[关闭]
@adamhand 2019-03-11T02:22:10.000000Z 字数 11188 阅读 1308

排序算法总结

目录

比较排序

非比较排序

前言：

通常所说的排序算法往往指的是内部排序算法，即数据记录在内存中进行排序。
排序算法大体可分为两种：
  一种是比较排序，时间复杂度O(nlogn) ~ O(n^2)，主要有：冒泡排序，选择排序，插入排序，归并排序，堆排序，快速排序等。
  另一种是非比较排序，时间复杂度可以达到O(n)，主要有：计数排序，基数排序，桶排序等。

关于算法的稳定性：
  排序算法稳定性的简单形式化定义为：如果Ai = Aj，排序前Ai在Aj之前，排序后Ai还在Aj之前，则称这种排序算法是稳定的。通俗地讲就是保证排序前后两个相等的数的相对顺序不变。
  对于不稳定的排序算法，只要举出一个实例，即可说明它的不稳定性；而对于稳定的排序算法，必须对算法进行分析从而得到稳定的特性。需要注意的是，排序算法是否为稳定的是由具体算法决定的，不稳定的算法在某种条件下可以变为稳定的算法，而稳定的算法在某种条件下也可以变为不稳定的算法。
  例如，对于冒泡排序，原本是稳定的排序算法，如果将记录交换的条件改成A[i] >= A[i + 1]，则两个相等的记录就会交换位置，从而变成不稳定的排序算法。
  其次，说一下排序算法稳定性的好处。排序算法如果是稳定的，那么从一个键上排序，然后再从另一个键上排序，前一个键排序的结果可以为后一个键排序所用。基数排序就是这样，先按低位排序，逐次按高位排序，低位排序后元素的顺序在高位也相同时是不会改变的。

排序算法 平均情况 最好情况 最差情况 辅助空间 稳定性 备注
冒泡排序 O(n^2) O(n) O(n^2) O(1) 稳定
快速排序 O(nlogn) O(nlogn) O(n^2) O(nlogn)~O(n)) 不稳定
直接插入排序 O(n^2) O(n) O(n^2) O(1) 稳定
希尔排序 O(nlogn)~O(n^2) O(n^1.3) O(n^2) O(1) 不稳定
直接选择排序 O(n^2) O(n^2) O(n^2) O(1) 不稳定
堆排序 O(nlogn) O(nlogn) O(nlogn) O(1) 不稳定
归并排序 O(nlogn) O(nlogn) O(nlogn) O(n) 稳定
计数排序 O(n+k) O(n+k) O(n+k) O(n+k) 稳定
基数排序 O(N*M) O(N*M) O(N*M) O(M) 稳定 M为数据位数，N为数据个数
桶排序

各种排序算法适合在哪样的环境下使用？？？

一. 比较排序

1.冒泡排序

1.1 普通冒泡排序

过程如下：



  1. public class BoobleSort {
  2.     public static void sort(int[] nums){
  3.         for(int i = 0; i < nums.length - 1; i++){
  4.             for(int j = 0; j < nums.length - 1 - i; j++){
  5.                 if(nums[j] > nums[j + 1]){
  6.                     SortUtils.swap(nums, j, j + 1);
  7.                 }
  8.             }
  9.         }
  10.     }
  11. }

1.2 鸡尾酒排序

  鸡尾酒排序，也叫定向冒泡排序，是冒泡排序的一种改进。此算法与冒泡排序的不同处在于从低到高然后从高到低，而冒泡排序则仅从低到高去比较序列里的每个元素。他可以得到比冒泡排序稍微好一点的效能。

  1. public class CocktailSort {
  2.     public static void sort(int[] nums){
  3.         int left = 0, right = nums.length - 1;
  5.         while(left < right){
  6.             for(int i = left; i < right; i++){
  7.                 if(nums[i] > nums[i + 1])
  8.                     SortUtils.swap(nums, i, i + 1);
  9.             }
  10.             right--;
  11.             for(int i = right; i > left; i--){
  12.                 if(nums[i] < nums[i - 1])
  13.                     SortUtils.swap(nums, i, i - 1);
  14.             }
  15.             left++;
  16.         }
  17.     }
  18. }

2. 插入排序

2.1 直接插入排序

  具体算法描述如下：

  1. public class InsertSort {
  2.     public static void sort(int[] nums){
  3.         for(int i = 1; i < nums.length; i++){
  4.             int get = nums[i];                //现将待排序的数取出，可以减少交换的次数
  5.             int j = i - 1;
  6.             while(j >= 0 && nums[j] > get){   //从后向前查找，当前数比待排序的数大，就将当前数后移，腾出位置
  7.                 nums[j + 1] = nums[j];
  8.                 j--;
  9.             }
  10.             nums[j + 1] = get;                //当前数不比排序数大，就插入
  11.         }
  12.     }
  13. }

2.2 二分插入排序

  对于插入排序，如果比较操作的代价比交换操作大的话，可以采用二分查找法来减少比较操作的次数，我们称为二分插入排序

  1. public class InsertionSortDichotomy {
  2.     public static void sort(int[] nums){
  3.         for(int i = 1; i < nums.length; i++){
  4.             int get = nums[i];                     //将待排序的数取出
  5.             int left = 0, right = i - 1, mid = 0;
  6.             while(left <= right){                  //左边已经是排好序的，可以用二分法查找
  7.                 mid = (left + right) / 2;
  8.                 if(nums[mid] > get){
  9.                     right = mid - 1;
  10.                 }else{
  11.                     left = mid + 1;
  12.                 }
  13.             }
  14.             for(int j = i - 1; j >= left; j--){   //移动，腾出插入的位置
  15.                 nums[j + 1] = nums[j];
  16.             }
  17.             nums[left] = get;                     //left的位置就是需要插入的位置
  18.         }
  19.     }
  20. }

2.3 希尔排序

  希尔排序又叫“缩小增量排序”，是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法便终止。
  希尔排序的增量序列的选择与证明是个数学难题，增量取法可以参考严蔚敏的书，这里取一个递增数列，使用递增序列 1, 4, 13, 40, ...的希尔排序所需要的比较次数不会超过 N 的若干倍乘于递增序列的长度。

  1. public class ShellSort {
  2.     public static void sort(int[] nums){
  3.         int length = nums.length;
  4.         int h = 1;
  5.         while(h < length / 3){
  6.             h = 3 *h + 1;              //增量，1,4,13,40....
  7.         }
  9.         while(h >= 1){
  10.             for(int i = h; i < length; i++){   //插入排序
  11.                 int j = i - h;
  12.                 int get = nums[i];
  13.                 while(j >= 0 && nums[j] > get){
  14.                     nums[j + h] = nums[j];
  15.                     j = j - h;
  16.                 }
  17.                 nums[j + h] = get;
  18.             }
  19.             h = (h - 1) / 3;          //缩小增量
  20.         }
  21.     }
  22. }

3 选择排序

3.1 “菜鸟”排序

  很容易想到的一种排序方法，具体算法如下图所示。由于该算法每次都“选择”最小的元素，所以也可以看成是一种选择排序。



  1. public class BirdSort {
  2.     public static void sort(int[] nums){
  3.         for(int i = 0; i < nums.length-1; i++){
  4.             for(int j = i + 1; j < nums.length; j++){
  5.                 if(nums[i] > nums[j]){
  6.                     SortUtils.swap(nums, i, j);
  7.                 }
  8.             }
  9.         }
  10.     }
  11. }

3.1 简单选择排序

  选择排序也是一种简单直观的排序算法。它的工作原理很容易理解：初始时在序列中找到最小（大）元素，放到序列的起始位置作为已排序序列；然后，再从剩余未排序元素中继续寻找最小（大）元素，放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。
  注意选择排序与冒泡排序的区别：冒泡排序通过依次交换相邻两个顺序不合法的元素位置，从而将当前最小（大）元素放到合适的位置；而选择排序每遍历一次都记住了当前最小（大）元素的位置，最后仅需一次交换操作即可将其放到合适的位置。
  选择排序可以看成是对“菜鸟”排序的一种简化，不用每次都比较。

  1. public class SelectionSort {
  2.     public static  void sort(int[] nums){
  3.         int min ;
  4.         int temp;
  5.         for(int i = 0; i < nums.length - 1; i++) {
  6.             min = i;                                 //记录最小元素的位置
  7.             for (int j = i + 1; j < nums.length; j++) {
  8.                 if (nums[j] < nums[min]) {
  9.                     min = j;
  10.                 }
  11.             }
  12.             temp = nums[min];
  13.             nums[min] = nums[i];
  14.             nums[i] = temp;
  15.         }
  17.     }
  18. }

3.2 堆排序

  堆是具有以下性质的完全二叉树：每个结点的值都大于或等于其左右孩子结点的值，称为大顶堆；或者每个结点的值都小于或等于其左右孩子结点的值，称为小顶堆。如下图：

同时，我们对堆中的结点按层进行编号，将这种逻辑结构映射到数组中就是下面这个样子



该数组从逻辑上讲就是一个堆结构，我们用简单的公式来描述一下堆的定义就是：
大顶堆：arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2]
小顶堆：arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2]
注意：大顶堆和小顶堆对兄弟节点的大小关系没有要求。

堆排序的基本思想是：将待排序序列构造成一个大顶堆，此时，整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换，此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个堆，这样会得到n个元素的次小值。如此反复执行，便能得到一个有序序列了

a.假设给定无序序列结构如下



  b.此时我们从最后一个非叶子结点开始（叶结点自然不用调整，第一个非叶子结点 arr.length/2-1=5/2-1=1，也就是下面的6结点），从左至右，从下至上进行调整。

  c.找到第二个非叶节点4，由于[4,9,8]中9元素最大，4和9交换。

  d.这时，交换导致了子根[4,5,6]结构混乱，继续调整，[4,5,6]中6最大，交换4和6。

  e.此时，我们就将一个无需序列构造成了一个大顶堆。

再简单总结下堆排序的基本思路：

　　a.将无需序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆;
　　b.将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端;
　　c.重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，反复执行调整+交换步骤，直到整个序列有序。

  1. public class HeapSort {
  2.     public static void sort(int[] nums){
  3.         //1.构建大顶堆
  4.         for(int i = nums.length / 2 - 1; i >= 0; i--){
  5.             adjustHeap(nums, i, nums.length);              //从第一个非叶子结点从下至上，从右至左调整结构
  6.         }
  8.         //2.调整堆结构+交换堆顶元素与末尾元素
  9.         for(int j = nums.length - 1; j > 0; j--){
  10.             SortUtils.swap(nums, 0, j);           //将堆顶元素与末尾元素进行交换
  11.             adjustHeap(nums, 0, j);               //重新对堆进行调整。j表示的是需要排列的数组的长度，每次讲最后一个踢出去，因为已经是最大。
  12.         }
  13.     }
  15.     /**
  16.      * 调整大顶堆。只是调整，建立在大顶堆已经构建的基础上。
  17.      * @param nums：存储堆元素的数组
  18.      * @param i：从第i个元素开始调整
  19.      * @param length：数组的长度
  20.      */
  21.     public static void adjustHeap(int[] nums, int i, int length){
  22.         int temp = nums[i];
  23.         for(int j = 2*i+1; j < length; j = j*2+1){            //从当前节点nums[i]的左子节点即nums[2*i+1]开始，如果当前节点的左子节点还有左子节点，继续寻找(j=j*2+1)
  24.             if((j + 1) < length && nums[j] < nums[j + 1]){    //如果左子结点小于右子结点，j指向右子结点
  25.                 j++;
  26.             }
  27.             if(nums[j] > temp){                               //如果子节点大于父节点，将子节点值赋给父节点（不用进行交换）
  28.                 nums[i] = nums[j];
  29.                 i = j;
  30.             }
  31.         }
  32.         nums[i] = temp;                                       //将当前元素放到合适的位置
  33.     }
  34. }

4 归并排序

  归并排序（MERGE-SORT）是利用归并的思想实现的排序方法，该算法采用经典的分治（divide-and-conquer）策略（分治法将问题分(divide)成一些小的问题然后递归求解，而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起，即分而治之)。分阶段可以理解为就是递归拆分子序列的过程，递归深度为log2n。

  再来看看治阶段，我们需要将两个已经有序的子序列合并成一个有序序列，比如上图中的最后一次合并，要将[4,5,7,8]和[1,2,3,6]两个已经有序的子序列，合并为最终序列[1,2,3,4,5,6,7,8]，来看下实现步骤。 

  1. public class MergeSort {
  2.     public static void Merge(int[] A, int left, int mid, int right){
  3.         //int length = A.length;   //注意这里不是这么写
  4.         int length = right - left + 1;
  5.         int temp = 0;
  6.         int[] tmp = new int[length];
  7.         int i = left, j = mid + 1;
  8.         while(i <= mid && j <= right){
  9.             tmp[temp++] = A[i] <= A[j] ? A[i++] : A[j++];   //带等号保证排序的稳定性。
  10.         }
  11.         while(i <= mid){
  12.             tmp[temp++] = A[i++];
  13.         }
  14.         while(j <= right){
  15.             tmp[temp++] = A[j++];
  16.         }
  17.         for(int k = 0; k < length; k++){
  18.             A[left++] = tmp[k];            //注意这里不是A[k]=tem[k]
  19.         }
  20.     }
  22.     /**
  23.      * 归并排序递归操作：自顶向下
  24.      * @param A
  25.      * @param left
  26.      * @param right
  27.      */
  28.     public static void sortRecursion(int[] A, int left, int right){
  29.         if(left == right){
  30.             return;
  31.         }
  32.         int mid = (left + right) / 2;
  33.         sortRecursion(A, left, mid);
  34.         sortRecursion(A, mid + 1, right);
  35.         Merge(A, left, mid, right);
  36.     }
  38.     /**
  39.      * 归并排序迭代操作：自下而上
  40.      * @param A
  41.      */
  42.     public static void sortIteration(int[] A){
  43.         int left, mid, right;                    // 子数组索引,前一个为A[left...mid]，后一个子数组为A[mid+1...right]
  44.         int length = A.length;
  45.         for(int i = 1; i < length; i *= 2){     // 子数组的大小i初始为1，每轮翻倍
  46.             left = 0;
  47.             while(left + i < length){           // 后一个子数组存在(需要归并)
  48.                 mid = left + i - 1;
  49.                 right = mid + i < length ? mid + i : length - 1;  // 后一个子数组大小可能不够
  50.                 Merge(A, left, mid, right);
  51.                 left = right + 1;               // 前一个子数组索引向后移动
  52.             }
  53.         }
  54.     }
  55. }

5 快速排序

它的基本思想是：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列

  1. public class QuickSort {
  2.     public static void sort(int[] arr, int left, int right) {
  3.         if (left < right) {
  4.             //获取枢纽值，并将其放在当前待处理序列末尾
  5.             dealPivot(arr, left, right);
  6.             //枢纽值被放在序列末尾
  7.             int pivot = right - 1;
  8.             //左指针
  9.             int i = left;
  10.             //右指针
  11.             int j = right - 1;
  12.             while (true) {
  13.                 while (arr[++i] < arr[pivot]) {
  14.                 }
  15.                 while (j > left && arr[--j] > arr[pivot]) {
  16.                 }
  17.                 if (i < j) {
  18.                     SortUtils.swap(arr, i, j);
  19.                 } else {
  20.                     break;
  21.                 }
  22.             }
  23.             if (i < right) {    //将枢纽移至两块排好序的数组中间
  24.                 SortUtils.swap(arr, i, right - 1);
  25.             }
  26.             sort(arr, left, i - 1);
  27.             sort(arr, i + 1, right);
  28.         }
  30.     }
  32.     /**
  33.      * 处理枢纽值
  34.      *
  35.      * @param arr
  36.      * @param left
  37.      * @param right
  38.      */
  39.     public static void dealPivot(int[] arr, int left, int right) {
  40.         int mid = (left + right) / 2;
  41.         if (arr[left] > arr[mid]) {
  42.             SortUtils.swap(arr, left, mid);
  43.         }
  44.         if (arr[left] > arr[right]) {
  45.             SortUtils.swap(arr, left, right);
  46.         }
  47.         if (arr[right] < arr[mid]) {
  48.             SortUtils.swap(arr, right, mid);
  49.         }
  50.         SortUtils.swap(arr, right - 1, mid);
  51.     }
  52. }

二. 非比较排序

  非比较排序一般算法能做到O(logn)，已经非常不错，如果我们排序的对象是纯数字，还可以做到惊人的O(n)。涉及的算法有计数排序、基数排序、桶排序，它们被归类为非比较排序。
  非比较排序只要确定每个元素之前的已有的元素个数即可，遍历一次就能求解。算法时间复杂度O(n)。
  非比较排序时间复杂度低，但由于非比较排序需要占用空间来确定唯一位置。所以对数据规模和数据分布有一定的要求。

1. 计数排序

  计数排序的思想如下：给定待排序的数组A，首先统计A中各个元素出现的次数，将结果计入数组C中，形式为C[A[i]]，这样，数组C的下标就是数组A中元素的值，数组C的值就是数组A中各个元素出现的次数，即数组C中存放的是数组A中的每个元素及其对应的出现次数。而且由于数组的下标是由小到大的，所以数组A中的值在数组C中已经是被排好序的。然后，将数组C“展开”就可以得到数组A排序后的结果，如下图所示。

  总结一下基数排序的过程;

  • 统计数组A中每个值A[i]出现的次数，存入C[A[i]]
  • 从前向后，使数组C中的每个值等于其与前一项相加，这样数组C[A[i]]就变成了代表数组A中小于等于A[i]的元素个数
  • 反向填充目标数组B：将数组元素A[i]放在数组B的第C[A[i]]个位置（下标为C[A[i]] - 1），每放一个元素就将C[A[i]]递减

缺点：因为构造C数组时，使用的下标为A中的元素值，所以如果A中有一个很大的元素，则构造出来的C数组势必非常大，所以，计数排序适合范围比较小的数的排序。

  1. public class CountSort {
  2.     public static int[] sort(int[] A){
  3.         int[] C = new int[100];            //排序的数最大值不能超过100
  4.         int[] B = new int[A.length];       //存放排序后的结果
  6.         for(int i = 0; i < A.length; i++){  // 统计A中各元素个数，存入C数组
  7.             C[A[i]]++;
  8.         }
  10.         for(int i = 1; i < C.length; i++){
  11.             C[i] += C[i - 1];
  12.         }
  14.         for(int i = A.length - 1; i >= 0; i--){
  15.             B[C[A[i]] - 1] = A[i];      //将A中该元素放到排序后数组B中指定的位置
  16.             C[A[i]]--;                  //将C中该元素-1，方便存放下一个同样大小的元素
  17.         }
  19.         return B;
  20.     }
  21. }

2. 基数排序

  基数排序的基本思想是：将整数按位数切割成不同的数字，然后按每个位数分别比较。
  具体做法是：将所有待比较数值统一为同样的数位长度，数位较短的数前面补零。然后，从最低位开始，依次进行一次排序。这样从最低位排序一直到最高位排序完成以后, 数列就变成一个有序序列。
  基数排序按照对位数分组的顺序的不同，可以分为LSD（Least significant digit）基数排序和MSD（Most significant digit）基数排序。
  LSD基数排序，是按照从低位到高位的顺序进行分组排序。如下图所示。MSD基数排序，是按照从高位到低位的顺序进行分组排序。
  由于一个数的各位、十位、百位等数的范围是0-9，所以用刚刚的计数排序比较快，故基数排序的一种方法可以是：用计数排序分别对待排序数的各位、十位等进行排序；另外，基数排序和可以用桶排序来实现。下面分别给出LSD基数排序的计数排序实现和桶排序实现。MSD实现方式可以参考MSD实现。

2.1 LSD基数排序的计数排序实现方式

  • 首先通过get_max(a)获取数组a中的最大值。获取最大值的目的是计算出数组a的最大指数。
  • 获取到数组a中的最大指数之后，再从指数1开始，根据位数对数组a中的元素进行排序。排序的时候采用了计数排序。
  1. public class RadixSort {
  2.     //多次调用基数排序对每一位进行排序
  3.     public static void sort(int[] nums){
  4.         int max = getMax(nums);
  6.         for(int exp = 1; max / exp > 0; exp *= 10){
  7.             countSort(nums, exp);
  8.         }
  9.     }
  11.     //得到待排序数组中的最大值
  12.     private static int getMax(int[] nums){
  13.         int max = nums[0];
  14.         for(int i = 0; i < nums.length; i++){
  15.             if(max < nums[i]){
  16.                 max = nums[i];
  17.             }
  18.         }
  19.         return max;
  20.     }
  22.     //计数排序
  23.     private static void countSort(int[] A, int exp){
  24.         int[] C = new int[10];
  25.         int[] B = new int[A.length];
  27.         for(int i = 0; i < A.length; i++){
  28.             C[A[i] / exp % 10]++;
  29.         }
  30.         for(int i = 1; i < C.length; i++){
  31.             C[i] += C[i-1];
  32.         }
  33.         for(int i = A.length - 1; i >= 0; i--){
  34.             B[C[A[i] / exp % 10] - 1] = A[i];
  35.             C[A[i] / exp % 10]--;
  36.         }
  37.         for(int i = 0; i < A.length; i++){
  38.             A[i] = B[i];
  39.         }
  40.     }
  41. }

2.2 LSD基数排序的桶排序实现方式

  • 首先获得数组的最大值，进而计算需要的最大指数。
  • 建立10个桶，亦即10个数组.
  • 遍历所有元素，取其个位数，个位数是什么就放进对应编号的数组，1放进1号桶。
  • 再依次将元素从桶里最出来，覆盖原数组，或放到一个新数组。
  • 按照上述过程依次去十位数、百位数，直到取完为止。
  1. public class LSDRadisSort {
  2.     public static void sort(int[] A){
  3.         int max = A[0];
  4.         for(int i = 1; i < A.length; i++){
  5.             max = A[i] > max ? A[i] : max;
  6.         }
  7.         int bucketNum = 10;                 //桶的个数
  8.         ArrayList<ArrayList<Integer>> bucketList = new ArrayList<>(bucketNum);
  9.         for(int i = 0; i < bucketNum; i++){
  10.             bucketList.add(new ArrayList<Integer>());
  11.         }
  13.         //从低位到高位依次入桶和出桶
  14.         for(int exp = 1; max / exp > 0; exp *= 10){
  15.             for(int i = 0; i < A.length; i++){
  16.                 int num = A[i] / exp % 10;
  17.                 bucketList.get(num).add(A[i]);
  18.             }
  20.             int j = 0;
  21.             for(ArrayList<Integer> arr : bucketList){
  22.                 for(int i : arr){
  23.                     A[j++] = i;
  24.                 }
  25.                 arr.clear();           //记得清空，否则会有重复元素
  26.             }
  27.         }
  28.     }
  29. }

3. 桶排序

  桶排序的基本思想是：把数组 arr 划分为n个大小相同子区间（桶），每个子区间各自排序，最后合并。

1.找出待排序数组中的最大值max、最小值min
2.我们使用 动态数组ArrayList 作为桶，桶里放的元素也用 ArrayList 存储。桶的数量为(max-min)/arr.length+1
3.遍历数组 arr，计算每个元素 arr[i] 放的桶
4.每个桶各自排序
5.遍历桶数组，把排序好的元素放进输出数组

  1. public class BucketSort {
  2.     public static void sort(int[] nums){
  3.         //找到最大值和最小值
  4.         int max = Integer.MIN_VALUE;
  5.         int min = Integer.MAX_VALUE;
  6.         for(int i = 0; i < nums.length; i++){
  7.             max = Math.max(max, nums[i]);
  8.             min = Math.min(min, nums[i]);
  9.         }
  11.         //桶的个数
  12.         int bucketNum = (max - min) / nums.length + 1;
  13.         ArrayList<ArrayList<Integer>> bucketArr = new ArrayList<>(bucketNum);
  14.         for(int i = 0; i < bucketNum; i++){
  15.             bucketArr.add(new ArrayList<Integer>());
  16.         }
  18.         //将待排序数组的中的数放入合适的桶中
  19.         for(int i = 0; i < nums.length; i++){
  20.             int num = (nums[i] - min) / nums.length;
  21.             bucketArr.get(num).add(nums[i]);
  22.         }
  23.         //对每个桶进行排序
  24.         for(int i = 0; i < bucketArr.size(); i++){
  25.             Collections.sort(bucketArr.get(i));
  26.         }
  27.         //将排序后的结果由ArrayList返回到数组中
  28.         int j = 0;
  29.         for(ArrayList<Integer> arr : bucketArr){
  30.             for(int i : arr){
  31.                 nums[j++] = i;
  32.             }
  33.         }
  34.     }
  35. }
添加新批注
在作者公开此批注前，只有你和作者可见。
回复批注