冒泡排序算法的实现和优化~

简介: 冒泡排序算法的实现和优化~

冒泡排序算法:

算法思想:

反复扫描待排序记录序列,在扫描的过程中,顺次比较相邻的两个元素的大小,若逆序就交换位置

文字描述该算法:

以升序为例:

依次比较数组中相邻两个元素大小,若a[j]>a[j+1],则交换两个元素,两两都比较一遍称为一轮冒泡,结果是让最大的元素排至最后,重复该步骤,直至整个数组称为一个升序数组

初步实现:

package bin_find;
import java.util.Arrays;
public class bubble_sorted {
    public static void main(String[] args) {
        int arr[]={3,19,10,21,1,87,55,34};
        bubble(arr);
    }
    //冒泡排序的过程
    public static void bubble(int[] arr){
        //本次冒泡排序的目的是将数组的元素从小到大排序
        for(int j=0;j<arr.length-1;j++) {//控制要进行冒泡排序的次数--->n个数进行冒泡排序需要进行n-1轮
            for (int i = 0; i < arr.length - 1; i++){//一次for完成一轮排序
                if (arr[i] > arr[i + 1]) {//前者大于后者--->交换位置
                    swap(arr, i, i + 1);
                }
                 System.out.println("比较的次数为"+(i+1));
            }
            System.out.println("第"+(j+1)+"轮冒泡排序结果"+Arrays.toString(arr));
        }
    }
    //冒泡排序----核心算法
    public static void swap(int[] a,int i,int j){
        int t=a[i];
        a[i]=a[j];
        a[j]=t;
    }
}

输出如下所示:

比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第1轮冒泡排序结果[3, 10, 19, 1, 21, 55, 34, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第2轮冒泡排序结果[3, 10, 1, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第3轮冒泡排序结果[3, 1, 10, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第4轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第5轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第6轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第7轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]

优化版本1:减少冒泡次数

方法如下:

输出:

比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第1轮冒泡排序结果[3, 10, 19, 1, 21, 55, 34, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
第2轮冒泡排序结果[3, 10, 1, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
第3轮冒泡排序结果[3, 1, 10, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
第4轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
第5轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
第6轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]
比较的次数为1
第7轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]


优化版本2:减少比较次数

方式1:

对于第一次到的优化输出结果,细心的小伙伴应该都发现了,其实第五次数组就已经是有序数组了,而最后两次元素之间的次序并没有任何的变化,这无疑增加了不必要的比较次数,那么接下来,我们通过判断该数组是否还存在元素交换,进而去确定,它是否需要进行下一轮的排序。


代码如下:

package bin_find;
import java.util.Arrays;
public class bubble_sorted {
    public static void main(String[] args) {
        int arr[]={3,19,10,21,1,87,55,34};
        bubble(arr);
    }
    //冒泡排序的过程
    public static void bubble(int[] arr){
        for(int j=0;j<arr.length-1;j++) {
            boolean swapped=false;
            for (int i = 0; i < arr.length - 1-j; i++){
                if (arr[i] > arr[i + 1]) {
                    swap(arr, i, i + 1);
                    swapped=true;//只要某一轮中有进行交换的现象----将该变量设置为true
                }
                System.out.println("比较的次数为"+(i+1));
            }
            System.out.println("第"+(j+1)+"轮冒泡排序结果"+Arrays.toString(arr));
            //若swapped此时还为false:说明一轮冒泡结束,没有任何的两个元素发生交换---说明该数组已经变为有序数组
            if (!swapped){
                break;
            }
        }
    }
    //冒泡排序----核心算法
    public static void swap(int[] a,int i,int j){
        int t=a[i];
        a[i]=a[j];
        a[j]=t;
    }
}

输出如下:

比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第1轮冒泡排序结果[3, 10, 19, 1, 21, 55, 34, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
第2轮冒泡排序结果[3, 10, 1, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
第3轮冒泡排序结果[3, 1, 10, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
第4轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]
比较的次数为1
比较的次数为2
比较的次数为3
第5轮冒泡排序结果[1, 3, 10, 19, 21, 34, 55, 87]

对比第一次的优化结果,我们会发现,比较次数整整少了两次,这里我们的好像还不能完全体现出该优化的优点,但是在原本就是有序数组的情况下,我们就能够体会到这个优点

举例:

对于任意的有序数组:

int arr[]={1,2,3,4,5,6,7,8};

输出如下:

它只比较了一次!

比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
第1轮冒泡排序结果[1, 2, 3, 4, 5, 6, 7, 8]

方式2:

对于某些数组,当第一轮排序过后,可能不仅是一个元素到达了最终的位置,也许是好几个,如下所示的这种情况:

当第一轮比较完成之后,我们会发现元素7 8 9都已经到达了最终的位置,那么第二轮乃至以后在比较的过程中,大可不必比较这三个元素的的大小,但是我们要怎么才能实现呢?


优化方式为:每轮冒泡时,最后一次交换索引可以作为下一轮冒泡的比较次数,如果这个值为0,表示整个数组有序,直接退出外层循环,结束冒泡排序


拿上面这种情况解释,也就是说,下一次,我们第一轮结束之际,需要记录元素3的索引,也就是4,第二轮比较的时候,只需要将前五个元素一一进行比较。

代码如下:

package bin_find;
import java.util.Arrays;
public class bubble_sorted {
    public static void main(String[] args) {
        int arr[]={5,2,7,4,1,3,8,9};
        bubble(arr);
    }
    //冒泡排序的过程
    public static void bubble(int[] arr){
        int n=arr.length-1;
        while (true){
            //用于记录最后一次交换时,较小索引的值,由于last的值在不断的变化,因此使用变量n进行记录
            int last=0;
            for (int i = 0; i < n; i++){//n即为下一次参与比较的元素个数,即为本轮last的值
                if (arr[i] > arr[i + 1]) {
                    swap(arr, i, i + 1);
                    last=i;//由于是较小索引的值,因此将i赋值给last,而不是i+1
                }
                System.out.println("比较的次数为"+(i+1));
            }
            System.out.println("冒泡排序结果"+Arrays.toString(arr));
            n=last;
            if (n==0){//表示结束排序
                break;
            }
        }
    }
    //冒泡排序----核心算法
    public static void swap(int[] a,int i,int j){
        int t=a[i];
        a[i]=a[j];
        a[j]=t;
    }
}

输出如下:

我们会发现第二次只比较了4次,也就是前5个元素参与比较并进行排序了

比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
比较的次数为5
比较的次数为6
比较的次数为7
冒泡排序结果[2, 5, 4, 1, 3, 7, 8, 9]
比较的次数为1
比较的次数为2
比较的次数为3
比较的次数为4
冒泡排序结果[2, 4, 1, 3, 5, 7, 8, 9]
比较的次数为1
比较的次数为2
比较的次数为3
冒泡排序结果[2, 1, 3, 4, 5, 7, 8, 9]
比较的次数为1
比较的次数为2
冒泡排序结果[1, 2, 3, 4, 5, 7, 8, 9]
相关文章
|
6天前
|
机器学习/深度学习 前端开发 算法
婚恋交友系统平台 相亲交友平台系统 婚恋交友系统APP 婚恋系统源码 婚恋交友平台开发流程 婚恋交友系统架构设计 婚恋交友系统前端/后端开发 婚恋交友系统匹配推荐算法优化
婚恋交友系统平台通过线上互动帮助单身男女找到合适伴侣,提供用户注册、个人资料填写、匹配推荐、实时聊天、社区互动等功能。开发流程包括需求分析、技术选型、系统架构设计、功能实现、测试优化和上线运维。匹配推荐算法优化是核心,通过用户行为数据分析和机器学习提高匹配准确性。
31 3
|
6天前
|
算法
PAI下面的gbdt、xgboost、ps-smart 算法如何优化?
设置gbdt 、xgboost等算法的样本和特征的采样率
22 2
|
21天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
18天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
22天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。
|
18天前
|
算法
通过matlab对比遗传算法优化前后染色体的变化情况
该程序使用MATLAB2022A实现遗传算法优化染色体的过程,通过迭代选择、交叉和变异操作,提高染色体适应度,优化解的质量,同时保持种群多样性,避免局部最优。代码展示了算法的核心流程,包括适应度计算、选择、交叉、变异等步骤,并通过图表直观展示了优化前后染色体的变化情况。
|
22天前
|
算法
基于大爆炸优化算法的PID控制器参数寻优matlab仿真
本研究基于大爆炸优化算法对PID控制器参数进行寻优,并通过Matlab仿真对比优化前后PID控制效果。使用MATLAB2022a实现核心程序,展示了算法迭代过程及最优PID参数的求解。大爆炸优化算法通过模拟宇宙大爆炸和大收缩过程,在搜索空间中迭代寻找全局最优解,特别适用于PID参数优化,提升控制系统性能。
|
22天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-GRU网络的数据分类识别算法matlab仿真
本项目展示了使用MATLAB2022a实现的贝叶斯优化、CNN和GRU算法优化效果。优化前后对比显著,完整代码附带中文注释及操作视频。贝叶斯优化适用于黑盒函数,CNN用于时间序列特征提取,GRU改进了RNN的长序列处理能力。
|
24天前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
56 1
|
20天前
|
算法 决策智能
基于遗传优化算法的TSP问题求解matlab仿真
本项目使用遗传算法解决旅行商问题(TSP),目标是在四个城市间找到最短路径。算法通过编码、选择、交叉、变异等步骤,在MATLAB2022A上实现路径优化,最终输出最优路径及距离。