从大家熟悉的冒泡排序开始：
/**
* 冒泡排序 Bubble Sort
*
<p>原理:
*
比较n轮，每一轮都把最大元素移动到数组后端。
*
@return
*/
public int[] bubbleSort(int[] result)
{
for (int i = 0; i
< ARRAYSIZE; i ++)
{
for (int j = i + 1; j < ARRAYSIZE; j ++)
{
if (result[i] > result[j])
{
//
交换
swap(result, i,
j);
}
}
}
return
result;
}
插入排序：
/**
* 插入排序 Insert
Sort
*
<p>原理：
*
从第二个元素开始，因为左侧的数组为排序后的数组，
*
只要将当前元素插入到左侧数组的适当位置，就能保持数组为有序
*
然后处理第三个元素...直到最后一个元素
*
@return
*/
public int[] insertSort(int[] result)
{
for (int i = 1; i < ARRAYSIZE; i ++)
{
for (int j = i; j > 0 && result[j] < result[j - 1]; j --)
{
swap(result, j, j
-1);
}
}
return
result;
}
折半搜索插入排序：
/**
* 折半搜索插入排序 BinarySearchThenInsert
Sort
*
<p>原理与插入排序类似，不同点在于寻找插入位置的时候，采取的是折半查找方法
* @return
*/
public int[] binsertSort(int[] result)
{
for (int i = 1; i
< ARRAYSIZE; i ++)
{
if (result[i] < result[0])
{
int temp =
result[i];
for (int j = i - 1; j >= 0; j --)
{
result[j + 1] =
result[j];
}
result[0] =
temp;
} else if (result[i] < result[i - 1])
{
int larrange =
0;
int rarrange = i -
1;
while (rarrange - larrange > 1)
{
int p = (rarrange + larrange +
1)/2;
if (result[i] < result[p])
{
rarrange =
p;
} else
{
larrange =
p;
}
}
int temp =
result[i];
for (int j = i - 1; j >= larrange + 1; j --)
{
result[j + 1] =
result[j];
}
result[larrange + 1] =
temp;
}
}
return
result;
}
然后是堆排序：
/**
* 堆排序 Heap
Sort
*
<p>原理:
*
利用了堆的易调整的特点来进行的一种选择排序。
*
以大顶堆为例，什么是大顶堆？
*
大顶堆的逻辑结构是一颗完全二叉树，[把满二叉树最后一层右侧的一些叶子摘掉]
*
假设其高度为h，则元素个数介于
* 1 + 2 + ... + exp(2, h - 2)
~ 1 + 2 + ... + exp(2, h -1)之间
*
符合如下定义为大顶堆：(此定义基于大顶堆的顺序存储结构)
* for (int i =
array.length - 1; i > 0; i --) {
* 任意 array[i] <=
array[(i - 1)/2];
*
}
*
(还有一种是小顶堆，不同的只是比较时候的大于号方向不同)。
*
容易想到，当堆顶元素(MaxValue)被替换后，
*
至多只要在双亲和子节点间进行h（大顶堆的高度） - 1次交换，
*
(参照交换算法可以发现比较次数一般来说是交换次数的2~3倍，也不算多)
*
就可以形成新的大顶堆。由此大大提高了排序效率。
*
@return
*/
public int[] heapSort(int[] result)
{
// 初始化无序数组为大顶堆
for (int i
= result.length - 2; i >= 0; i --)
{
adjustHeap(result, i, result.length -
1);
}
//
将最大值元素交换至数组末端，并调整前端为大顶堆，循环直至前端只剩下一个元素
for (int i = result.length - 1; i > 0; i --)
{
swap(result, 0,
i);
adjustHeap(result, 0, i -
1);
}
return
result;
}
/**
*
将除顶(不确定是否满足大顶堆条件)外，左子树和右子树都为一个堆的数组调整为大顶堆
*
@param array 待调整数组
* @param from
顶的指针
* @param to
调整的末端(就是调整array[from]...array[to]这一段为一个大顶堆)
*/
private void adjustHeap(int[] array, int from,
int to) {
int i =
0;
//
比较节省比较次数的方法，只要比较到比其左右子树的根结点的值都大，就可以return了
while (from + 2 * i + 2 <= to)
{
if (array[from + i] < array[from + 2 * i +
1]
|| array[from + i] < array[from + 2 * i + 2])
{
if (array[from + 2 * i + 1] > array[from + 2 * i + 2])
{
swap(array, from + i, from + 2 * i +
1);
i += i +
1;
} else
{
swap(array, from + i, from + 2 * i +
2);
i += i +
2;
}
} else
{
return;
}
}
if (from + 2 * i + 1 ==
to
&& array[from + i] < array[from + 2 * i + 1])
{
//
有时会出现仅存在左子树的情况(左子树为调整数组的最后一个元素)
swap(array, from + i, from + 2 * i +
1);
}
}
快速排序：
/**
* 快速排序 Quick
Sort
*
<p>原理：
*
选择数组中的一个元素作为标准，将所有比标准小的元素放到左边，
*
所有比标准大的元素放到右边。
*
并对左边和右边的元素做一样的快速排序过程。
*
@return
*/
public int[] quickSort(int[] result)
{
quick(result,
0, result.length -
1);
return
result;
}
/**
*
选择数组中的一个元素作为标准，将所有比标准小的元素放到左边，
*
所有比标准大的元素放到右边。
*
并对左边和右边的元素做一样的快速排序过程。
* @param
array
* @param
startIndex
* @param
endIndex
*/
private void quick(int[] array, int startIndex, int endIndex)
{
int pIndex =
startIndex;
for (int i =
startIndex + 1; i <= endIndex; i ++)
{
if (array[i] < array[pIndex])
{
int temp =
array[i];
for (int j = i; j > pIndex; j --)
{
array[j] = array[j -
1];
}
array[pIndex] =
temp;
pIndex
++;
}
}
if (pIndex - startIndex
> 1)
{
quick(array, startIndex, pIndex -
1);
}
if (endIndex - pIndex
> 1)
{
quick(array, pIndex + 1,
endIndex);
}
}
二路归并排序：
/**
* 归并排序 Merge
Sort
*
<p>原理：
*
分治。将数组分为左，右两部分，
*
首先将数组分为左右两部分，分别进行归并排序，
*
然后合并左右两部分的排序结果就构成了一个有序数组。
*
@return
*/
public int[] mergeSort(int[] result)
{
mergeR(result, 0,
result.length - 1);
return result;
}
/**
*
递归对数组进行归并排序
* @param
array
* @param
startIndex
* @param
endIndex
*/
private void mergeR(int[] array,
int
startIndex,
int endIndex) {
if
(startIndex < endIndex)
{
int mid = (startIndex +
endIndex)/2;
//
对包括中点在内的左侧数组区间进行归并排序
mergeR(array, startIndex,
mid);
//
对中点之后的右侧数组区间进行归并排序
mergeR(array, mid + 1,
endIndex);
//
合并左和右两个独立的有序区间为一个有序区间
merge(array, startIndex, mid,
endIndex);
}
}
/**
*
将array数组的两个有序区间array[startIndex]...array[midIndex]
* 和array[midIndex +
1]...array[endIndex]合并为一个有序区间
*
array[startIndex]...array[endIndex]
* @param
array
* @param
startIndex
* @param
midIndex
* @param
endIndex
*/
private void merge(int[] array,
int
startIndex,
int
midIndex,
int endIndex) {
int[]
resultTemp = new int[endIndex - startIndex +
1];
int pr = 0;
int p1 =
startIndex;
int p2 =
midIndex + 1;
while (p1
<= midIndex || p2 <= endIndex)
{
if (p1 == midIndex + 1)
{
while (p2 <= endIndex)
{
resultTemp[pr ++] = array[p2
++];
}
} else if (p2 == endIndex + 1)
{
while (p1 <= midIndex)
{
resultTemp[pr ++] = array[p1
++];
}
} else if (array[p1] <= array[p2])
{
resultTemp[pr ++] = array[p1
++];
} else
{
resultTemp[pr ++] = array[p2
++];
}
}
for (p1 = startIndex, p2
= 0; p1 <= endIndex; p1 ++, p2 ++)
{
array[p1] =
resultTemp[p2];
}
}
希尔排序：
/**
* 希尔排序 Shell
Sort
*
<p>原理：
*
分别以数组大小的1/2,1/4,1/8....1的作为步伐d，
*
将array[i],array[i + d],array[i + 2d]....array[i +
nd]看作一个数组进行排序，
*
与插入排序相比，因为可以更有效的消除逆序，因此交换次数是很少的，
*
缺点是比较次数过多
*
@return
*/
public int[] shellSort(int[] result)
{
for (int d = ARRAYSIZE/2; d > 0; d = d/2)
{
//print(result);
for (int i = d; i < ARRAYSIZE; i ++)
{
for (int j = i; j >= d; j = j - d)
{
if (result[j] < result[j - d])
{
swap(result, j, j -
d);
}
}
}
}
return result;
}
简单选择排序：
/**
* 简单选择排序 SimpleSelection
Sort
*
<p>原理：每遍历未排序部分一次都选出一个最小值，并将最小值元素移动到数组前端
* @return
*/
public int[] simpleSelectionSort(int[] result)
{
//
重复此过程：选取最小值，并将其交换至数组前端
int
minIndex = 0;
for (int i =
0; i < result.length; i ++)
{
minIndex =
i;
for (int j = i + 1; j < result.length; j ++)
{
if (result[j] < result[minIndex])
{
minIndex =
j;
}
}
swap(result, minIndex, i);
}
return result;
}
以下是程序中有用到的工具函数：
/**
* 交换元素
*/
private void swap(int[] arr, int i, int j)
{
int temp =
arr[i];
arr[i] =
arr[j];
arr[j] =
temp;
}
}
在数组大小为32000的时候，测试得到如下结果：
bubble ok, compare:511984000 move:369884430
time:7719ms
insert ok, compare:256844895 move:256844895
time:2891ms
binsert ok, compare:466378 move:256876884 time:1828ms
shell
ok, compare:822653060 move:785643 time:6015ms
quick ok, compare:568480
move:257132432 time:1813ms
simple select ok, compare:511984000 move:32000
time:3141ms
merge ok, compare:220635 move:958464 time:15ms
heap ok,
compare:1770388 move:1550523 time:31ms
时间性能上，Merge > Heap > Quick
> BInsert > Insert > Simple Selection > Shell >
Bubble
比较次数上，Shell > Bubble = SimpleSelection > Insert > Heap
> Quick > BInsert > Merge
数组元素的交换次数上，Bubble > Quick >
BInsert > Insert > Heap > Merge > Shell >
SimpleSelection
内存的消耗上，Merge > Heap > Quick = BInsert = Insert =
SimpleSelection = Shell =
Bubble
因为只是根据一个特定序列得到的测试结果，所以不一定可以完全准确的反映各算法的性能。
但结合各算法的实现和统计结果，可以得出以下建议：
1.
大数据量的情况下，如果对时间效率有苛刻要求，应优先采用MergeSort。内存不足问题可利用分布式的计算环境来解决。
2.
在内存相对有限的情况下，采用堆排序和快速排序是不错的选择。
3.
如果在读写速度较慢的介质上操作，应该用简单选择排序。(这点我也不很确定，下次增加读写次数的统计来验证)
4.
待排序数据集的特性很大程度上影响到算法的效率，算法的采用应根据实际数据的情况来选择。
原文：http://www.cnblogs.com/yangxinghua/p/3621151.html