
int[] frequency = new int[10]; int now_digit = 1;//当前排序的是各项的第几位数(从第一位(个位)开始排)
int n = 1;//用来计算当前位的具体值 //从个位开始排,然后再排十位·····
while (now_digit <= len_max) {
//根据原数组中各项的“now_digit位”,进行桶排序。
for (int i = 0; i < array.length; i++) {
//找到具体某位的值。如n=1时,找到的就是个位的值。n=10时,找到的就是十位的值
int digit = ((array[i] / n) % 10);
count[digit][frequency[digit]] = array[i];
frequency[digit]++;
} /**
* 现在所有的项已经根据桶排序规则存入count[][]中,现在需要按序再存回原数组。思路如下:
* count[][]中第一个下标意味着“当前位”的具体值,为0-9.
* 所以应该将count[0][n]中的各个数排在前面,count[1][m]中的各项跟在后面·····
* count[0][]中存了多个“当前位为0的数”,
* 而count[][]的第二个下标表示“被存储的数”是“第几个下标为0的数”。
* 如:当前位为“个位”排序时,count[0][1]=21表示21是第一个“个位为0的数”,
* count[0][6]=341表示341是第6个“个位为0的数”
*/
//把数据存在原数组的什么位置(起始的存储位置自然是0,然后每存一个数后移一位)
int k = 0;
//从count[i=0][]开始找,然后找count[i++][]····
for (int i = 0; i < 10; i++) {
//frequency[i]代表了“i这个数第几次出现”,所以为0就表示没出现过,也就不用排了
if (frequency[i] != 0) {
//从第0次出现开始找,每次都装入原数组
for (int j = 0; j < frequency[i]; j++) {
//j代表了“位值为i”的数是第几个,count[i][j]代表了该数
array[k] = count[i][j];
k++;
}
}
//“当前位数”为i的数已经存完,需要初始化,否则下一“位数为i”的数存时会出错。
frequency[i] = 0;
}
//每循一次,用来计算当前位的具体值的n做+10处理
n *= 10;
//每循一次,当前位数+1
now_digit++;
}
} //一个简单的桶排序
private void bucketSort() {
int[] array_demo = { 2, 5, 7, 3, 1, 6, 8, 4, 2, 1, 3, 7, 9, 4, 2, 5, 0 };
int[] count = new int[10];
int m = 0; for (int i : array_demo) {
count[i]++;
} for (int i = 0; i < 10; i++) {
if (count[i] != 0) {
for (int k = 0; k < count[i]; k++) {
array_demo[m] = i;
m++;
}
}
}
}
}
上一篇:WebGL 与 WebGPU比对[5] - 渲染计算的过程


下一篇:mybatis 3.x源码深度解析与最佳实践(最完整原创)