Java 常用的几种排序

排序算法重要性

  1. 学习java必不可少要学习一下排序算法。
  2. 在处理数据时,想要排序也必不可少要知道那种算法更好,处理数据的时间更快。

    这是我在某站找的一个图片,权当学习借鉴一下了。
到这里不得不说一下 java 的Arrays.sort()所用的排序方法了

Arrays.sort

在这里插入图片描述

到这里可以看出来java底层用的也是快排,但是是经过改良的。
  1. 经典的快排把数组分成两段,但是这个改良的是将数组分成三段
  2. 改良的算法是考虑到cpu的运算

快速排序


	/**
	 * ----升序---- 快排:以第一个数为基数, 先从后往前比较:
	 * 小于基数则换位置,换完位置则以基数的位置为指针,以原来的位置为头指针
	 * 从前往后比较 大于则尾指针向前移动一位
	 * 
	 * 从前往后比较: 头指针数小于基数,则位置不变,头指针向前移动 大于时
	 * 与基数换位置,基数指针位置为换完的位置,然后从后往前比较
	 * 
	 * 直到头指针位置大于或等于尾指针位置(第一个比较完成)
	 * 
	 * 将数组分成两边 在做快排,直到左右不可分
	 * 
	 * @param arr
	 *            数组
	 * @param start
	 *            开始时间
	 * @param begin
	 *            头指针位置
	 * @param last
	 *            尾指针位置
	 * @return
	 */
	public static void sort(int[] arr, int begin, int last) {
		
		int start = begin;
		int end = last;
		// 头大于等于尾 则结束
		if (begin >= last) {
			return;
		}

		// 确认基数
		int x = arr[begin];

		// 循环
		while (begin < last) {
			// 从后往前找
			while (begin < last && arr[last] >= x) {
				last--;
			}
			// 如果是在范围之内找到 则交换位置
			if (begin < last) {
				arr[begin] = arr[last];
				// 头指针位置前进一位
				begin++;
			}
			// 从前往后找
			while (begin < last && arr[begin] <= x) {
				begin++;
			}
			// 头指针所指的数大于基数
			if (begin < last) {
				arr[last] = arr[begin];
				// 尾指针回退一位
				last--;
			}

		}
		// 最后begin >= last 将基数赋予begin 或 last 都可以
		// 因为最后begin会在等于last时候退出循环
		arr[begin] = x;
		// 循环结束 表示一个数已经排序完 递归排序左右两边
		// 左边递归排序
		sort(arr, start, begin - 1);
		// 右边递归排序
		sort(arr, begin + 1, end);
	}

1.快排在不改变jvm参数的情况下,最大只能排序1w-2w的值,超出会堆栈溢出。
2. 设置堆栈内存
在这里插入图片描述

插入排序

/**
	 * 
	 * 需要插入的数与前一个数比较,
	 * 大于则不动,小于则与前一个数互换,然后再与前一个数比较
	 * 如下去一直到大于前一个数的位置
	 * 
	 * @param a     传入的需排序的数组
	 * @param start 开始时间
	 * @param end   运行结束时间
	 * @return
	 */
	public static long sort(int[] arr, long start, long end) {
		System.out.println("----------插入--------------");
		start = System.currentTimeMillis();
		
		//比较次数为数组长度-1(第一个数不用比较)
		for(int i = 0; i < arr.length - 1; i++){
			//获取当前比较数的位置
			int j = i;
			//获取需要插入的数
			int x = arr[j+1];
			//循环比较 如果 后者小于前者 则换位置
			while (j >= 0 && arr[j] > x){
				//换位置 将大的值放后面
				arr[j+1] = arr[j];
				//继续与前一个数比较
				j--;
			}
			//比较完 将值放入前一个位置
			arr[j+1] = x;
		}
		
		
		end = System.currentTimeMillis();
		return (end - start) / 1000;
	}

冒泡排序

	/**
	 * 冒泡排序:a[i] > a[i+1] 则a[i]与a[i+1]的数据交换,否则不变
	 * 			每一轮都会选择出一个最值,有i个数字则有i-1轮比较
	 * @param a 传入需要排序的数组
	 * @return
	 */
	public static long sort(int[] a, long start, long end) {
		start = System.currentTimeMillis();
		for (int i = 0; i < a.length; i++) { // 第一层 要比较的轮数
			for (int j = 0; j < a.length - i - 1; j++) { // 第二层 每个数比较几次
				if (a[j] > a[j + 1]) { 					 // 自己不用和自己比 所以减一
					int temp = a[j]; 					 // 每一轮比较完都有一个最值出现,所以减去i
					a[j] = a[j + 1];
					a[j + 1] = temp;
				}
			}
		}
		end = System.currentTimeMillis();
		return (end - start);
	}

选择排序

/**
	 * 选择:从数组中选择最小的数与第一个交换
	 * 		重复步骤选择出第二第三...
	 * @param arr	数组
	 * @param start	开始时间
	 * @param end	结束时间
	 * @return
	 */
	public static long sort(int[] arr, long start, long end) {
		start = System.currentTimeMillis();
		//定义一个交互变量
		int temp;
		//每个位置都要选出最小的  所以有几个数 就有几轮
		for (int i = 0; i < arr.length-1; i++) {
			//获取地址
			int min = i;
			//自身不用比,i之前的数据都已经排序完,顾也不用比
			for (int j = i+1; j < arr.length - 1; j++) {
				//如果有比当前小的
				if (arr[j] < arr[min]){
					//最小的索引变化
					min = j;
				}
			}
			//有变化过
			if (min != i){
				temp = arr[i];
				arr[i] = arr[min];
				arr[min] = temp;
			}
		}
		
		end = System.currentTimeMillis();
		return (end - start);
	}

归并排序

/**
	 *  归并: 将数组分为两个等长的子数组,一直分
	 *  直到每个数组中只有一个数,最后合并
	 *  左边的第一个和右边的第一个比较 小的放入temp数组的第一个
	 *  然后小的第二个再个另一个第一个比较,小的移过去,这就是合并
	 * @param a
	 * @param start
	 * @param end
	 */
	public static void sort(int[] arr, int start, int end) {
		int mid ;
		if( start < end) {
			//划分子数组
			mid = (start+end)/2;
			//左边子数组再划分
			sort(arr, start, mid);
			//右边子数组再划分
			sort(arr, mid+1, end);
			//归并
			merge(arr, start, mid, end);
		}
		
	}
	
	public static void merge(int[] arr, int start, int mid, int end) {
		//初始化数组来存放合并的数据
		int[] temp = new int[end-start+1];
		//左边数据的起始点
		int left = start;
		//右边数据的起始点
		int right = mid+1;
		//temp数组索引
		int i = 0;
		//左右边的数组已经排序完成,合并
		while (left <= mid && right <= end) {
			//如果在范围内 且 数小的则放入数组
			if (arr[left] < arr[right]) {
				temp[i++] = arr[left++];
			} else {
				temp[i++] = arr[right++];
			}
		}
		//循环结束后 将剩余数据放入数组
		while (left <= mid) {
			temp[i++] = arr[left++];
		}
		while (right <= end) {
			temp[i++] = arr[right++];
		}
		
		//将数组覆盖原来的数组
		for (int j = 0; j < temp.length; j++) {
			arr[start+j] = temp[j];
		}
	}

比较各种算法

public class Main {
	//数组大小
	static int size = 100000;
	//运行开始时间
	static long start;
	//运行结束时间
	static long end;
	//初始化数组
	static int[] arr;
	
	//各种排序的时间(ms)
	public static void main(String[] args) {
		//Arrays.sort 默认使用快排,但是会根据数据的长度在使用升级版快排 dualpivotquicksort
		System.out.println("-----------Arrays.sort-------------------");
		giveNum(size);
		start = System.currentTimeMillis();
		Arrays.sort(arr);
		end = System.currentTimeMillis();
		System.out.println(end-start);
		System.out.println("-----------归并---------------------------");
		giveNum(size);
		start = System.currentTimeMillis();
		GuiBing.sort(arr, 0, arr.length-1);
		end = System.currentTimeMillis();
		System.out.println(end-start);
		System.out.println("-----------快排---------------------------");
		giveNum(size);
		start = System.currentTimeMillis();
		KuaiPai.sort(arr, 0, arr.length-1);
		end = System.currentTimeMillis();
		System.out.println(end-start);
		System.out.println("-----------选择---------------------------");
		giveNum(size);
		System.out.println(XuanZe.sort(arr, start, end));
		System.out.println("-----------冒泡---------------------------");
		giveNum(size);
		System.out.println(MaoPao.sort(arr, start, end));
		System.out.println("-----------插入---------------------------");
		giveNum(size);
		System.out.println(ChaRu.sort(arr, start, end));
		
	}
	// 赋值
	public static void giveNum(int size) {
		arr = new int[size];
		Random random = new Random();
		for (int i = 0; i < arr.length; i++) {
			arr[i] = random.nextInt(100);
		}
	}
}

当size为10w时

在这里插入图片描述
由此可见jdk自带的排序还是非常好的。我看了一下底层实现,它在不同的长度会用不同的排序方法以达到最佳的效果。

代码转载自:https://pan.quark.cn/s/8ce4326d996e 对于在 CentOS 7 系统中修改网卡配置文件后无法使设置生效的情况,经过实践验证,可以通过使用 nmcli 命令来进行调整。完成修改之后,需要重新启动虚拟机以使更改生效,这样操作流程即告完成。如果设置仍然无法生效,则表明虚拟机在启动过程中所获取的 IP 地址配置并非针对 eth0,此时可以对其它网卡的配置文件进行修改或将其移除。在 CentOS 7 系统中,网络配置的管理机制与早期版本存在差异,主要体现为采用了 Network Manager 服务来负责网络接口的管理。在某些情形下,尽管修改了 `/etc/sysconfig/network-scripts` 目录下的 `ifcfg-eth0` 文件,但网络配置却未能即时生效。此类问题的发生通常源于 CentOS 7 采用了不同于以往的配置读取方法。接下来将具体阐述如何借助 nmcli 命令来处理这一挑战。 以 root 用户身份登录系统并打开终端界面。nmcli 是 Network Manager 提供的命令行界面工具,它支持在命令行环境下执行网络连接的建立、编辑、查询及管理任务。针对修改 eth0 网卡配置的需求,可以遵循以下步骤进行操作: 1. 导航至 `/etc/sysconfig/network-scripts` 目录: ``` cd /etc/sysconfig/network-scripts ``` 2. 检查该目录内是否存在 `ifcfg-eth0.bak` 文件,该备份文件可能是先前调整配置时遗留下来的,若存在可能造成冲突。若发现该文件,可以选择将其删除: ``` [root@localhost netw...
代码转载自:https://pan.quark.cn/s/46fd08fb879c 网管教程 从入门到精通软件篇 ★一。★详尽的xp修复控制台指令及其应用!!! 放入xp(2000)的光盘,安装时选择R,执行修复! Windows XP(涵盖 Windows 2000)的控制台指令是在系统遭遇某些意外状况时的一种极具效用的诊断、检测以及恢复系统功能的工具。笔者确实一直期望能够将这方面的指令进行归纳,此次由老范辛苦整理了这份极具价值的秘籍。 Bootcfg bootcfg 命令用于启动配置与故障恢复(对大多数计算机而言,即 boot.ini 文件)。 带有特定参数的 bootcfg 命令仅在运用故障恢复控制台时方可使用。能够在命令行界面下运用带有不同参数的 bootcfg 命令。 用法: bootcfg /default 设定默认引导选项。 bootcfg /add 向引导清单中增添 Windows 安装。 bootcfg /rebuild 重复整个 Windows 安装流程并让用户选择需添加的项目。 注意:运用 bootcfg /rebuild 之前,应先借助 bootcfg /copy 命令备份 boot.ini 文件。 bootcfg /scan 探查用于 Windows 安装的全部磁盘并展示结果。 注意:这些结果被静态存储,并用于当前会话。若在当前会话期间磁盘配置发生变动,为获取更新的探查结果,必须先重启计算机,然后再次探查磁盘。 bootcfg /list 列示引导清单中已有的项目。 bootcfg /disableredirect 在启动引导程序中禁用重定向。 bootcfg /redirect [ PortBaudRrate] |[ useBio...
代码下载链接: https://pan.quark.cn/s/fc524f791b68 AA制程,即Active Alignment,被理解为主动对准,是一种用于确定零部件装配中相对位置的方法。在摄像头封装阶段,涉及图像传感器、镜座、马达、镜头、线路板等多个部件的重复组装,而传统的封装设备如CSP及COB等,均是依据设备设定的参数进行零部件的移动装配,因而零部件的叠加误差会逐渐增大,最终在摄像头上表现为拍照最清晰的位置可能偏离画面中心、四边清晰度不均等现象。伴随智能手机和其他高端电子产品的普及,摄像头模组的性能正日益受到重视。高分辨率、卓越的低光表现以及稳定视频输出是现代用户所期望的。在摄像头模组的制造环节,各部件的精准定位对成像质量具有决定性作用。因此,一种名为“AA制程”(Active Alignment)的前沿技术被开发出来,成为摄像头精密对准的核心技术。 AA制程,即Active Alignment,是一种在摄像头封装过程中应用的主动对准方法。该方法在多个组件装配阶段发挥作用,涵盖图像传感器、镜座、马达、镜头和线路板等部件。传统的封装方式,例如CSP(Chip Scale Package)和COB(Chip On Board),依赖于设备预设的参数进行组装,但随着组件数量的增加,误差也会累积,最终影响摄像头的表现。例如在成像质量上可能出现中心位置偏移、四角清晰度不一致等问题。 AA制程技术的核心在于实时监测与主动调整。在组装过程中,它借助先进的检测设备持续监控半成品的状态,并根据实时信息对组装部件进行精确修正,从而显著降低装配误差。通过这种技术,能够确保摄像头模组中各组件的相对位置准确无误,从而使得最终的成像效果更加稳定,特别是在中心区域和四角的清晰度上...
内容概要:本文介绍了一套基于Matlab实现的光子晶体90度弯曲波导的二维时域有限差分法(2D FDTD)仿真代码,旨在通过数值模拟手段深入研究光子晶体波导中的光传播特性。该资源聚焦于电磁场与光子学领域的仿真技术应用,系统实现了FDTD算法在复杂介质结构中的建模过程,涵盖空间网格剖分、时间步进迭代、完美匹配层(UPML)边界条件处理、总场散射场(TFSF)激励源设置、介电常数分布定义及电磁场演化可视化等核心模块,能够有效分析光在90度弯曲波导中的传输效率、模式分布与反射损耗等关键性能指标。; 适合人群:具备电磁场理论基础和Matlab编程能力的研究生、科研人员以及从事光子晶体器件设计与仿真的工程技术人员。; 使用场景及目标:①用于教学演示FDTD方法的基本原理与算法流程,帮助理解麦克斯韦方程的离散化求解过程;②支撑科研工作中对光子晶体弯曲波导结构的传输特性进行仿真分析与性能优化;③作为开发更复杂光子集成器件(如分束器、滤波器)数值仿真工具的基础框架; 阅读建议:建议使用者结合经典FDTD教材(如Taflove著作)深入理解算法理论,并在Matlab环境中逐模块调试代码,重点关注电场与磁场的交替更新过程、UPML吸收边界的设计实现以及TFSF源的引入方式,从而全面提升对时域电磁仿真机制的掌握与应用能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值