佛山网站建设策划一个网站怎么做镜像站
以下是典型的排序算法分类及对应的 Java 实现，包含时间复杂度、稳定性说明和核心代码示例：
一、比较类排序（通过元素比较）
1. 交换排序
① 冒泡排序
时间复杂度：O(n²)（优化后最优O(n)）
稳定性：稳定
public static void bubbleSort(int[] arr) {boolean swapped;for (int i = 0; i < arr.length - 1; i++) {swapped = false;for (int j = 0; j < arr.length - i - 1; j++) {if (arr[j] > arr[j + 1]) {int temp = arr[j];arr[j] = arr[j + 1];arr[j + 1] = temp;swapped = true;}}if (!swapped) break; // 提前终止优化}
}
② 快速排序
时间复杂度：平均 O(n log n)，最差 O(n²)
稳定性：不稳定
public static void quickSort(int[] arr, int low, int high) {if (low < high) {int pivot = partition(arr, low, high);quickSort(arr, low, pivot - 1);quickSort(arr, pivot + 1, high);}
}private static int partition(int[] arr, int low, int high) {int pivot = arr[high]; // 选择末尾为基准int i = low - 1;for (int j = low; j < high; j++) {if (arr[j] < pivot) {i++;int temp = arr[i];arr[i] = arr[j];arr[j] = temp;}}int temp = arr[i + 1];arr[i + 1] = arr[high];arr[high] = temp;return i + 1;
}
2. 插入排序
① 直接插入排序
时间复杂度：O(n²)（最优O(n)）
稳定性：稳定
public static void insertionSort(int[] arr) {for (int i = 1; i < arr.length; i++) {int key = arr[i];int j = i - 1;while (j >= 0 && arr[j] > key) {arr[j + 1] = arr[j];j--;}arr[j + 1] = key;}
}
3. 选择排序
① 简单选择排序
时间复杂度：O(n²)
稳定性：不稳定
public static void selectionSort(int[] arr) {for (int i = 0; i < arr.length - 1; i++) {int minIdx = i;for (int j = i + 1; j < arr.length; j++) {if (arr[j] < arr[minIdx]) {minIdx = j;}}int temp = arr[minIdx];arr[minIdx] = arr[i];arr[i] = temp;}
}
4. 归并排序
时间复杂度：O(n log n)
稳定性：稳定
public static void mergeSort(int[] arr, int left, int right) {if (left < right) {int mid = left + (right - left) / 2;mergeSort(arr, left, mid);mergeSort(arr, mid + 1, right);merge(arr, left, mid, right);}
}private static void merge(int[] arr, int left, int mid, int right) {int[] temp = new int[right - left + 1];int i = left, j = mid + 1, k = 0;while (i <= mid && j <= right) {temp[k++] = arr[i] <= arr[j] ? arr[i++] : arr[j++];}while (i <= mid) temp[k++] = arr[i++];while (j <= right) temp[k++] = arr[j++];System.arraycopy(temp, 0, arr, left, temp.length);
}
5. 堆排序
时间复杂度：O(n log n)
稳定性：不稳定
public static void heapSort(int[] arr) {// 构建最大堆for (int i = arr.length / 2 - 1; i >= 0; i--) {heapify(arr, arr.length, i);}// 逐步提取堆顶元素for (int i = arr.length - 1; i > 0; i--) {int temp = arr[0];arr[0] = arr[i];arr[i] = temp;heapify(arr, i, 0);}
}private static void heapify(int[] arr, int n, int i) {int largest = i;int left = 2 * i + 1;int right = 2 * i + 2;if (left < n && arr[left] > arr[largest]) largest = left;if (right < n && arr[right] > arr[largest]) largest = right;if (largest != i) {int swap = arr[i];arr[i] = arr[largest];arr[largest] = swap;heapify(arr, n, largest);}
}
二、非比较类排序（利用数值特征）
1. 计数排序
时间复杂度：O(n + k)（k 为数据范围）
稳定性：稳定
适用场景：整数且范围较小
public static void countingSort(int[] arr) {int max = Arrays.stream(arr).max().getAsInt();int[] count = new int[max + 1];for (int num : arr) count[num]++;int idx = 0;for (int i = 0; i <= max; i++) {while (count[i]-- > 0) {arr[idx++] = i;}}
}
2. 基数排序
时间复杂度：O(nk)（k 为最大位数）
稳定性：稳定
public static void radixSort(int[] arr) {int max = Arrays.stream(arr).max().getAsInt();for (int exp = 1; max / exp > 0; exp *= 10) {countSortByDigit(arr, exp);}
}private static void countSortByDigit(int[] arr, int exp) {int[] output = new int[arr.length];int[] count = new int[10];for (int num : arr) count[(num / exp) % 10]++;for (int i = 1; i < 10; i++) count[i] += count[i - 1];for (int i = arr.length - 1; i >= 0; i--) {output[count[(arr[i] / exp) % 10] - 1] = arr[i];count[(arr[i] / exp) % 10]--;}System.arraycopy(output, 0, arr, 0, arr.length);
}
三、总结与选择建议
| 算法 | 平均时间复杂度 | 空间复杂度 | 稳定性 | 适用场景 |
|---|---|---|---|---|
| 冒泡排序 | O(n²) | O(1) | 稳定 | 小数据、教学演示 |
| 快速排序 | O(n log n) | O(log n) | 不稳定 | 通用场景（优化后高效） |
| 归并排序 | O(n log n) | O(n) | 稳定 | 大数据、稳定排序需求 |
| 堆排序 | O(n log n) | O(1) | 不稳定 | 原地排序、内存敏感场景 |
| 计数排序 | O(n + k) | O(k) | 稳定 | 整数且数值范围小 |
| 基数排序 | O(nk) | O(n + k) | 稳定 | 多位数整数（如身份证号） |
实际建议：
- 小规模数据：插入排序或冒泡排序（简单实现）。
- 通用场景：优先选择快速排序（需优化基准选择）。
- 稳定排序需求：归并排序或基数排序。
- 特定数值特征：计数排序/基数排序效率碾压比较排序。