Java实现快速排序和堆排序的示例代码

更新时间：2022年12月22日 10:55:13 作者：程序小猿2

这篇文章主要为大家详细介绍了快速排序和堆排序的多种语言的实现（JavaScript、Python、Go语言、Java、C++），感兴趣的小伙伴可以了解一下

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。

算法步骤

从数列中挑出一个元素，称为 “基准”（pivot）;
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；
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。

动图演示

JavaScript代码实现

function quickSort(arr,left,right){
    var len = arr.length,
        partitionIndex,
        left = typeof left != 'number' ? 0 : left,
        right = typeof right != 'number' ? len - 1 : right;
        
    if(left < right){
        partitionIndex = partition(arr,left,right);
        quickSort(arr,left,partitionIndex-1);
        quickSort(arr,partitionIndex+1,right);
    }
    return arr;
}

function partition(arr,left,right){     //分区操作
    var prvot = left,                   //设定基准值（pivot）
        index = pivot + 1;
    for(var i = index;i <= right;i++){
        if(arr[i] < arr[pivot]){
            swap(arr,i,index);
            index++;
        }
    }
    swap(arr,pivot,index - 1);
    return index-1;
}

function swap(arr,i ,j){
    var temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}
function partition2(arr,low,high){
    let pivot = arr[low];
    while(low < high){
        while(low < high && arr[high] > pivot){
            --high;
        }
        arr[low] = arr[high];
        while(low < high && arr[low] <= pivot){
            ++low
        }
        arr[high] = arr[low];
    }
    arr[low] = pivot;
    return low;
}

function qunickSort2(arr,low,high){
    if(low < high){
        let pivot = pratition2(arr,low,high);
        quickSort2(arr,low,pivot - 1);
        quickSort2(arr,pivot + 1,high);
    }
    return arr;
}

python代码实现

def quickSort(arr,left=None,right=None):
    left = 0 if not isinstance(left,(int,float)) else left
    right = len(arr)-1 if not isinstance(right,(int,float)) else right
    if left < right:
        partitionIndex = partition(arr,left,right)
        quickSort(arr,left,partitionIndex-1)
        qunckSort(arr,partitionIndex+1,right)
    return arr
    
def partition(arr,left,right):
    pivot = left
    index = pivot+1
    i = index
    while i <= right:
        if arr[i] < arr[pivot]:
            swap(arr,i,index0
            index+=1
         i+=1
     swap(arr,pivot,index-1)
     return index-1
def swap(arr,i,j):
    arr[i],arr[j] = arr[j],arr[i]

Go代码实现

func quickSort(arr []int) []int{
    return _quickSort(arr,0,len(arr)-1)
}

func _quickSort(arr []int,left,right int) []int{
    if left < right {
        partitionIndex := partition(arr,left,right)
        _quickSort(arr,left,partitionIndex-1)
        _quickSort(arr,partitionIndex+1,right)
    }
    return arr
}

func partition(arr []int,left,right int)int{
    pivot := left
    index := pivot + 1
    
    for i := index; i <= right; i++{
        if arr[i] < arr[pivot]{
            swap(arr,i,index)
            index += 1
        }
    }
    swap(arr,pivot,index-1)
    return index - 1
}

func swap(arr []int, i, j int){
    arr[i],arr[j] = arr[j],arr[i]
}

C++代码实现

Partition1(int A[],int low,int high){
    int pivot = A[low];
    while(low < high){
        while(low<high && A[high] >= pivot){
            --high;
        }
        A[low] = A[high];
        while(low < high && A[low] <= pivot){
            ++low;
        }
        A[high] = A[low];
    }
    A[low] = pivot;
    return low;
}

void QuickSort(int A[], int low, int high)
{
    if(low < high){
        int pivot = Partition1(A,low,high);
        QuickSort(A,low,pivot - 1);
        QuickSort(A,pivot + 1,high);
    }
}

Java代码实现

public class QuickSort implements IArraySort{

    @Override
    public int[] sort(int[] sourceArray) throws Exception{
        //对arr进行拷贝，不改变参数内容
        int[] arr = Arrays.copyOf(sourceArray,sourceArray.length);
        
        return quickSort(arr,0,arr.length - 1);
    }
    
    private int[] quickSort(int[] arr, int left, int right){
        if(left < right){
            int partitionIndex = partition(arr,left,right);
            quicksort(arr,left,partitionIndex - 1);
            quickSort(arr,partitionIndex + 1,right);
        }
        return arr;
    }
    
    private int partition(int[] arr, int left, int right){
        //设定基准值(pivot)
        int pivot = left;
        int index = pivot + 1;
        for(int i = index; i<= right; i++){
            if(arr[i] < arr[pivot]){
                swao(arr,i,index);
                index++;
            }
        }
        swap(arr,pivot,index - 1);
        return index - 1;
    }
    
    private void swap(int[] arr, int i, int j){
        int temp = arr[i];
        arr[i] = arr[j];
        arr[j] = temp;
    }
}

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：

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；
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)。

算法步骤

1.将待排序序列构建成一个堆 H[0……n-1]，根据（升序降序需求）选择大顶堆或小顶堆；

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。

动图演示

JavaScript代码实现

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

function buildMaxHeap(arr){    //建立大顶堆
    len = arr.length;
    for(var i = Math.floor(len/2);i>=0;i--){
        heapify(arr,i);
    }
}

function heapify(arr,i){     //堆调整
    var left = 2 * i + 1,
        right = 2 * i + 2,
        largest = i;
        
    if(left < len && arr[left] > arr[largest]){
        largest = left;
    }
    
    if(right < len && arr[right] > arr[largest]){
        largest = right;
    }
    
    if(largest != i){
        swap(arr,i,largest);
        heapify(arr,largest);
    }
}

function swap(arr,i,j){
    var temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}

function heapSort(arr){
    buildMaxHeap(arr);
    
    for(var i = arr.length-1; i > 0; i--){
        swap(arr,0,i);
        len--;
        heapify(arr,0);
    }
    return arr;
}

Python代码实现

def buildMaxHeap(arr):
    import math
    for i in range(math.floor(len(arr)/2),-1,-1):
        heapify(arr,i)
        
def heapify(arr,i):
    left = 2*i+1
    right = 2*i+2
    largest = i
    if left < arrLen and arr[left] > arr[largest]:
        largest = left
    if right < arrLen and arr[right] > arr[largest]:
        largest = right
        
    if largest != i:
        swap(arr,i,largest)
        heapify(arr,largest)
        
def swap(arr,i,j):
    arr[i],arr[j] = arr[j],arr[i]
    
def heapSort(arr):
    global arrLen
    aeeLen = len(arr)
    buildMasxHeap(arr)
    for i in range(len(arr)-1,0,-1):
        swap(arr,0,i)
        arrLen -= 1
        heapify(arr,0)
    return arr

Go代码实现

func heapSort(arr []int) []int {
    arrLen := len(arr)
    buildMaxHeap(arr, arrLen)
    for i := arrLen - 1; i >= 0; i-- {
        swap(arr, 0, i)
        arrLen -= 1
        heapify(arr, 0, arrLen)
    }
    return arr
}

func buildMaxHeap(arr []int, arrLen int) {
    for i := arrLen / 2; i >= 0; i-- {
        heapify(arr, i, arrLen)
    }
}

func heapify(arr []int, i, arrLen int) {
    left := 2*i + 1
    right := 2*i + 2
    largest := i
    if left < arrLen && arr[left] > arr[largest] {
        largest = left
    }
    if right < arrLen && arr[right] > arr[largest] {
        largest = right
    }
    if largest != i {
        swap(arr, i, largest)
        heapify(arr, largest, arrLen)
    }
}

func swap(arr []int, i, j int) {
    arr[i], arr[j] = arr[j], arr[i]
}

Java代码实现

public class HeapSort implements IArraySort{

    @Override
    public int[] sort(int[] sourceArray) throws Exception{
        //对arr进行拷贝，不改变参数内容
        int[] arr = Array.copyOf(sourceArray,sourceArray.length);
        
        int len = arr.length;
        
        buildMaxHeap(arr,len);
        
        for(int i = len - 1; i > 0; i--){
            swap(arr,0,i);
            len--;
            heapify(arr,0,len);
        }
        return arr;
    }
    
    private void buildMaxHeap(int[] arr,int i , int len){
        int left = 2 * i + 1;
        int right = 2 * i + 2;
        int largest = i;
        
        if(left < len && arr[left] > arr[largest]){
            largest = left;
        }
        
        
        if(right < len && arr[right] > arr[largest]){
            largest = right;
        }
        
        if(largest != i){
            swap(arr,i,largest);
            heapify(arr,length,len);
        }
    }
    
    private void swap(int[] arr, int i, int j){
        int temp = arr[i];
        arr[i] = arr[j];
        arr[j] = temp;
    }
    
}

到此这篇关于Java实现快速排序和堆排序的示例代码的文章就介绍到这了,更多相关Java 排序内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

spring cloud gateway中如何读取请求参数
这篇文章主要介绍了spring cloud gateway中如何读取请求参数的操作，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2021-07-07
Java Stream reduce()使用指南
reduce()是Java Stream API中的一个重要终端操作,用于将流中的元素通过二元运算符结合起来,生成单一结果,它主要用于计算总和、乘积、最大值、最小值和字符串连接等,本文给大家介绍Java Stream reduce(),感兴趣的朋友一起看看吧
2024-10-10
SpringBoot+Vue+Redis实现单点登录(一处登录另一处退出登录)
小编接到一个需求，需要实现用户在浏览器登录后，跳转到其他页面，当用户在其它地方又登录时，前面用户登录的页面退出登录，这篇文章主要介绍了SpringBoot+Vue+Redis实现单点登录,需要的朋友可以参考下
2019-12-12
SpringBoot+OCR 实现图片文字识别
本文主要介绍了SpringBoot+OCR 实现图片文字识别，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2021-12-12
java中线程挂起的几种方式详解
这篇文章主要介绍了java中线程挂起的几种方式详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-08-08
Java设计通用的返回数据格式过程讲解
现在很多的项目server端返回client端的数据多数以JSON格式返回，同时结合其它需要，通常加一下状态码和信息之类，给前端处理带来很大的方便，这篇文章就用Java设计了通用的返回数据格式，感兴趣的同学可以参考下文
2023-05-05
使用maven实现有关Jsoup简单爬虫的步骤
这篇文章主要介绍了使用maven实现有关Jsoup简单爬虫的步骤，文中附含详细示例代码，有需要的朋友可以借鉴参考下，希望能够有所帮助
2021-09-09
学习Java模拟实现百度文档在线浏览
这片文章介绍了如何使用Java模拟实现百度文档在线浏览，文章思路清晰,需要的朋友可以参考下
2015-07-07
Java内部类及其特点的讲解
今天小编就为大家分享一篇关于Java内部类及其特点的讲解，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
2019-01-01
一分钟入门Java Spring Boot彻底解决SSM配置问题
Spring Boot是由Pivotal团队提供的全新框架，其设计目的是用来简化新Spring应用的初始搭建以及开发过程。该框架使用了特定的方式来进行配置，从而使开发人员不再需要定义样板化的配置。通过这种方式，Spring Boot致力于在蓬勃发展的快速应用开发领域成为领导者
2021-10-10