栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Java

让面试官满意的排序算法(图文解析)

Java 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

让面试官满意的排序算法(图文解析)

让面试官满意的排序算法(图文解析)
  • 这种排序算法能够让面试官面露微笑

  • 这种排序算法集各排序算法之大成

  • 这种排序算法逻辑性十足

  • 这种排序算法能够展示自己对Java底层的了解

    这种排序算法出自Vladimir Yaroslavskiy、Jon Bentley和Josh Bloch三位大牛之手,它就是JDK的排序算法——java.util.DualPivotQuicksort(双支点快排)

DualPivotQuicksort

先看一副逻辑图(如有错误请大牛在评论区指正)

插排指的是改进版插排——哨兵插排

快排指的是改进版快排——双支点快排

DualPivotQuickSort没有Object数组排序的逻辑,此逻辑在Arrays中,好像是归并+Tim排序

图像应该很清楚:对于不同的数据类型,Java有不同的排序策略:

  • byte、short、char 他们的取值范围有限,使用计数排序占用的空间也不过256/65536个单位,只要排序的数量不是特别少(有一个计数排序阈值,低于这个阈值的话就没有不要用空间换时间了),都应使用计数排序
  • int、long、float、double 他们的取值范围非常的大,不适合使用计数排序
  • float和double 他们又有特殊情况:
    • NAN(not a number),NAN不等于任何数字,甚至不等于自己
    • +0.0,-0.0,float和double无法精确表示十进制小数,我们所看到的十进制小数其实都是取得近似值,因而会有+0.0(接近0的正浮点数)和-0.0(接近0的负浮点数),在排序流程中统一按0来处理,因而最后要调整一下-0.0和+0.0的位置关系
  • Object
计数排序

计数排序是以空间换时间的排序算法,它时间复杂度O(n),空间复杂度O(m)(m为排序数值可能取值的数量),只有在范围较小的时候才应该考虑计数排序

(源码以short为例)

int[] count = new int[NUM_SHORT_VALUES]; //1 << 16 = 65536,即short的可取值数量

//计数,left和right为数组要排序的范围的左界和右界
//注意,直接把
for (int i = left - 1; ++i <= right;count[a[i] - Short.MIN_VALUE]++);

//排序
for (int i = NUM_SHORT_VALUES, k = right + 1; k > left; ) {
    while (count[--i] == 0);
    short value = (short) (i + Short.MIN_VALUE);
    int s = count[i];

    do {
 a[--k] = value;
    } while (--s > 0);
}
哨兵插排

当数组元素较少时,时间O(n2)和O(logn)其实相差无几,而插排的空间占用率要少于快排和归并排序,因而当数组元素较少时(<插排阈值),优先使用插排

哨兵插排是对插排的优化,原插排每次取一个值进行遍历插入,而哨兵插排则取两个,较大的一个(小端在前的排序)作为哨兵,当哨兵遍历到自己的位置时,另一个值可以直接从哨兵当前位置开始遍历,而不用再重头遍历

只画了静态图,如果有好的绘制Gif的工具请在评论区告诉我哦

我们来看一下源码:

if (leftmost) {
    //传统插排(无哨兵Sentinel)
    //遍历
    //循环向左比较(<左侧元素——换位)-直到大于左侧元素
    for (int i = left, j = i; i < right; j = ++i) {
 int ai = a[i + 1];
 while (ai < a[j]) {
     a[j + 1] = a[j];
     if (j-- == left) {
  break;
     }
 }
 a[j + 1] = ai;
    }
    
    //哨兵插排
} else {
    //如果一开始就是排好序的——直接返回
    do {
 if (left >= right) {
     return;
 }
    } while (a[++left] >= a[left - 1]);

    //以两个为单位遍历,大的元素充当哨兵,以减少小的元素循环向左比较的范围
    for (int k = left; ++left <= right; k = ++left) {
 int a1 = a[k], a2 = a[left];

 if (a1 < a2) {
     a2 = a1; a1 = a[left];
 }
 while (a1 < a[--k]) {
     a[k + 2] = a[k];
 }
 a[++k + 1] = a1;

 while (a2 < a[--k]) {
     a[k + 1] = a[k];
 }
 a[k + 1] = a2;
    }
    //确保最后一个元素被排序
    int last = a[right];

    while (last < a[--right]) {
 a[right + 1] = a[right];
    }
    a[right + 1] = last;
}
return;
双支点快排

重头戏:双支点快排!

快排虽然稳定性不如归并排序,但是它不用复制来复制去,省去了一段数组的空间,在数组元素较少的情况下稳定性影响也会下降(>插排阈值 ,<快排阈值),优先使用快排

双支点快排在原有的快排基础上,多加一个支点,左右共进,效率提升

看图:

  1. 第一步,取支点

    注意:如果5个节点有相等的任两个节点,说明数据不够均匀,那就要使用单节点快排

  2. 快排

源码(int为例,这么长估计也没人看)

// Inexpensive approximation of length / 7 
// 快排阈值是286 其7分之一小于等于1/8+1/64+1
int seventh = (length >> 3) + (length >> 6) + 1;

// 获取分成7份的五个中间点
int e3 = (left + right) >>> 1; // The midpoint
int e2 = e3 - seventh;
int e1 = e2 - seventh;
int e4 = e3 + seventh;
int e5 = e4 + seventh;

// 保证中间点的元素从小到大排序
if (a[e2] < a[e1]) { 
    int t = a[e2]; a[e2] = a[e1]; a[e1] = t; }

if (a[e3] < a[e2]) { 
    int t = a[e3]; a[e3] = a[e2]; a[e2] = t;
    if (t < a[e1]) { a[e2] = a[e1]; a[e1] = t; }
}
if (a[e4] < a[e3]) { 
    int t = a[e4]; a[e4] = a[e3]; a[e3] = t;
    if (t < a[e2]) { a[e3] = a[e2]; a[e2] = t;
      if (t < a[e1]) { a[e2] = a[e1]; a[e1] = t; }
     }
}
if (a[e5] < a[e4]) { 
    int t = a[e5]; a[e5] = a[e4]; a[e4] = t;      
    if (t < a[e3]) { a[e4] = a[e3]; a[e3] = t;
      if (t < a[e2]) { a[e3] = a[e2]; a[e2] = t;
 if (t < a[e1]) { a[e2] = a[e1]; a[e1] = t; }
}
     }
}

// Pointers
int less  = left;  // The index of the first element of center part
int great = right; // The index before the first element of right part

//点彼此不相等——分三段快排,否则分两段
if (a[e1] != a[e2] && a[e2] != a[e3] && a[e3] != a[e4] && a[e4] != a[e5]) {
    
    int pivot1 = a[e2];
    int pivot2 = a[e4];

    
    a[e2] = a[left];
    a[e4] = a[right];

    while (a[++less] < pivot1);
    while (a[--great] > pivot2);

    
    outer:
    for (int k = less - 1; ++k <= great; ) {
 int ak = a[k];
 if (ak < pivot1) { // Move a[k] to left part
     a[k] = a[less];
     
     a[less] = ak;
     ++less;
 } else if (ak > pivot2) { // Move a[k] to right part
     while (a[great] > pivot2) {
  if (great-- == k) {
      break outer;
  }
     }
     if (a[great] < pivot1) { // a[great] <= pivot2
  a[k] = a[less];
  a[less] = a[great];
  ++less;
     } else { // pivot1 <= a[great] <= pivot2
  a[k] = a[great];
     }
     
     a[great] = ak;
     --great;
 }
    }

    // Swap pivots into their final positions
    a[left]  = a[less  - 1]; a[less  - 1] = pivot1;
    a[right] = a[great + 1]; a[great + 1] = pivot2;

    // Sort left and right parts recursively, excluding known pivots
    sort(a, left, less - 2, leftmost);
    sort(a, great + 2, right, false);

    
    if (less < e1 && e5 < great) {
 
 while (a[less] == pivot1) {
     ++less;
 }

 while (a[great] == pivot2) {
     --great;
 }

 
 outer:
 for (int k = less - 1; ++k <= great; ) {
     int ak = a[k];
     if (ak == pivot1) { // Move a[k] to left part
  a[k] = a[less];
  a[less] = ak;
  ++less;
     } else if (ak == pivot2) { // Move a[k] to right part
  while (a[great] == pivot2) {
      if (great-- == k) {
   break outer;
      }
  }
  if (a[great] == pivot1) { // a[great] < pivot2
      a[k] = a[less];
      
      a[less] = pivot1;
      ++less;
  } else { // pivot1 < a[great] < pivot2
      a[k] = a[great];
  }
  a[great] = ak;
  --great;
     }
 }
    }

    // Sort center part recursively
    sort(a, less, great, false);

} else { // Partitioning with one pivot
    
    int pivot = a[e3];

    
    for (int k = less; k <= great; ++k) {
 if (a[k] == pivot) {
     continue;
 }
 int ak = a[k];
 if (ak < pivot) { // Move a[k] to left part
     a[k] = a[less];
     a[less] = ak;
     ++less;
 } else { // a[k] > pivot - Move a[k] to right part
     while (a[great] > pivot) {
  --great;
     }
     if (a[great] < pivot) { // a[great] <= pivot
  a[k] = a[less];
  a[less] = a[great];
  ++less;
     } else { // a[great] == pivot
  
  a[k] = pivot;
     }
     a[great] = ak;
     --great;
 }
    }

    
    sort(a, left, less - 1, leftmost);
    sort(a, great + 1, right, false);
}
归并排序

你不会以为元素多(>快排阈值)就一定要用归并了吧?

错!元素多时确实对算法的稳定性有要求,可是如果这些元素能够稳定快排呢?

开发JDK的大牛显然考虑了这一点:他们在归并排序之前对元素进行了是否能稳定快排的判断:

  • 如果数组本身几乎已经排好了(可以看出几段有序数组的拼接),那还排什么,理一理返回就行了
  • 如果出现连续33个相等元素——使用快排(实话说,我没弄明白为什么,有无大牛给我指点迷津?)
//判断结构是否适合归并排序
int[] run = new int[MAX_RUN_COUNT + 1];
int count = 0; run[0] = left;

// Check if the array is nearly sorted
for (int k = left; k < right; run[count] = k) {
    if (a[k] < a[k + 1]) { // ascending
 while (++k <= right && a[k - 1] <= a[k]);
    } else if (a[k] > a[k + 1]) { // descending
 while (++k <= right && a[k - 1] >= a[k]);
 for (int lo = run[count] - 1, hi = k; ++lo < --hi; ) {
     int t = a[lo]; a[lo] = a[hi]; a[hi] = t;
 }
    } else { 
 //连续MAX_RUN_LENGTH(33)个相等元素,使用快排
 for (int m = MAX_RUN_LENGTH; ++k <= right && a[k - 1] == a[k]; ) {
     if (--m == 0) {
  sort(a, left, right, true);
  return;
     }
 }
    }

    //count达到MAX_RUN_LENGTH,使用快排
    if (++count == MAX_RUN_COUNT) {
 sort(a, left, right, true);
 return;
    }
}

// Check special cases
// Implementation note: variable "right" is increased by 1.
if (run[count] == right++) { // The last run contains one element
    run[++count] = right;
} else if (count == 1) { // The array is already sorted
    return;
}

归并排序源码

byte odd = 0;
for (int n = 1; (n <<= 1) < count; odd ^= 1);

// Use or create temporary array b for merging
int[] b;   // temp array; alternates with a
int ao, bo;// array offsets from 'left'
int blen = right - left; // space needed for b
if (work == null || workLen < blen || workbase + blen > work.length) {
    work = new int[blen];
    workbase = 0;
}
if (odd == 0) {
    System.arraycopy(a, left, work, workbase, blen);
    b = a;
    bo = 0;
    a = work;
    ao = workbase - left;
} else {
    b = work;
    ao = 0;
    bo = workbase - left;
}

// Merging
for (int last; count > 1; count = last) {
    for (int k = (last = 0) + 2; k <= count; k += 2) {
 int hi = run[k], mi = run[k - 1];
 for (int i = run[k - 2], p = i, q = mi; i < hi; ++i) {
     if (q >= hi || p < mi && a[p + ao] <= a[q + ao]) {
  b[i + bo] = a[p++ + ao];
     } else {
  b[i + bo] = a[q++ + ao];
     }
 }
 run[++last] = hi;
    }
    if ((count & 1) != 0) {
 for (int i = right, lo = run[count - 1]; --i >= lo;
      b[i + bo] = a[i + ao]
     );
 run[++last] = right;
    }
    int[] t = a; a = b; b = t;
    int o = ao; ao = bo; bo = o;
}

本文由博客一文多发平台 OpenWrite 发布!

转载请注明:文章转载自 www.mshxw.com
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号