与打扑克牌类似，将要排序的牌（元素）不断地加入到已排序的牌（元素）中去。把要排序的数组分为了两个部分，一部分是排序好的元素，另一部分是待插入的元素，如果选择的元素比已排序好的元素小，则交换，直到全部元素都比较过为止。
每一次排序相当于一次反向冒泡
具体代码：
import java.lang.reflect.Array;
import java.util.Arrays;
public class Solution {
public static void main(String[] args) {
InsertSort(new int[] { 9 ,20 , 10, 13 , 12});
}
public static void InsertSort(int [] arr){
int value;//待插入元素
int index;//初始值为待插入元素前一个元素的索引
for(int i= 1 ; i< arr.length;i++){
//i从第二个元素开始，默认第一个元素是有序的
//循环条件是小于数组长度，因为也要将最后一个元素插入到前面的序列
value = arr[i];
index = i - 1;//初始为前一个元素
while(index >=0 && value < arr[index]){
//需要保证index合法
//每当前面的元素比待插入元素大，就向后移动
arr[index + 1] = arr[index];
//不用怕覆盖，因为value保存着待插入的值
index--;
}
//跳出循环条件:index=-1或value>=arr[index]
//因此 选择在此时index右边插入元素
arr[index + 1] = value;
}
System.out.println(Arrays.toString(arr));
}
}
时间复杂度：
最优为O(n)，比如原数组已经是有序数组了，此时每个元素只需要跟前面一个元素比较一次，共比较n-1次。最差为O(n²)，即第i个元素都要与前面共i-1个元素比较。可以认为直接插入排序时间复杂度为O(n²)。
空间复杂度为O(1)
2.希尔排序希尔排序算法是直接插入算法的一种改进，其基本思想为按步长先将数据进行分组，对每个组进行直接插入排序，而后减小步长，重复分组+排序，直到步长为1。
import java.util.Arrays;
public class ShellSort {
public static void sort(int[] a){
//确定初始的步长
int h = 1;
while(h=1){//h=7,3,1
//i用于确定分组的起点
for(int i = h;i=h;j-=h){
//步长不同的插入排序
if(a[j-h]>a[j]){
int temp = a[j-h];
a[j-h] = a[j];
a[j] = temp;
}else{
break;
}
}
}
//减小步长
h/=2;
}
}
public static void main(String[] args) {
int[] a = {9,5,8,2,4,1,3,7,6};
sort(a);
System.out.println(Arrays.toString(a));
}
}
例子来源
时间复杂度：取决于步长，假设以N/2作为起始步长，则最坏情况为O(N²)。
空间复杂度：O(1)
3.归并排序
归并排序是分治思想的体现，其思路是将数组拆分成子数组直到每个数组只有一个元素，而后再将数组两两合并，直到合并成为一个数组。
public static void sort(int[] a,int left,int right){
if(right>=left)return; //当子数组长度为1时退出
int mid = (right+left)/2;
sort(int[] a,left,mid);
sort(int[] a,mid+1;right);
merge(int[] a,left,mid,right);
}
public static void merge(int[]a,int left,int mid,int right){
int i = left;
int p1 = left;
int p2 = mid+1;
int[] temp = new int[a.length];
//三个指针 两个数组哪个元素小就放入temp数组
while(p1<=mid&&p2<=right){
if(a[p1]
空间复杂度: O(NlogN)
时间复杂度: O(N)
具体证明见此处
4.简单选择排序类似冒泡排序，每次都将子序列中最小的数放在最前面。
import java.util.Arrays;
public class SelectSort {
public static void sort(int[] a){
//选择的次数，数组长度减一 次
for(int i = 0; i
空间复杂度:O(N²)
时间复杂度: O(1)
5.快速排序快速排序是冒泡排序的一种改进，冒泡排序每次对相邻的两个数比较，比较消耗时间。
思路：运用了迭代和分治的思想，将数组先进行排序，然后再将其划分成小数组，然后重复排序。
排序方式：设左右两个指针和一个基准数（假设第一个元素），右指针从数组末尾开始反向遍历数组，左指针从另一端开始（索引0）。右指针负责寻找比基准数大的数字，找到即停，左指针负责找比基准数小的数字，找到即停，然后交换两指针对应元素的值，当两指针相遇，则该处为基准数要插入的位置。 此时基准数左侧的数组元素全部小于等于基准数，基准数右侧元素全部大于等于基准数。再将数组分为左右两个子数组，重复上述排序。
public class QuickSort {
//arr 需要排序的数组
//low 开始时最左边的索引=0
//high 开始时最右边的索引=arr.length-1
public static void quickSort(int[] arr,int low,int high){
int i,j,temp,t;
if(low>high){
return;
}
i=low;#左边哨兵的索引
j=high;#右边哨兵的索引
//temp就是基准位
temp = arr[low];#以最左边为 基准位
//里基准数远的那个指针先动 即右烧饼索引
while (i基准位的数 时
#继续从右往左找（同时 j 索引-1）
#找到后会跳出 while循环
while (temp<=arr[j]&&i=arr[i]&&i
时间复杂度：O(NlogN)
空间复杂度: O(1) 并未申请额外的空间，而是在原数组上进行操作。
6.冒泡排序
冒泡排序的思想是，多次遍历数组，每次都将最大的数放在最后。
public static void sort(int[] a){
//需要冒泡的次数
for(int i = 0 ; ia[j+1]){
int temp = a[j];
a[j] = a[j+1];
a[j+1] = temp;
}
}
}
}
时间复杂度:O(N)
空间复杂度:O(1)
7.堆排序
堆：堆可以看做一个完全二叉树的数组形式。堆又分为大顶堆和小顶堆。
- 大顶堆：每个结点的值都大于或等于左右子结点的值。
- 小顶堆：每个结点的值都小于或等于左右子结点的值。
堆排序的思路：将待排序列构造成一个大顶堆，然后将堆顶元素和数组最后一个元素(arr.length-1)互换，类似于冒泡排序，最大的元素已经被放在最后，再对[0,arr.length-2]的子序列进行排序，不断重复，每一次的堆顶都会被排到子序列的最后位置。大顶堆得到的是升序的排列，小顶堆得到的是降序的排列。
import java.util.Arrays;
public class HeapSort {
public static void main(String[] args) {
int[] array = {4,6,1,2,9,8,3,5};
heapSort(array);
System.out.println(Arrays.toString(array));
}
public static void heapSort(int[] arr){
//为什么从arr.length/2-1开始？
//因为arr.length/2-1是二叉树最后一个非叶子结点的下标
//第一次排序 从最后一个非叶子结点开始 倒序进行
for (int i = arr.length/2-1; i >= 0 ; i--) {
adjustHeap(arr,i,arr.length);
}
//交换子序列堆顶元素的位置 并对子序列进行排序
for (int j = arr.length-1; j > 0; j--) {
int temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr,0,j);
}
}
public static void adjustHeap (int[] arr,int i,int length){
int temp = arr[i];
for (int j = i * 2 + 1; j < length ; j = j * 2 + 1) {
if (j+1 < length && arr[j] < arr[j+1]){ //左子结点小于右子结点
j++; //j指向右子结点
}
if (arr[j] > temp){ //子节点大于父节点
arr[i] = arr[j]; //把较大的值赋值给父节点
//arr[j] = temp; 这里没必要换
i = j; //让i指向与其换位的子结点 因为
}else{
break;
}
}
arr[i] = temp;
}
}
其实整个排序主要核心就是堆化过程，堆化过程一般是用父节点和他的孩子节点进行比较，取最大的孩子节点和其进行交换；但是要注意这应该是个逆序的，先排序好子树的顺序，然后再一步步往上，到排序根节点上。然后又相反（因为根节点也可能是很小的）的，从根节点往子树上排序。最后才能把所有元素排序好；
时间复杂度：O(NlogN)
空间复杂度：O(1) 因为是就地排序，原地更改数组。
8.计数排序
思想：用辅助数组对数组中出现的数字计数,元素转下标，下标转元素。
public static int[] sort ( int[] arr ) {
if (arr.length < 2) {
return arr;
}
int min = arr[0], max = arr[0];
//找出最小值和最大值
for (int i = 0; i < arr.length; i++) {
if (arr[i] < min) {
min = arr[i];
}
if (arr[i] > max) {
max = arr[i];
}
}
//创建辅助数组，数组大小为原数组的最大值
int[] helper = new int[max - min + 1];
for (int e : arr) {
//将原数组的元素作为辅助数组的下标，出现一次次数+1
//e - min计算偏差
helper[e - min]++;
}
//数据回填的位置
int current = 0;
//遍历辅助数组
for (int i = 0; i < helper.length; i++) {
//当前元素出现次数大于1，依次赋给原数组
while (helper[i] > 0) {
//每次赋值后，指针右移
//i + min回填数据计算偏差
arr[current++] = i + min;
helper[i]--;
}
}
return arr;
}
空间复杂度：O(N+M) 其中 M 是原数组的最大值
时间复杂度：O(N+M) 其中 M 是原数组的最大值（即辅助数组的空间大小）。
由此可见计数排序适用于最大值较小的情况。
9.桶排序
桶排序是计数排序的一种进阶版本。
public static void bucketSort(int[] arr){
// 计算最大值与最小值
int max = Integer.MIN_VALUE;
int min = Integer.MAX_VALUE;
for(int i = 0; i < arr.length; i++){
max = Math.max(max, arr[i]);
min = Math.min(min, arr[i]);
}
// 计算桶的数量
int bucketNum = (max - min) / arr.length + 1;
ArrayList> bucketArr = new ArrayList<>(bucketNum);
for(int i = 0; i < bucketNum; i++){
bucketArr.add(new ArrayList());
}
// 将每个元素放入桶
for(int i = 0; i < arr.length; i++){
int num = (arr[i] - min) / (arr.length);
bucketArr.get(num).add(arr[i]);
}
// 对每个桶进行排序，任意排序方法都可以
for(int i = 0; i < bucketArr.size(); i++){
Collections.sort(bucketArr.get(i));
}
// 将桶中的元素赋值到原序列
int index = 0;
for(int i = 0; i < bucketArr.size(); i++){
for(int j = 0; j < bucketArr.get(i).size(); j++){
arr[index++] = bucketArr.get(i).get(j);
}
}
}
四、复杂度分析
1. 时间复杂度：O(N + C)
对于待排序序列大小为 N，共分为 M 个桶，主要步骤有：
N 次循环，将每个元素装入对应的桶中
M 次循环，对每个桶中的数据进行排序（平均每个桶有 N/M 个元素）
一般使用较为快速的排序算法，时间复杂度为 O ( N l o g N ) O(NlogN)O(NlogN)，实际的桶排序过程是以链表形式插入的。
整个桶排序的时间复杂度为：
O ( N ) + O ( M ∗ ( N / M ∗ l o g ( N / M ) ) ) = O ( N ∗ ( l o g ( N / M ) + 1 ) ) O(N)+O(M*(N/M*log(N/M)))=O(N*(log(N/M)+1))O(N)+O(M∗(N/M∗log(N/M)))=O(N∗(log(N/M)+1))
当 N = M 时，复杂度为 O ( N ) O(N)O(N)
2. 额外空间复杂度：O(N + M)
桶排序适用场景
桶排序适合外部排序，外部排序就是数据在内存之外，比如磁盘上，数据量比较大，无法 一次性读入内存。
举个例子，假如老板给你一份 10 GB 大小的文件，是订单的交易明细数 据，要求你按订单金额从大到小排序，而你的内存内有 4GB，实际可用内存只有 2 GB， 那么此时就是桶排序发挥作用的时候了。
1. 将文件逐行读入内存(几乎每个编程语言都可 以)，扫描并记录最小值，最大值，假如最小值为 1 元，最大值为 10 万元，且都为整数， 不是整数也没关系，可以先乘以 100 换成整数，排序后再除以 100 还原。
10.基数排序
基数排序（Radix Sort）是将待排序序列的每个元素统一为同样位数长度的元素，位数较短的通过补0达到长度一致，然后从最低位或从最高位开始，依次进行稳定的计数排序，最终形成有序的序列
基数排序主要是针对整数的排序，由于整数也可以表示字符串或和特定格式的浮点数，因此能用整数表达的其他数据类型也能用基数排序
基数排序既可以从高位优先进行排序（简称MSD），也可以从低位优先进行排序（简称LSD）
public static int[] sort(int[] array) {
if (array.length < 2) return array;
//根据最大值算出位数
int max = array[0];
for (int temp : array) {
if (temp > max) {
max = temp;
}
}
//算出位数digit 比如最大值为120 maxDigit就为2
int maxDigit = 0;
while (max != 0) {
max /= 10;
maxDigit++;
}
//创建桶并初始化
ArrayList> bucket = new ArrayList<>();
for (int i = 0; i < 10; i++) {
bucket.add(new ArrayList<>());
}
//按照从右往左的顺序，依次将每一位都当做一次关键字，然后按照该关键字对数组排序，每一轮排序都基于上轮排序后的结果
int mold = 10;//取模运算
int div = 1;//获取对应位数的值
for (int i = 0; i < maxDigit; i++, mold *= 10, div *= 10) {
for (int j = 0; j < array.length; j++) {
//获取个位/十位/百位......
int num = (array[j] % mold) / div;
//把数据放入到对应的桶里
bucket.get(num).add(array[j]);
}
//把桶中的数据重新写回去，并把桶的元素清空，开始第二轮排序
int index = 0;
for (int k = 0; k < bucket.size(); k++) {
//桶中对应的数据
ArrayList list = bucket.get(k);
for (int m = 0; m < list.size(); m++) {
array[index++] = list.get(m);
}
//清除桶
bucket.get(k).clear();
}
}
return array;
}
时间复杂度：O(k*n),最外层时间复杂度是o（k）,k是序列最大数的位数，在里层的出桶时间复杂度是数组的长度O(n)，再拼接成数组的时间复杂度平均是数组的长度O（n）,总的来说，基数排序的时间复杂度是o(k*(n+n)),即O（k*n）
空间复杂度：O(K+N)
适用于位数不多，每一位范围不大的序列。
附总结：
