排序算法总结---java面试
来源:互联网 发布:java工作描述怎么写 编辑:程序博客网 时间:2024/06/11 12:46
总结了冒泡排序、选择排序、插入排序、堆排序、快速排序、归并排序、topk排序
工具类:
public class ArrayUtils {public static void printArray(int[] array) {// TODO Auto-generated method stubfor (int i = 0; i < array.length; i++) {System.out.print(array[i]+" ");}}public static void exchangeElements(int[] array, int i, int i2) {// TODO Auto-generated method stubint temp = array[i];array[i] = array[i2];array[i2] = temp;} }
1.冒泡排序
package sort;public class BubbleSort {public static void bubbleSort(int a[]) {int temp = 0;for (int i = 0; i < a.length; i++) {for (int j = 0; j < a.length - 1 - i; j++) {if (a[j] > a[j + 1]) {temp = a[j];a[j] = a[j + 1];a[j + 1] = temp;}}}}public static void main(String[] args) {int a[] = { 49, 38, 65, 97, 76, 13, 27, 49, 78, 34, 12, 64, 5, 4, 62, 99, 98, 54, 56, 17, 18, 23, 34, 15, 35,25, 53, 51 }; bubbleSort(a);for (int i = 0; i < a.length; i++)System.out.println(a[i]);}}
2.插入排序
public class insert{ //比喻成摸牌。从0开始但是手中的牌是拍好的 public static void insertSort(int[] a) { int length=a.length; //数组长度 int j; //当前值的位置 int i; //指向j前的位置 int key; //当前要进行插入排序的值 //从数组的第二个位置开始遍历值 for(j=1;j<length;j++){ key=a[j]; i=j-1; //a[i]比当前值大时,a[i]后移一位,空出i的位置,好让下一次循环的值后移 while(i>=0 && key<a[i]){ a[i+1]=a[i]; //将a[i]值后移 i--; //i前移 }//跳出循环(找到要插入的中间位置或已遍历到0下标) a[i+1]=key; //将当前值插入 } } public static void main(String[] args) {int[] array = { 3, -1, 0, -8, 2, 1 };ArrayUtils.printArray(array);insertSort(array);ArrayUtils.printArray(array);}}
3.选择排序
package sort;public class selectSort { public static void SelectionSort(int a[]){ if (a == null || a.length <= 0) { return; } int min; for (int j = 0; j < a.length-1; j++){ min = j; for (int k = j+1; k < a.length; k++){ if (a[k] < a[min]) min = k; } //swap(a[min], a[j]); int temp ; temp = a[min]; a[min] =a[j] ; a[j] = temp ; } }public static void main(String[] args) {int a[] = {1,32,4,6,7,2} ;SelectionSort(a);for (int i = 0; i < a.length; i++) {System.out.println(a[i]);}}}
4.堆排序
package sort;//堆是一种重要的数据结构,为一棵完全二叉树, 底层如果用数组存储数据的话,//假设某个元素为序号为i(Java数组从0开始,i为0到n-1), 如果它有左子树,//那么左子树的位置是2i+1,如果有右子树,右子树的位置是2i+2,如果有父节点,父节点的位置是(n-1)/2取整。//分为最大堆和最小堆,最大堆的任意子树根节点不小于任意子结点,最小堆的根节点不大于任意子结点。//所谓堆排序就是利用堆这种数据结构来对数组排序,我们使用的是最大堆。处理的思想和冒泡排序,选择排序非常的类似,一层层封顶,//只是最大元素的选取使用了最大堆。最大堆的最大元素一定在第0位置,构建好堆之后,交换0位置元素与顶即可。堆排序为原位排序(空间小),//且最坏运行时间是O(n2),是渐进最优的比较排序算法。//交换0位置元素与顶即可//堆排序的大概步骤如下:////1.构建最大堆。//2.选择顶,并与第0位置元素交换//3.由于步骤2的的交换可能破环了最大堆的性质,第0不再是最大元素,需要调用maxHeap调整堆(沉降法),如果需要重复步骤2//堆排序中最重要的算法就是maxHeap,该函数假设一个元素的两个子节点都满足最大堆的性质(左右子树都是最大堆),//只有跟元素可能违反最大堆性质,那么把该元素以及左右子节点的最大元素找出来,如果该元素已经最大,那么整棵树都是最大堆,//程序退出,否则交换跟元素与最大元素的位置,继续调用maxHeap原最大元素所在的子树。该算法是分治法的典型应用。具体代码如下:public class HeapSort2 {public static void main(String[] args) {int[] array = { 9, 8, 7, 6, 5, 4, 3, 2, 1, 0, -1, -2, -3 };System.out.println("Before heap:");ArrayUtils.printArray(array);heapSort(array);System.out.println("After heap sort:");ArrayUtils.printArray(array);}public static void heapSort(int[] array) {if (array == null || array.length <= 1) {return;}buildMaxHeap(array);//构建最大堆,最大堆的任意子树根节点不小于任意子结点for (int i = array.length - 1; i >= 1; i--) {//倒叙输出为升序ArrayUtils.exchangeElements(array, 0, i);//最大数字在顶端0的位置,依次将大的值写入array,从i开始就是array最后一个maxHeap(array, i, 0);//重构}}private static void buildMaxHeap(int[] array) {//1.构建最大堆。if (array == null || array.length <= 1) {return;}int half = array.length;for (int i = half; i >= 0; i--) {maxHeap(array, array.length, i);}}private static void maxHeap(int[] array, int heapSize, int index) {//maxHeap调整堆(沉降法)int left = index * 2 + 1;int right = index * 2 + 2;int largest = index;if (left < heapSize && array[left] > array[index]) {//单课二叉树判断大小largest = left;}if (right < heapSize && array[right] > array[largest]) {//right < heapSize,left < heapSize排除最后一排largest = right;}if (index != largest) {ArrayUtils.exchangeElements(array, index, largest);maxHeap(array, heapSize, largest);//递归}}}
结果:
Before heap:
9 8 7 6 5 4 3 2 1 0 -1 -2 -3 After heap sort:
-3 -2 -1 0 1 2 3 4 5 6 7 8 9
5.快速排序
package sort;public class quickSort2 {//快速排序static void quicksort(int s[], int l, int r){ if (l < r) {//Swap(s[l], s[(l + r) / 2]); //将中间的这个数和第一个数交换 参见注1有的书上是以中间的数作为基准数的,要实现这个方便非常方便,直接将中间的数和第一个数进行交换就可以了。 int i = l, j = r, x = s[l];//风之思想加+挖坑,左右岗哨 while (i < j)//数组大于2 { while(i < j && s[j] >= x) // 从右向左找第一个小于x的数j--; //没找到就继续指针向左 if(i < j) s[i++] = s[j];//找到后坑里填进去,填进去另一侧 while(i < j && s[i] < x) // 从左向右找第一个大于等于x的数i++; //没找到就继续指针向右 if(i < j) s[j--] = s[i]; } s[i] = x;//相遇为止第一个数基准填进来 quicksort(s, l, i - 1); // 递归调用 quicksort(s, i + 1, r); }}public static void main(String[] args) {int a[] = {1,3,4,6,7,4,9,3} ;quicksort(a,0,a.length-1);for (int i = 0; i < a.length; i++) {System.out.println(a[i]);}}}
6.归并排序
package sort;public class mergerSort2 {static void merge(int arr[], int L, int M, int R) {//合并算法 int LEFT_SIZE = M - L;//left array size int RIGHT_SIZE = R - M + 1;// int left[LEFT_SIZE];// int right[RIGHT_SIZE]; int left[] = new int[LEFT_SIZE]; int right[] = new int[RIGHT_SIZE]; int i, j, k; // 1. Fill in the left sub array for (i=L; i<M; i++) { left[i-L] = arr[i];//sub array begin from 0 } // 2. Fill in the right sub array for (i=M; i<=R; i++) { right[i-M] = arr[i];//sub array begin from 0 } // 3. Merge into the original array i = 0; j = 0; k = L;//k point to the left array while (i < LEFT_SIZE && j < RIGHT_SIZE) {//没有到达子矩阵的顶端,这时比较左右矩阵如果左面小arr[k]位置放入左面值,即达到取晓得放入新的矩阵,i,j,k指针各自加上1 if (left[i] < right[j]) { arr[k] = left[i]; i++; k++; } else { arr[k] = right[j]; j++; k++; } } while (i < LEFT_SIZE) {//一边到达了顶端,那么如果另一方还没到直接放入新矩阵 arr[k] = left[i]; i++; k++; } while (j < RIGHT_SIZE) { arr[k] = right[j]; j++; k++; }}static void mergeSort(int arr[], int L, int R) {//分治+归并!!!! if (L == R) {//分支的结束为只有一个 return; } else { int M = (L + R) / 2; mergeSort(arr, L, M); mergeSort(arr, M+1, R); merge(arr, L, M+1, R); }}public static void main(String[] args) { int arr[] = {6, 8, 10, 9, 4, 5, 2, 7,3}; int L = 0; int R = arr.length; mergeSort(arr, L, R); int i; for (i=0; i<=R; i++) { System.out.println(arr[i]); } }}
top k---from http://www.cnblogs.com/big-sun/p/4085793.html
在很多的笔试和面试中,喜欢考察Top K.下面从自身的经验给出三种实现方式及实用范围。
- 合并法
这种方法适用于几个数组有序的情况,来求Top k。时间复杂度为O(k*m)。(m:为数组的个数).具体实现如下:
/*** 已知几个递减有序的m个数组,求这几个数据前k大的数*适合采用Merge的方法,时间复杂度(O(k*m);*/import java.util.List;import java.util.Arrays;import java.util.ArrayList;public class TopKByMerge{ public int[] getTopK(List<List<Integer>>input,int k){ int index[]=new int[input.size()];//保存每个数组下标扫描的位置; int result[]=new int[k]; for(int i=0;i<k;i++){ int max=Integer.MIN_VALUE; int maxIndex=0; for(int j=0;j<input.size();j++){ if(index[j]<input.get(j).size()){ if(max<input.get(j).get(index[j])){ max=input.get(j).get(index[j]); maxIndex=j; } } } if(max==Integer.MIN_VALUE){ return result; } result[i]=max; index[maxIndex]+=1; } return result; }
- 快排过程法
快排过程法利用快速排序的过程来求Top k.平均时间复杂度为(O(n)).适用于无序单个数组。具体java实现如下:
/**利用快速排序的过程来求最小的k个数**/public class TopK{ int partion(int a[],int first,int end){ int i=first; int main=a[end]; for(int j=first;j<end;j++){ if(a[j]<main){ int temp=a[j]; a[j]=a[i]; a[i]=temp; i++; } } a[end]=a[i]; a[i]=main; return i; } void getTopKMinBySort(int a[],int first,int end,int k){ if(first<end){ int partionIndex=partion(a,first,end); if(partionIndex==k-1)return; else if(partionIndex>k-1)getTopKMinBySort(a,first,partionIndex-1,k); else getTopKMinBySort(a,partionIndex+1,end,k); } }public static void main(String []args){ int a[]={2,20,3,7,9,1,17,18,0,4}; int k=6; new TopK().getTopKMinBySort(a,0,a.length-1,k); for(int i=0;i<k;i++){ System.out.print(a[i]+" "); } }}
- 采用小根堆或者大根堆
求最大K个采用小根堆,而求最小K个采用大根堆。
求最大K个的步奏:
- 根据数据前K个建立K个节点的小根堆。
- 在后面的N-K的数据的扫描中,
- 如果数据大于小根堆的根节点,则根节点的值覆为该数据,并调节节点至小根堆。
- 如果数据小于或等于小根堆的根节点,小根堆无变化。
求最小K个跟这求最大K个类似。时间复杂度O(nlogK)(n:数据的长度),特别适用于大数据的求Top K。
/** * 求前面的最大K个 解决方案:小根堆 (数据量比较大(特别是大到内存不可以容纳)时,偏向于采用堆) * * */public class TopK { /** * 创建k个节点的小根堆 * * @param a * @param k * @return */ int[] createHeap(int a[], int k) { int[] result = new int[k]; for (int i = 0; i < k; i++) { result[i] = a[i]; } for (int i = 1; i < k; i++) { int child = i; int parent = (i - 1) / 2; int temp = a[i]; while (parent >= 0 &&child!=0&& result[parent] >temp) { result[child] = result[parent]; child = parent; parent = (parent - 1) / 2; } result[child] = temp; } return result; } void insert(int a[], int value) { a[0]=value; int parent=0; while(parent<a.length){ int lchild=2*parent+1; int rchild=2*parent+2; int minIndex=parent; if(lchild<a.length&&a[parent]>a[lchild]){ minIndex=lchild; } if(rchild<a.length&&a[minIndex]>a[rchild]){ minIndex=rchild; } if(minIndex==parent){ break; }else{ int temp=a[parent]; a[parent]=a[minIndex]; a[minIndex]=temp; parent=minIndex; } } } int[] getTopKByHeap(int input[], int k) { int heap[] = this.createHeap(input, k); for(int i=k;i<input.length;i++){ if(input[i]>heap[0]){ this.insert(heap, input[i]); } } return heap; } public static void main(String[] args) { int a[] = { 4, 3, 5, 1, 2,8,9,10}; int result[] = new TopK().getTopKByHeap(a, 3); for (int temp : result) { System.out.println(temp); } }}
0 0
- 排序算法总结---java面试
- 算法--排序--面试总结
- 面试排序算法总结
- 排序算法 面试 JAVA
- 排序算法总结面试(二)
- 常见面试排序算法总结
- 面试中的排序算法总结
- 面试中的排序算法总结
- 排序算法--面试总结分析
- 面试中的排序算法总结
- 面试中的排序算法总结
- 面试中的排序算法总结
- 面试中的排序算法总结
- 面试中的排序算法总结
- 面试中的排序算法总结
- 面试中的排序算法总结
- 面试中的排序算法总结
- 面试中的排序算法总结
- maven工程spring3.x pom文件依赖配置
- maven项目导到eclipse不识别为java项目且认不到mave Dependencies
- Pods-frameworks.sh: No such file or directory、Pods-resources.sh: No such file or directory
- Java GC 垃圾收集
- python 添加opencv 接口
- 排序算法总结---java面试
- USB调试实现
- JAVA自学之每日一题(六)
- springmvc导入导出
- 虚幻4蓝图使用小技巧(更新)
- poj 1840 哈希+离散化
- Codeforces Round #361 (Div. 2) -- A. Mike and Cellphone (思路题目)
- 经常逛的网站,持续更新
- 解决Mac AndroidStudio无法关联源码问题