经典排序算法之冒泡排序的实现及优化( JAVA版)

简介: 经典排序算法之冒泡排序的实现及优化( JAVA版)

一、排序思想

冒泡排序是一种典型的交换排序,类似于水中冒泡,较大的数沉下去,较小的数慢慢冒起来,假设从小到大,即为较大的数慢慢往后排,较小的数慢慢往前排。
冒泡排序的思想就是利用的比较交换,利用循环将第 i 小或者大的元素归位,归位操作利用的是对 n 个元素中相邻的两个进行比较,如果顺序正确就不交换,如果顺序错误就进行位置的交换。通过重复的循环访问数组,直到没有可以交换的元素,那么整个排序就已经完成了。

二、算法分析与图解

依次比较相邻的两个数,将比较小的数放在前面,比较大的数放在后面。
(1) 第一次比较:首先比较第一和第二个数,将小数放在前面,将大数放在后面。
(2) 比较第2个数和第3个数,将小数放在前面,大数放在后面。
.....
(3) 如此继续,直到比较到最后的两个数,将小数放在前面,大数放在后面,第一次比较完成。
(4) 第一次比较完成后,开始第二次比较,重复上述步骤,直至数组全部排序完成。
(5) 在上面一趟比较完成后,最后一个数一定是数组中最大的一个数,所以在比较第二趟的时候,最后一个数是不参加比较的。
(6) 在第二趟比较完成后,倒数第二个数也一定是数组中倒数第二大数,所以在第三趟的比较中,最后两个数是不参与比较的。
(7) 依次类推,每一趟比较次数减少一次

9916080-f0605d250bd43468.gif
演示动图
(图源网络,侵权请联系删除)

三、举例说明

举例,原始数组为 [60, 55, 41, 13, 25, 37, 23]

3.1 第一趟排序

比较次数 判定 结果
第1次比较  60和55比较,60大于55,所以交换位置 [55,60,41,13,25,37,23 ]
第2次比较  60和41比较,60大于41,所以交换位置  [55,41,60,13,25,37,23 ]
第3次比较  60和13比较,60大于12,所以交换位置  [55,41,13,60,25,37,23 ]
第4次比较  60和25比较,60大于25,所以交换位置  [55,41,13,25,60,37,23 ]
第5次比较  60和37比较,60大于37,所以交换位置  [55,41,13,25,37,60,23 ]
第6次比较  60和23比较,60大于23,所以交换位置  [55,41,13,25,37,23,60 ]

image.png

3.2 第二趟排序

比较次数 判定 结果
第1次比较 41和55比较,55大于41,交换位置 [41,55,13,25,37,23,60 ]
第2次比较 55和13比较,55大于13,交换位置 [41,13,55,25,37,23,60 ]
第3次比较 55和25比较,55大于25,交换位置 [41,13,25,55,37,23,60 ]
第4次比较 55和37比较,55大于37,交换位置 [41,13,25,37,55,23,60 ]
第5次比较 55和23比较,55大于23,交换位置 [41,13,25,37,23,55,60 ]

image.png

3.3 第三趟排序

比较次数 判定 结果
第1次比较 41和13比较,41大于41,交换位置 [13,41,25,37,23,55,60 ]
第2次比较 41和25比较,41大于25,交换位置 [13,25,41,37,23,55,60 ]
第3次比较 41和37比较,41大于37,交换位置 [13,25,37,41,23,55,60 ]
第4次比较 41和23比较,41大于23,交换位置 [13,25,37,23,41,55,60 ]

image.png

3.4 第四趟比较

比较次数 判定 结果
第1次比较 13和25比较,13小于25,位置不变 [13,25,37,23,41,55,60 ]
第2次比较 25和37比较,25小于37,位置不变 [13,25,37,23,41,55,60 ]
第3次比较 37和23比较,37大于23,交换位置 [13,25,23,37,41,55,60 ]

image.png

3.5 第五趟排序

比较次数 判定 结果
第1次比较 13和25比较,13小于25,位置不变 [13,25,23,37,41,55,60 ]
第2次比较 25和23比较,25大于23,交换位置 [13,23,25,37,41,55,60 ]

image.png

3.6 第六趟排序

比较次数 判定 结果
第1次比较 13和25比较,13小于25,位置不变 [13,23,25,37,41,55,60 ]

image.png

最终结果

排序完成后,数组排列如图所示:
image.png

三、代码实现

/**
 * 冒泡排序
 * @param arr
 */
private static void bubbleSort(int[] arr) {
  if(arr==null || arr.length < 2 )
    return;
  for (int i = 0; i < arr.length - 1; i++) {
    for (int j = 0; j < arr.length - i -1; j++) {
      if (arr[j] > arr[j + 1]) {
        flag = true;
        int temp = arr[j];
        arr[j] = arr[j + 1];
        arr[j + 1] = temp;
      }
    }
  }
}

四、优化

冒泡排序的思想就是大的往上挪动,可是如果已经是一个排好序的数组,还需要继续冒泡吗?
答案肯定是不需要的,所以我们需要对其进行优化。
如果判定已经是一个有序数组,直接终止排序即可。

/**
 * 冒泡排序
 * @param arr
 */
private static void bubbleSort(int[] arr) {
  boolean flag = false;
  if(arr==null || arr.length < 2 )
    return;
  for (int i = 0; i < arr.length - 1; i++) {
    for (int j = 0; j < arr.length - i -1; j++) {
      if (arr[j] > arr[j + 1]) {
        flag = true;
        int temp = arr[j];
        arr[j] = arr[j + 1];
        arr[j + 1] = temp;
      }
    }
    if(!flag)
      break;
    flag = false;
  }
}

目录
相关文章
|
4天前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
|
15天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
17天前
|
机器学习/深度学习 人工智能 算法
机器学习算法的优化与改进:提升模型性能的策略与方法
机器学习算法的优化与改进:提升模型性能的策略与方法
125 13
机器学习算法的优化与改进:提升模型性能的策略与方法
|
13天前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
12天前
|
算法 决策智能
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。
|
20天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
23天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
24天前
|
机器学习/深度学习 算法 索引
单目标问题的烟花优化算法求解matlab仿真,对比PSO和GA
本项目使用FW烟花优化算法求解单目标问题,并在MATLAB2022A中实现仿真,对比PSO和GA的性能。核心代码展示了适应度计算、火花生成及位置约束等关键步骤。最终通过收敛曲线对比三种算法的优化效果。烟花优化算法模拟烟花爆炸过程,探索搜索空间,寻找全局最优解,适用于复杂非线性问题。PSO和GA则分别适合快速收敛和大解空间的问题。参数调整和算法特性分析显示了各自的优势与局限。
|
17天前
|
传感器 算法
基于GA遗传优化的WSN网络最优节点部署算法matlab仿真
本项目基于遗传算法(GA)优化无线传感器网络(WSN)的节点部署,旨在通过最少的节点数量实现最大覆盖。使用MATLAB2022A进行仿真,展示了不同初始节点数量(15、25、40)下的优化结果。核心程序实现了最佳解获取、节点部署绘制及适应度变化曲线展示。遗传算法通过初始化、选择、交叉和变异步骤,逐步优化节点位置配置,最终达到最优覆盖率。
|
17天前
|
算法
基于RRT优化算法的机械臂路径规划和避障matlab仿真
本课题基于RRT优化算法实现机械臂路径规划与避障。通过MATLAB2022a进行仿真,先利用RRT算法计算避障路径,再将路径平滑处理,并转换为机械臂的关节角度序列,确保机械臂在复杂环境中无碰撞移动。系统原理包括随机生成树结构探索空间、直线扩展与障碍物检测等步骤,最终实现高效路径规划。

热门文章

最新文章