java基础算法系列(二)冒泡排序的优化讲解(鸡尾酒算法)

简介: java基础算法系列(二)冒泡排序的优化讲解(鸡尾酒算法)

上一篇文章我们讲解了冒泡排序的简单优化,但是这个优化我们还是能发现问题,那就是我们只注意了到了从前往后进行冒泡排序,而从后往前排序也是可以的,那么我们可以来了解一下鸡尾酒排序。

鸡尾酒排序:

鸡尾酒排序又称双向冒泡排序、鸡尾酒搅拌排序、搅拌排序、涟漪排序、来回排序或快乐小时排序,鸡尾酒排序是冒泡排序的一种变形。该算法与一般的冒泡排序的不同处在于排序时是以双向在序列中进行排序。

其每一趟排序都可以将当前的最大值和最小值放置到正确的位置.传统的鸡尾酒排序 算法即使引入了标志是否交换的变量来记录前一趟数据是否发生交换从而确定排序是否结束,也无法处理前一趟排序有数据交换但是某些连续的数据存储子区间无交 换的情况.为了有效降低不必要的比较,引入了一种鸡尾酒排序算法的改进算法.

public static void main(String[] args) {
        int[] arr = { 1, 3, 4, 2, 6, 7, 8, 0, 5 };
        // 将最小值排到队尾
        long startTime = System.nanoTime(); // 获取开始时间
        for (int i = 0; i < arr.length / 2; i++) {
            for (int j = i; 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;
                }
            }
            // 将最大值排到队头
            for (int j = arr.length - 1 - (i + 1); j > i; j--) {
                if (arr[j] < arr[j - 1]) {
                    int temp = arr[j];
                    arr[j] = arr[j - 1];
                    arr[j - 1] = temp;
                }
            }
        }
        long endTime = System.nanoTime(); // 获取结束时间
        System.out.println("排序結果:" + Arrays.toString(arr));
        System.out.println("程序运行时间: " + (endTime - startTime) + "ns");
    }

打印结果

排序結果:[0, 1, 2, 3, 4, 5, 6, 7, 8]
程序运行时间:3600ns

那么我们上述鸡尾酒算法是否也能优化一下呢?我们来可以试试在左右起始位置定义一个索引,然后定义循环的方向,在每一个大循环中依次进行小循环,由于while循环比较好写,这里用了while循环。

改造后代码如下:

public static void main(String[] args) {
        int[] arr = { 1, 2, 4, 3, 6, 7, 8, 0, 5, 9 };
        int left = 0; // 左向循环起始位置
        int right = arr.length - 1; // 右向循环起始位置
        boolean leftToRight = true; // 循环方向
        long startTime = System.nanoTime(); // 获取开始时间
        while (left < right) {
            if (leftToRight) {
                // 从左到右,依次比较大小,排序完得到该趟排序右边最大值
                for (int i = left; i < right; i++) {
                    if (arr[i] > arr[i + 1]) {
                        arr[i] = arr[i] ^ arr[i + 1];
                        arr[i + 1] = arr[i] ^ arr[i + 1];
                        arr[i] = arr[i] ^ arr[i + 1];
                    }
                }
                right--;
                leftToRight = false;
            } else {
                // 从右到左,依次比较大小,排序完得到该趟排序左边最小值
                for (int j = right; j > left; j--) {
                    if (arr[j - 1] > arr[j]) {
                        arr[j - 1] = arr[j - 1] ^ arr[j];
                        arr[j] = arr[j - 1] ^ arr[j];
                        arr[j - 1] = arr[j - 1] ^ arr[j];
                    }
                }
                left++;
                leftToRight = true;
            }
        }
        long endTime = System.nanoTime(); // 获取结束时间
        System.out.println("排序結果:" + Arrays.toString(arr));
        System.out.println("程序运行时间: " + (endTime - startTime) + "ns");
    }

打印结果如下:

排序結果:[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
程序运行时间:2300ns

有人会说,上面的代码优化了吗,第一个鸡尾酒算法经过计算一共进入了12次循环,第二个则进入了11次,根据数据的不同而异。效率有些许的提升。

本章节是来自整理的java基础算法的第二节。你看完本系列文章,是不是感觉面试offer又能多2K!!


相关文章
|
1天前
|
算法 决策智能
基于GA-PSO遗传粒子群混合优化算法的CDVRP问题求解matlab仿真
该文介绍了车辆路径问题(Vehicle Routing Problem, VRP)中的组合优化问题CDVRP,旨在找寻满足客户需求的最优车辆路径。在MATLAB2022a中运行测试,结果显示了算法过程。核心程序运用了GA-PSO混合算法,包括粒子更新、交叉、距离计算及变异等步骤。算法原理部分详细阐述了遗传算法(GA)的编码、适应度函数、选择、交叉和变异操作,以及粒子群优化算法(PSO)的粒子表示、速度和位置更新。最后,GA-PSO混合算法结合两者的优点,通过迭代优化求解CDVRP问题。
|
1天前
|
算法
数据结构和算法学习记录——时间复杂度的计算(嵌套循环、大O的渐进表示法、双重循环、常数循环、strchr、冒泡排序、二分查找、斐波那契数列递归)
数据结构和算法学习记录——时间复杂度的计算(嵌套循环、大O的渐进表示法、双重循环、常数循环、strchr、冒泡排序、二分查找、斐波那契数列递归)
6 1
|
2天前
|
算法 Java Go
【经典算法】LeetCode 392 判断子序列(Java/C/Python3/Go实现含注释说明,Easy)
【经典算法】LeetCode 392 判断子序列(Java/C/Python3/Go实现含注释说明,Easy)
5 0
|
2天前
|
算法 Java Go
【经典算法】LeetCode 1103 分糖果 II(Java/C/Python3实现含注释说明,Easy)
【经典算法】LeetCode 1103 分糖果 II(Java/C/Python3实现含注释说明,Easy)
8 0
|
2天前
|
存储 SQL 缓存
Java性能优化(十)-数据库调优-数据库参数设置优化
Java性能优化(十)-数据库调优-数据库参数设置优化
8 0
|
2天前
|
监控 算法 Java
Java性能优化(九)-多线程调优-垃圾回收机制优化
Java性能优化(九)-多线程调优-垃圾回收机制优化
10 0
|
2天前
|
缓存 Java 测试技术
Java性能优化(八)-多线程调优-线程池大小设置
Java性能优化(八)-多线程调优-线程池大小设置
5 0
|
2天前
|
安全 Java 大数据
Java性能优化(七)-多线程调优-并发容器的使用
Java性能优化(七)-多线程调优-并发容器的使用
13 0
|
2天前
|
缓存 算法 安全
Java性能优化(六)-多线程调优-乐观锁
Java性能优化(六)-多线程调优-乐观锁
8 0
|
2天前
|
存储 算法 Java
【经典算法】LeetCode112. 路径总和(Java/C/Python3/Go实现含注释说明,Easy)
【经典算法】LeetCode112. 路径总和(Java/C/Python3/Go实现含注释说明,Easy)
6 0