一、八種排序算法不同數據量測試
100條隨機數據
快速排序 不穩定 耗時: 1 ms
希爾排序 不穩定 耗時: 1 ms
歸併排序 穩定 耗時: 0 ms
基數排序 穩定 耗時: 1 ms
插入排序 穩定 耗時: 0 ms
選擇排序算法 不穩定 耗時: 1 ms
堆排序 不穩定 耗時: 1 ms
冒泡排序 穩定 耗時: 1 ms
冒泡排序Plus 穩定 耗時: 0 ms
1k條隨機數據
快速排序 不穩定 耗時: 1 ms
希爾排序 不穩定 耗時: 2 ms
歸併排序 穩定 耗時: 3 ms
基數排序 穩定 耗時: 8 ms
插入排序 穩定 耗時: 4 ms
選擇排序算法 不穩定 耗時: 7 ms
堆排序 不穩定 耗時: 10 ms
冒泡排序 穩定 耗時: 11 ms
冒泡排序Plus 穩定 耗時: 9 ms
1w條隨機數據
快速排序 不穩定 耗時: 7 ms
希爾排序 不穩定 耗時: 17 ms
歸併排序 穩定 耗時: 9 ms
基數排序 穩定 耗時: 40 ms
插入排序 穩定 耗時: 23 ms
選擇排序算法 不穩定 耗時: 93 ms
堆排序 不穩定 耗時: 183 ms
冒泡排序 穩定 耗時: 200 ms
冒泡排序Plus 穩定 耗時: 201 ms
10w條隨機數據
快速排序 不穩定 耗時: 41 ms
希爾排序 不穩定 耗時: 27 ms
歸併排序 穩定 耗時: 57 ms
基數排序 穩定 耗時: 366 ms
插入排序 穩定 耗時: 1901 ms
選擇排序算法 不穩定 耗時: 5704 ms
堆排序 不穩定 耗時: 16578 ms
冒泡排序 穩定 耗時: 21210 ms
冒泡排序Plus 穩定 耗時: 20488 ms
20w條隨機數據
快速排序 不穩定 耗時: 58 ms
希爾排序 不穩定 耗時: 65 ms
歸併排序 穩定 耗時: 64 ms
基數排序 穩定 耗時: 3157 ms
插入排序 穩定 耗時: 4442 ms
選擇排序算法 不穩定 耗時: 22142 ms
堆排序 不穩定 耗時: 67493 ms
冒泡排序 穩定 耗時: 81873 ms
冒泡排序Plus 穩定 耗時: 83514 ms
30w條隨機數據 排除先前後面三種耗時長的算法
快速排序 不穩定 耗時: 57 ms
希爾排序 不穩定 耗時: 79 ms
歸併排序 穩定 耗時: 83 ms
基數排序 穩定 耗時: 5000 ms
插入排序 穩定 耗時: 10154 ms
選擇排序算法 不穩定 耗時: 50156 ms
40w條隨機數據 排除先前後面一種耗時長的算法
快速排序 不穩定 耗時: 100 ms
希爾排序 不穩定 耗時: 162 ms
歸併排序 穩定 耗時: 128 ms
基數排序 穩定 耗時: 7173 ms
插入排序 穩定 耗時: 17932 ms
50w條隨機數據
快速排序 不穩定 耗時: 91 ms
希爾排序 不穩定 耗時: 136 ms
歸併排序 穩定 耗時: 176 ms
基數排序 穩定 耗時: 10244 ms
插入排序 穩定 耗時: 29190 ms
60w條隨機數據
快速排序 不穩定 耗時: 134 ms
希爾排序 不穩定 耗時: 183 ms
歸併排序 穩定 耗時: 150 ms
基數排序 穩定 耗時: 13585 ms
插入排序 穩定 耗時: 43520 ms
70w條隨機數據 排除先前後面一種耗時長的算法
快速排序 不穩定 耗時: 153 ms
希爾排序 不穩定 耗時: 177 ms
歸併排序 穩定 耗時: 204 ms
基數排序 穩定 耗時: 17881 ms
80w條隨機數據
快速排序 不穩定 耗時: 138 ms
希爾排序 不穩定 耗時: 222 ms
歸併排序 穩定 耗時: 195 ms
基數排序 穩定 耗時: 22211 ms
90w條隨機數據
快速排序 不穩定 耗時: 174 ms
希爾排序 不穩定 耗時: 249 ms
歸併排序 穩定 耗時: 238 ms
基數排序 穩定 耗時: 30343 ms
100w條隨機數據
快速排序 不穩定 耗時: 172 ms
希爾排序 不穩定 耗時: 310 ms
歸併排序 穩定 耗時: 259 ms
基數排序 穩定 耗時: 35890 ms
500w條隨機數據 排除先前後面一種耗時長的算法
快速排序 不穩定 耗時: 955 ms
希爾排序 不穩定 耗時: 1980 ms
歸併排序 穩定 耗時: 1260 ms
1000w條隨機數據
快速排序 不穩定 耗時: 2201 ms
希爾排序 不穩定 耗時: 2864 ms
歸併排序 穩定 耗時: 2337 ms
注:
- 經過上面的數據測試得出,快速排序、希爾排序、歸併排序三種算法在數據量大時計算性能優異
- 冒泡排序、堆排序、選擇排序三種算法在數據量大時計算性能差,但1k條以內的數據量時,計算性能良好,使用盡可能在500條以內
- 基數排序、插入排序兩種算法在數據量10W條以內的數據量時,計算性能良好
二、測試方式代碼
/**
* 獲取一個打亂的數組
*
* @param arr
*/
private static int[] getRandomArr(int[] arr) {
for (int i = 0; i < arr.length; i++) {
arr[i] = new Random().nextInt(arr.length);//在每個數組元素設置以數據量長度的隨機數
}
return arr;
}
private static void testSort() {
long s;
int[] arr = new int[10000000];//設置數據量
int[] a = getRandomArr(arr);
int[] b = a.clone();
int[] c = b.clone();
int[] d = b.clone();
int[] e = b.clone();
int[] f = b.clone();
int[] g = b.clone();
int[] h = b.clone();
int[] i = b.clone();
s = Clock.systemDefaultZone().millis();//獲取計算前的時間
QuickSort.sort(f);
//獲取計算後的時間
System.out.println("快速排序 不穩定 耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms");
s = Clock.systemDefaultZone().millis();
ShellSort.sort(i);
System.out.println("希爾排序 不穩定 耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms");
s = Clock.systemDefaultZone().millis();
MergeSort.sort(e);
System.out.println("歸併排序 穩定 耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms");
s = Clock.systemDefaultZone().millis();
RadixSort.sort(g);
System.out.println("基數排序 穩定 耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms");
s = Clock.systemDefaultZone().millis();
InsertSort.sort(d);
System.out.println("插入排序 穩定 耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms");
s = Clock.systemDefaultZone().millis();
SelectSort.sort(h);
System.out.println("選擇排序算法 不穩定 耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms");
s = Clock.systemDefaultZone().millis();
HeapSort.sort(c);
System.out.println("堆排序 不穩定 耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms");
s = Clock.systemDefaultZone().millis();
BubbleSort.sort(a);
System.out.println("冒泡排序 穩定 耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms");
s = Clock.systemDefaultZone().millis();
BubbleSort.sortPlus(b);
System.out.println("冒泡排序Plus 穩定 耗時: " + (Clock.systemDefaultZone().millis() - s) + " ms");
}
三、快速排序
/**
* 快速排序
*
* @param numbers 帶排序數組
*/
public static void sort(int[] numbers) {
Test.printArr("快速排序 前:", numbers);
if (numbers.length > 0) { //查看數組是否爲空
quickSort(numbers, 0, numbers.length - 1);
}
Test.printArr("快速排序 後:", numbers);
}
/**
* 查找出中軸(默認是最低位low)的在numbers數組排序後所在位置
*
* @param numbers 帶查找數組
* @param low 開始位置
* @param high 結束位置
* @return 中軸所在位置
*/
public static int getMiddle(int[] numbers, int low, int high) {
int temp = numbers[low]; //數組的第一個作爲中軸
while (low < high) {
while (low < high && numbers[high] >= temp) {
high--;
}
numbers[low] = numbers[high];//比中軸小的記錄移到低端
while (low < high && numbers[low] < temp) {
low++;
}
numbers[high] = numbers[low]; //比中軸大的記錄移到高端
}
numbers[low] = temp; //中軸記錄到尾
return low; // 返回中軸的位置
}
/**
* @param numbers 帶排序數組
* @param low 開始位置
* @param high 結束位置
*/
public static void quickSort(int[] numbers, int low, int high) {
if (low < high) {
int middle = getMiddle(numbers, low, high); //將numbers數組進行一分爲二
quickSort(numbers, low, middle - 1); //對低字段表進行遞歸排序
quickSort(numbers, middle + 1, high); //對高字段表進行遞歸排序
}
}
四、希爾排序
/**
* 希爾排序
* <p>
* 希爾排序的原理:根據需求,如果你想要結果從大到小排列,它會首先將數組進行分組,然後將較大值移到前面,較小值
* 移到後面,最後將整個數組進行插入排序,這樣比起一開始就用插入排序減少了數據交換和移動的次數,可以說希爾排序是加強
* 版的插入排序
* 拿數組5, 2, 8, 9, 1, 3,4來說,數組長度爲7,當increment爲3時,數組分爲兩個序列
* 5,2,8和9,1,3,4,第一次排序,9和5比較,1和2比較,3和8比較,4和比其下標值小increment的數組值相比較
* 此例子是按照從大到小排列,所以大的會排在前面,第一次排序後數組爲9, 2, 8, 5, 1, 3,4
* 第一次後increment的值變爲3/2=1,此時對數組進行插入排序,
* 實現數組從大到小排
*/
public static void sort(int[] data) {
Test.printArr("希爾排序 前:", data);
int j = 0;
int temp = 0;
//每次將步長縮短爲原來的一半
for (int increment = data.length / 2; increment > 0; increment /= 2) {
for (int i = increment; i < data.length; i++) {
temp = data[i];
for (j = i; j >= increment; j -= increment) {
if (temp > data[j - increment])//如想從小到大排只需修改這裏
{
data[j] = data[j - increment];
} else {
break;
}
}
data[j] = temp;
}
}
Test.printArr("希爾排序 後:", data);
}
五、歸併排序
public static void sort(int[] numbers) {
Test.printArr("歸併排序 前:", numbers);
mergeSort(numbers, 0, numbers.length - 1);
Test.printArr("歸併排序 後:", numbers);
}
/**
* 歸併排序
* 簡介:將兩個(或兩個以上)有序表合併成一個新的有序表 即把待排序序列分爲若干個子序列,每個子序列是有序的。
* 然後再把有序子序列合併爲整體有序序列
* 時間複雜度爲O(nlogn)
* 穩定排序方式
*
* @param nums 待排序數組
* @return 輸出有序數組
*/
public static void mergeSort(int[] nums, int low, int high) {
int mid = (low + high) / 2;
if (low < high) {
// 左邊
mergeSort(nums, low, mid);
// 右邊
mergeSort(nums, mid + 1, high);
// 左右歸併
merge(nums, low, mid, high);
}
}
/**
* 將數組中low到high位置的數進行排序
*
* @param nums 待排序數組
* @param low 待排的開始位置
* @param mid 待排中間位置
* @param high 待排結束位置
*/
public static void merge(int[] nums, int low, int mid, int high) {
int[] temp = new int[high - low + 1];
int i = low;// 左指針
int j = mid + 1;// 右指針
int k = 0;
// 把較小的數先移到新數組中
while (i <= mid && j <= high) {
if (nums[i] < nums[j]) {
temp[k++] = nums[i++];
} else {
temp[k++] = nums[j++];
}
}
// 把左邊剩餘的數移入數組
while (i <= mid) {
temp[k++] = nums[i++];
}
// 把右邊邊剩餘的數移入數組
while (j <= high) {
temp[k++] = nums[j++];
}
// 把新數組中的數覆蓋nums數組
for (int k2 = 0; k2 < temp.length; k2++) {
nums[k2 + low] = temp[k2];
}
}
六、基數排序
/**
* 基數排序 本實現方式沒有避免負數排序時報錯問題
*/
public static void sort(int[] numbers) {
Test.printArr("基數排序 前:", numbers);
int max = numbers[0];
for (int i = 1; i < numbers.length; i++) {
if (numbers[i] > max) {
max = numbers[i];
}
}
int time = 0;
while (max > 0) {
max /= 10;
time++;
}
List<ArrayList<Integer>> queue = new ArrayList<ArrayList<Integer>>();
for (int i = 0; i < 10; i++) {
ArrayList<Integer> queue1 = new ArrayList<Integer>();
queue.add(queue1);
}
for (int i = 0; i < time; i++) {
for (int j = 0; j < numbers.length; j++) {
int x = numbers[j] % (int) Math.pow(10, i + 1) / (int) Math.pow(10, i);
ArrayList<Integer> queue2 = queue.get(x);
queue2.add(numbers[j]);
queue.set(x, queue2);
}
int count = 0;
for (int k = 0; k < 10; k++) {
while (queue.get(k).size() > 0) {
ArrayList<Integer> queue3 = queue.get(k);
numbers[count] = queue3.get(0);
queue3.remove(0);
count++;
}
}
}
Test.printArr("基數排序 後:", numbers);
}
七、插入排序
/**
* 插入排序
* <p>
* 從第一個元素開始,該元素可以認爲已經被排序
* 取出下一個元素,在已經排序的元素序列中從後向前掃描
* 如果該元素(已排序)大於新元素,將該元素移到下一位置
* 重複步驟3,直到找到已排序的元素小於或者等於新元素的位置
* 將新元素插入到該位置中
* 重複步驟2
*
* @param numbers 待排序數組
*/
public static void sort(int[] numbers) {
Test.printArr("插入排序 前:", numbers);
int size = numbers.length;
int temp = 0;
int j = 0;
for (int i = 0; i < size; i++) {
temp = numbers[i];
//假如temp比前面的值小,則將前面的值後移
for (j = i; j > 0 && temp < numbers[j - 1]; j--) {
numbers[j] = numbers[j - 1];
}
numbers[j] = temp;
}
Test.printArr("插入排序 後:", numbers);
}
八、選擇排序
/**
* 選擇排序算法
* 在未排序序列中找到最小元素,存放到排序序列的起始位置
* 再從剩餘未排序元素中繼續尋找最小元素,然後放到排序序列末尾。
* 以此類推,直到所有元素均排序完畢。
*
* @param numbers
*/
public static void sort(int[] numbers) {
Test.printArr("選擇排序算法 前:", numbers);
int size = numbers.length; //數組長度
int temp = 0; //中間變量
for (int i = 0; i < size; i++) {
int k = i; //待確定的位置
//選擇出應該在第i個位置的數
for (int j = size - 1; j > i; j--) {
if (numbers[j] < numbers[k]) {
k = j;
}
}
//交換兩個數
temp = numbers[i];
numbers[i] = numbers[k];
numbers[k] = temp;
}
Test.printArr("選擇排序算法 後:", numbers);
}
九、堆排序
/**
* 堆排序是一種樹形選擇排序,是對直接選擇排序的有效改進。
* 堆的定義下:具有n個元素的序列 (h1,h2,...,hn),當且僅當滿足(hi>=h2i,hi>=2i+1)或(hi<=h2i,hi<=2i+1)
* (i=1,2,...,n/2)時稱之爲堆。在這裏只討論滿足前者條件的堆。由堆的定義可以看出,堆頂元素(即第一個元素)必爲
* 最大項(大頂堆)。完全二 叉樹可以很直觀地表示堆的結構。堆頂爲根,其它爲左子樹、右子樹。
* 思想:初始時把要排序的數的序列看作是一棵順序存儲的二叉樹,調整它們的存儲序,使之成爲一個 堆,這時堆的根
* 節點的數最大。然後將根節點與堆的最後一個節點交換。然後對前面(n-1)個數重新調整使之成爲堆。依此類推,直到只有
* 兩個節點的堆,並對 它們作交換,最後得到有n個節點的有序序列。從算法描述來看,堆排序需要兩個過程,一是建立堆,
* 二是堆頂與堆的最後一個元素交換位置。所以堆排序有兩個函數組成。一是建堆的滲透函數,二是反覆調用滲透函數實現排
* 序的函數。
*/
public static void sort(int[] a) {
Test.printArr("堆排序 前:", a);
int arrayLength = a.length;
//循環建堆
for (int i = 0; i < arrayLength - 1; i++) {
//建堆
buildMaxHeap(a, arrayLength - 1 - i);
//交換堆頂和最後一個元素
swap(a, 0, arrayLength - 1 - i);
}
Test.printArr("堆排序 後:", a);
}
//對data數組從0到lastIndex建大頂堆
public static void buildMaxHeap(int[] data, int lastIndex) {
//從lastIndex處節點(最後一個節點)的父節點開始
for (int i = (lastIndex - 1) / 2; i >= 0; i--) {
//k保存正在判斷的節點
int k = i;
//如果當前k節點的子節點存在
while (k * 2 + 1 <= lastIndex) {
//k節點的左子節點的索引
int biggerIndex = 2 * k + 1;
//如果biggerIndex小於lastIndex,即biggerIndex+1代表的k節點的右子節點存在
if (biggerIndex < lastIndex) {
//若果右子節點的值較大
if (data[biggerIndex] < data[biggerIndex + 1]) {
//biggerIndex總是記錄較大子節點的索引
biggerIndex++;
}
}
//如果k節點的值小於其較大的子節點的值
if (data[k] < data[biggerIndex]) {
//交換他們
swap(data, k, biggerIndex);
//將biggerIndex賦予k,開始while循環的下一次循環,重新保證k節點的值大於其左右子節點的值
k = biggerIndex;
} else {
break;
}
}
}
}
//交換
private static void swap(int[] data, int i, int j) {
int tmp = data[i];
data[i] = data[j];
data[j] = tmp;
}
十、冒泡排序
/**
* 冒泡排序 穩定
*
* @param numbers 需要排序的數組
*/
public static void sort(int[] numbers) {
Test.printArr("冒泡排序 前:", numbers);
for (int x = 0; x < numbers.length - 1; x++) {
for (int y = 0; y < numbers.length - 1 - x; y++) {
if (numbers[y] > numbers[y + 1]) {
int t = numbers[y];
numbers[y] = numbers[y + 1];
numbers[y + 1] = t;
}
}
}
Test.printArr("冒泡排序 後:", numbers);
}
/**
* 優化冒泡排序
* 加入一個布爾變量,如果內循環沒有交換值,說明已經排序完成,提前終止
* @param arr
*/
public static void sortPlus(int[] arr){
Test.printArr("冒泡排序Plus 前:", arr);
if(arr != null && arr.length > 1){
for(int i = 0; i < arr.length - 1; i++){
// 初始化一個布爾值
boolean flag = true;
for(int j = 0; j < arr.length - i - 1 ; j++){
if(arr[j] > arr[j+1]){
// 調換
int temp;
temp = arr[j];
arr[j] = arr[j+1];
arr[j+1] = temp;
// 改變flag
flag = false;
}
}
if(flag){
break;
}
}
}
Test.printArr("冒泡排序Plus 後:", arr);
}
穩定性的意義
1、如果只是簡單的進行數字的排序,那麼穩定性將毫無意義。
2、如果排序的內容僅僅是一個複雜對象的某一個數字屬性,那麼穩定性依舊將毫無意義
3、如果要排序的內容是一個複雜對象的多個數字屬性,但是其原本的初始順序毫無意義,那麼穩定性依舊將毫無意義。
4、除非要排序的內容是一個複雜對象的多個數字屬性,且其原本的初始順序存在意義,那麼我們需要在二次排序的基礎上保持原有排序的意義,才需要使用到穩定性的算法,例如要排序的內容是一組原本按照價格高低排序的對象,如今需要按照銷量高低排序,使用穩定性算法,可以使得想同銷量的對象依舊保持着價格高低的排序展現,只有銷量不同的纔會重新排序。