點擊上面↑「
愛開發
」關注我們
每晚10點,捕獲技術思考和創頁澩洞察
面試時,演算法經常會遇到,特別是一些常見的演算法,
張工畢業3年了,一直在一家創業公司做java開發,最近到某知名互聯網公司面試,做了筆試題后,面試官看了覺得還不錯,于是想進一步考察張工的編碼能力,就讓他手寫選擇排序演算法,張工寫不出來,面試官說:你都畢業3年了,連個選擇排序法都寫不出來,
我參加計算機等級考試就會這個了
,
張工一臉的無助,不過確實不應該,類似選擇排序這樣基礎的演算法,平時應該要掌握好才對,
小編之前參加的筆試也遇到了手寫排序演算法的情況,關于選擇排序可能基本都能寫出來,但要是能把程式再優化一下,那就更好了,相信能給面試官留下更好的印象,
我們先來看什么選擇排序法:
選擇排序法是一種
不穩定
的排序演算法,它的作業原理是每一次從待排序的資料元素中選出最小(或最大)的一個元素,存放在序列的起始位置,然后,再從剩余未排序元素中繼續尋找最小(大)元素,然后放到已排序序列的末尾,以此類推,直到全部待排序的資料元素排完,
穩定性
選擇排序是給每個位置選擇當前元素最小的,比如給第一個位置選擇最小的,在剩余元素里面給第二個元素選擇第二小的,依次類推,直到第n-1個元素,第n個元素不用選擇了,因為只剩下它一個最大的元素了,那么,在一趟選擇,如果一個元素比當前元素小,而該小的元素又出現在一個和當前元素相等的元素后面,那么交換后穩定性就被破壞了,
舉個例子,序列6 8 6 3 9,我們知道第一遍選擇第1個元素6會和3交換,那么原序列中兩個6的相對前后順序就被破壞了,所以選擇排序是一個不穩定的排序演算法,
關于時間復雜度
選擇排序的交換操作介于 0 和 (n - 1) 次之間,選擇排序的比較操作為 n (n - 1) / 2 次之間,選擇排序的賦值操作介于 0 和 3 (n - 1) 次之間,比較次數O(n^2),比較次數與關鍵字的初始狀態無關,總的比較次數N=(n-1)+(n-2)+...+1=n*(n-1)/2,交換次數O(n),最好情況是,已經有序,交換0次;最壞情況交換n-1次,逆序交換n/2次,交換次數比冒泡排序少多了,由于交換所需CPU時間比比較所需的CPU時間多,n值較小時,選擇排序比冒泡排序快,其中直接選擇排序的時間復雜度為O(n*n),空間復雜度為O(1),樹形選擇排序的時間復雜度為O(nlog2n),空間復雜度為O(n),堆排序的平均時間復雜度為O(nlog2n),效率高,但是實作相對復雜,空間代價為O(1),
我們來看用java撰寫的選擇排序演算法代碼
/**
* 選擇排序
*
* @param arr
*/
public static void selectionSort(int[] arr) {
int min;
int length = arr.length;
for (
int i =
0; i < length; i++) {
// 初始化未排序序列中最小資料陣列下標
min = i;
for (
int j = i +
1; j < length; j++) {
// 在未排序元素中繼續尋找最小元素,并保存其下標
if (arr[j] < arr[min]) {
min = j;
}
}
// 將未排序列中最小元素放到已排序列末尾
if (min != i) {
swap(min, i, arr);
}
}
}
/**
* 交換順序
*
* @param x
* @param y
* @param arr
*/
private static void swap(int x, int y, int[] arr) {
int temp = arr[x];
arr[x] = arr[y];
arr[y] = temp;
}
呼叫實體
public static void main(String[] args) {
int arr[] = {
2,
17,
2,
11,
7,
6,
19,
9,
14,
20,
17,
13,
14,
2,
10};
System.out.println(String.format(
"original array = %s\n", Arrays.toString(arr)));
selectionSort(arr);
System.out.println(String.format(
"sorted array = %s\n", Arrays.toString(arr)));
}
輸出結果
對于選擇排序演算法,要是還是不太好理解,我們來看一下影片圖,這樣會更容易理解些,
不知你對選擇排序演算法是否完全理解,
選擇排序法基本來說還是挺不錯的,資料規模不大時,還是推薦使用的,但相對于其他的排序演算法(譬如快速排序)效率還是明顯有些不足,
小編認為,關于選擇排序法思想還是挺重要,要重視,
-END-
往期精選推薦
更關注精彩內容,請長按識別關注