圖解選擇排序及算法優化(Java實現)

選擇排序

前言

原理:每次循環對比找出最小/大值,將最值的元素交換至左側java

思想:直接選擇排序(Straight Select Sort)算法思想:第一趟從n個元素的數據序列中選出關鍵字最小/大的元素並放在最前/後位置,下一趟從n-1個元素中選出最小/大的元素並放在最前/後位置。以此類推,通過n-1趟完成排序算法

案例分析數組

一、初始的無序數列 {5,8,6,3,1,7},但願對其升序排序post

二、按照思路分析:
優化

內層循環通過一輪對比後找到最小值,min = 1,下標爲 index = 4;交換位置指針

代碼實現

第 1 版代碼

public static void straightSelectSort(int[] arr){

    //i不須要 = 數組最尾部元素,由於後面沒有值對比了
    for (int i = 0; i < arr.length - 1; i++) {
        //設置每次循環的起始點爲最小/大值
        int min = arr[i];
        //記錄下最小/大值的下標
        int index = i;
        for (int j = i + 1; j < arr.length; j++) {
            //升序排序>,降序排序<
            if (min > arr[j]){
                min = arr[j];
                index = j;
            }
        }
        //一輪對比完成後,將默認的最小值賦予到找到的最值下標位置
        arr[index] = arr[i];
        //把找到的真實最值放到前面
        arr[i] = min;
    }
}

這裏其實有可能出現默認的最小值其實就是真正的最小值,因此一輪內層循環下來,是沒有交換數據,能夠添加哨兵,若是沒有找到最小值,就不進行值的交換,減小交換次數。code

第 2 版代碼

public static void straightSelectSort(int[] arr){

    //i不須要 = 數組最尾部元素,由於後面沒有值對比了
    for (int i = 0; i < arr.length - 1; i++) {
        //設置每次循環的起始點爲最小/大值
        int min = arr[i];
        //記錄下最小/大值的下標
        int index = i;
        //哨兵,記錄是否找到最值,默認false
        boolean isSwap = false;
        for (int j = i + 1; j < arr.length; j++) {
            //升序排序>,降序排序<
            if (min > arr[j]){
                min = arr[j];
                index = j;
                //找到最值,設置爲true
                isSwap = true;
            }
        }
        if (isSwap){
            //一輪對比完成後,將默認的最小值賦予到找到的最值下標位置
            arr[index] = arr[i];
            //把找到的真實最值放到前面
            arr[i] = min;
        }
    }
}

直接選擇排序算法複雜度分析:blog

若是數組中有**n個元素排序

第1輪循環是arr[0] 和arr[1] ...arr[n-1] 進行比較,次數爲n-1 次,arr[0]放最值。get

第2輪循環是arr[1] 和 arr[2]...arr[n-1] 進行比較,次數爲n-2次,arr[1]放第二個最值。

因此不可貴出它的比較的次數是n-1 + n-2 + n-3 + ....1 = n*(n-1)/2 。

時間複雜度爲 = n^2/2- n/2 = n^2 ,O(n^2)

算法升級

分析

直接選擇排序每一次查找只是找出最小值,能夠這麼改進,查找最小值的同時,找到一個最大值,而後將二者分別放在它們應該出現的位置,這樣遍歷的次數就會減小,同時添加哨兵,若是沒有找到最值,不發生交換

以新的無序數列 {5,1,6,3,9,2,7,0}爲例,按照上面的分析,初始狀態以下:

排序過程以下:

交換最值,將最小值放到arr[left],最大值放到arr[right],同時left++,right--;準備下一輪循環,第一輪結果以下:

算法注意點:

(1) 第二輪開始對比前,咱們能夠發現,此時arr[left]arr[right]剛好是此輪的最值,所以應該加上哨兵,對此狀況,內循環走完後,不進行值交換,判斷條件:min == right && max == left

(2) 特別注意的地方:第三輪循環後,能夠發現的點是,left = 2,right = 5,而結果是min = 5,max = 2,仔細看你就發現了,leftmin對應,而maxright對應,結果是值反面的的,因此在進行值交換的時候,進行一次就能夠了,不然交換兩次,就變成了巴黎鐵塔翻過來又翻回去了,判斷條件:min == right && max == left

進化版代碼

public static void betterSelectSort(int[] arr) {

        //left指針指向無序邊界起點,right指針指向終點,temp用做臨時變量交換值
        int left,right,temp;
        //默認指向無序列表起點
        left = 0;
        //默認指向無序列表終點
        right = arr.length - 1;
        //記錄每輪找到的最小值的下標
        int min = left;
        //記錄每輪找到的最大值的下標
        int max = right;
        //當right >= left時,列表已經有序
        //記錄循環的次數
        int index = 0;
        while(left < right) {
            min = left;     //每輪開始前,默認無序列表起點爲最小值
            max = right;    //每輪開始前,默認無序列表終點爲最大值
            //指針i從左往右掃描,找出最小值,最大值
            for (int i=left; i<=right; i++) {
                if (arr[i]<arr[min]) {
                    min = i;    //經過比較,記錄最小值的下標
                }
                if(arr[i]>arr[max]) {
                    max = i;    //經過比較,記錄最大值的下標
                }
            }
            index++;
            if (min == left && max == right){
                System.out.println("第" + index + "輪循環沒有找到最值,無需交換");
            }else if (min == right && max == left){
                //交換一次便可,交換兩次的話,序列翻轉,至關於沒有交換
                temp = arr[left];
                arr[left] = arr[min];
                arr[min] = temp;
            }else {
                //找到最小值,交換
                temp = arr[left];
                arr[left] = arr[min];
                arr[min] = temp;

                //找到最大值,交換
                temp = arr[right];
                arr[right] = arr[max];
                arr[max] = temp;
            }
            //肯定最小/大值,指針向中間移動
            left++;right--;
        }
    }

優化後代碼雖然有效的減小了外層循環的次數,但其時間複雜度仍然是O(n^2)

文章爲原創,轉載請聲明出處
更多文章,歡迎點贊關注,個人掘金:https://juejin.im/user/1151943919304840/posts

相關文章
相關標籤/搜索