演算法學習？挑戰高薪的必經之路！讓面試官滿意的排序演算法（圖文解析）
讓面試官滿意的排序演算法（圖文解析）
-
這種排序演算法能夠讓面試官面露微笑
-
這種排序演算法集各排序演算法之大成
-
這種排序演算法邏輯性十足
-
這種排序演算法能夠展示自己對Java底層的瞭解
這種排序演算法出自Vladimir Yaroslavskiy、Jon Bentley和Josh Bloch三位大牛之手，它就是JDK的排序演算法——java.util.DualPivotQuicksort（雙支點快排）
覺得文章枯燥的朋友，可以看影片學習,免費領取vx【xx13414521】
DualPivotQuicksort
先看一副邏輯圖（如有錯誤請大牛在評論區指正）
插排指的是改進版插排—— 哨兵插排
快排指的是改進版快排—— 雙支點快排
DualPivotQuickSort沒有Object陣列排序的邏輯，此邏輯在Arrays中，好像是歸併+Tim排序
影像應該很清楚：對於不同的資料型別，Java有不同的排序策略：
-
byte、short、char 他們的取值範圍有限，使用計數排序佔用的空間也不過256/65536個單位，只要排序的數量不是特別少（有一個計數排序閾值，低於這個閾值的話就沒有不要用空間換時間了），都應使用計數排序
-
int、long、float、double 他們的取值範圍非常的大，不適合使用計數排序
-
float和double他們又有特殊情況：
- NAN （not a number），NAN不等於任何數字，甚至不等於自己
- +0.0，-0.0 ，float和double無法精確表示十進位制小數，我們所看到的十進位制小數其實都是取得近似值，因而會有+0.0（接近0的正浮點數）和-0.0（接近0的負浮點數)，在排序流程中統一按0來處理，因而最後要調整一下-0.0和+0.0的位置關係
-
Object
計數排序
計數排序是以空間換時間的排序演算法，它時間複雜度O(n)，空間複雜度O(m)（m為排序數值可能取值的數量），只有在範圍較小的時候才應該考慮計數排序
（原始碼以short為例）
int[] count = new int[NUM_SHORT_VALUES]; //1 << 16 = 65536，即short的可取值數量//計數，left和right為陣列要排序的範圍的左界和右界//注意，直接把for (int i = left - 1; ++i <= right;count[a[i] - Short.MIN_VALUE]++);//排序for (int i = NUM_SHORT_VALUES, k = right + 1; k > left; ) { while (count[--i] == 0); short value = (short) (i + Short.MIN_VALUE); int s = count[i]; do {
a[--k] = value;
} while (--s > 0);
}
哨兵插排
當陣列元素較少時，時間O(n 2)和O(log n)其實相差無幾，而插排的空間佔用率要少於快排和歸併排序，因而當陣列元素較少時（<插排閾值），優先使用插排
哨兵插排是對插排的最佳化，原插排每次取一個值進行遍歷插入，而哨兵插排則取兩個，較大的一個（小端在前的排序）作為哨兵，當哨兵遍歷到自己的位置時，另一個值可以直接從哨兵當前位置開始遍歷，而不用再重頭遍歷
只畫了靜態圖，如果有好的繪製Gif的工具請在評論區告訴我哦
我們來看一下原始碼：
if (leftmost) { //傳統插排（無哨兵Sentinel）
//遍歷
//迴圈向左比較（<左側元素——換位）-直到大於左側元素
for (int i = left, j = i; i < right; j = ++i) { int ai = a[i + 1]; while (ai < a[j]) {
a[j + 1] = a[j]; if (j-- == left) { break;
}
}
a[j + 1] = ai;
}
//哨兵插排} else { //如果一開始就是排好序的——直接返回
do { if (left >= right) { return;
}
} while (a[++left] >= a[left - 1]); //以兩個為單位遍歷，大的元素充當哨兵，以減少小的元素迴圈向左比較的範圍
for (int k = left; ++left <= right; k = ++left) { int a1 = a[k], a2 = a[left]; if (a1 < a2) {
a2 = a1; a1 = a[left];
} while (a1 < a[--k]) {
a[k + 2] = a[k];
}
a[++k + 1] = a1; while (a2 < a[--k]) {
a[k + 1] = a[k];
}
a[k + 1] = a2;
} //確保最後一個元素被排序
int last = a[right]; while (last < a[--right]) {
a[right + 1] = a[right];
}
a[right + 1] = last;
}return;
雙支點快排
重頭戲：雙支點快排！
快排雖然穩定性不如歸併排序，但是它不用複製來複制去，省去了一段陣列的空間，在陣列元素較少的情況下穩定性影響也會下降（>插排閾值 ，<快排閾值），優先使用快排
雙支點快排在原有的快排基礎上，多加一個支點，左右共進，效率提升
看圖：
-
第一步，取支點
注意：如果5個節點有相等的任兩個節點，說明資料不夠均勻，那就要使用單節點快排
-
快排
原始碼（int為例，這麼長估計也沒人看）
// Inexpensive approximation of length / 7 // 快排閾值是286 其7分之一小於等於1/8+1/64+1int seventh = (length >> 3) + (length >> 6) + 1;// 獲取分成7份的五個中間點int e3 = (left + right) >>> 1; // The midpointint e2 = e3 - seventh;int e1 = e2 - seventh;int e4 = e3 + seventh;int e5 = e4 + seventh;// 保證中間點的元素從小到大排序if (a[e2] < a[e1]) {
int t = a[e2]; a[e2] = a[e1]; a[e1] = t; }if (a[e3] < a[e2]) {
int t = a[e3]; a[e3] = a[e2]; a[e2] = t; if (t < a[e1]) { a[e2] = a[e1]; a[e1] = t; }
}if (a[e4] < a[e3]) {
int t = a[e4]; a[e4] = a[e3]; a[e3] = t; if (t < a[e2]) { a[e3] = a[e2]; a[e2] = t; if (t < a[e1]) { a[e2] = a[e1]; a[e1] = t; }
}
}if (a[e5] < a[e4]) {
int t = a[e5]; a[e5] = a[e4]; a[e4] = t;
if (t < a[e3]) { a[e4] = a[e3]; a[e3] = t; if (t < a[e2]) { a[e3] = a[e2]; a[e2] = t; if (t < a[e1]) { a[e2] = a[e1]; a[e1] = t; }
}
}
}// Pointersint less = left; // The index of the first element of center partint great = right; // The index before the first element of right part//點彼此不相等——分三段快排，否則分兩段if (a[e1] != a[e2] && a[e2] != a[e3] && a[e3] != a[e4] && a[e4] != a[e5]) { /*
* Use the second and fourth of the five sorted elements as pivots.
* These values are inexpensive approximations of the first and
* second terciles of the array. Note that pivot1 <= pivot2.
*/
int pivot1 = a[e2]; int pivot2 = a[e4]; /*
* The first and the last elements to be sorted are moved to the
* locations formerly occupied by the pivots. When partitioning
* is complete, the pivots are swapped back into their final
* positions, and excluded from subsequent sorting.
*/
a[e2] = a[left];
a[e4] = a[right]; while (a[++less] < pivot1); while (a[--great] > pivot2); /*
* Partitioning:
*
* left part center part right part
* +--------------------------------------------------------------+
* | < pivot1 | pivot1 <= && <= pivot2 | ? | > pivot2 |
* +--------------------------------------------------------------+
* ^ ^ ^
* | | |
* less k great
*/
outer: for (int k = less - 1; ++k <= great; ) { int ak = a[k]; if (ak < pivot1) { // Move a[k] to left part
a[k] = a[less]; /*
* Here and below we use "a[i] = b; i++;" instead
* of "a[i++] = b;" due to performance issue.
*/
a[less] = ak;
++less;
} else if (ak > pivot2) { // Move a[k] to right part
while (a[great] > pivot2) { if (great-- == k) { break outer;
}
} if (a[great] < pivot1) { // a[great] <= pivot2
a[k] = a[less];
a[less] = a[great];
++less;
} else { // pivot1 <= a[great] <= pivot2
a[k] = a[great];
} /*
* Here and below we use "a[i] = b; i--;" instead
* of "a[i--] = b;" due to performance issue.
*/
a[great] = ak;
--great;
}
} // Swap pivots into their final positions
a[left] = a[less - 1]; a[less - 1] = pivot1;
a[right] = a[great + 1]; a[great + 1] = pivot2; // Sort left and right parts recursively, excluding known pivots
sort(a, left, less - 2, leftmost);
sort(a, great + 2, right, false); /*
* If center part is too large (comprises > 4/7 of the array),
* swap internal pivot values to ends.
*/
if (less < e1 && e5 < great) { /*
* Skip elements, which are equal to pivot values.
*/
while (a[less] == pivot1) {
++less;
} while (a[great] == pivot2) {
--great;
} /*
* Partitioning:
*
* left part center part right part
* +----------------------------------------------------------+
* | == pivot1 | pivot1 < && < pivot2 | ? | == pivot2 |
* +----------------------------------------------------------+
* ^ ^ ^
* | | |
* less k great
*
* Invariants:
*
* all in (*, less) == pivot1
* pivot1 < all in [less, k) < pivot2
* all in (great, *) == pivot2
*
* Pointer k is the first index of ?-part.
*/
outer: for (int k = less - 1; ++k <= great; ) { int ak = a[k]; if (ak == pivot1) { // Move a[k] to left part
a[k] = a[less];
a[less] = ak;
++less;
} else if (ak == pivot2) { // Move a[k] to right part
while (a[great] == pivot2) { if (great-- == k) { break outer;
}
} if (a[great] == pivot1) { // a[great] < pivot2
a[k] = a[less]; /*
* Even though a[great] equals to pivot1, the
* assignment a[less] = pivot1 may be incorrect,
* if a[great] and pivot1 are floating-point zeros
* of different signs. Therefore in float and
* double sorting methods we have to use more
* accurate assignment a[less] = a[great].
*/
a[less] = pivot1;
++less;
} else { // pivot1 < a[great] < pivot2
a[k] = a[great];
}
a[great] = ak;
--great;
}
}
} // Sort center part recursively
sort(a, less, great, false);
} else { // Partitioning with one pivot
/*
* Use the third of the five sorted elements as pivot.
* This value is inexpensive approximation of the median.
*/
int pivot = a[e3]; /*
* Partitioning degenerates to the traditional 3-way
* (or "Dutch National Flag") schema:
*
* left part center part right part
* +-------------------------------------------------+
* | < pivot | == pivot | ? | > pivot |
* +-------------------------------------------------+
* ^ ^ ^
* | | |
* less k great
*
* Invariants:
*
* all in (left, less) < pivot
* all in [less, k) == pivot
* all in (great, right) > pivot
*
* Pointer k is the first index of ?-part.
*/
for (int k = less; k <= great; ++k) { if (a[k] == pivot) { continue;
} int ak = a[k]; if (ak < pivot) { // Move a[k] to left part
a[k] = a[less];
a[less] = ak;
++less;
} else { // a[k] > pivot - Move a[k] to right part
while (a[great] > pivot) {
--great;
} if (a[great] < pivot) { // a[great] <= pivot
a[k] = a[less];
a[less] = a[great];
++less;
} else { // a[great] == pivot
/*
* Even though a[great] equals to pivot, the
* assignment a[k] = pivot may be incorrect,
* if a[great] and pivot are floating-point
* zeros of different signs. Therefore in float
* and double sorting methods we have to use
* more accurate assignment a[k] = a[great].
*/
a[k] = pivot;
}
a[great] = ak;
--great;
}
} /*
* Sort left and right parts recursively.
* All elements from center part are equal
* and, therefore, already sorted.
*/
sort(a, left, less - 1, leftmost);
sort(a, great + 1, right, false);
}
歸併排序
你不會以為元素多（>快排閾值）就一定要用歸併了吧？
錯！元素多時確實對演算法的穩定性有要求，可是如果這些元素能夠穩定快排呢？
開發JDK的大牛顯然考慮了這一點：他們在歸併排序之前對元素進行了是否能穩定快排的判斷：
- 如果陣列本身幾乎已經排好了（可以看出幾段有序陣列的拼接），那還排什麼，理一理返回就行了
- 如果出現連續33個相等元素——使用快排（實話說，我沒弄明白為什麼，有無大牛給我指點迷津？）
//判斷結構是否適合歸併排序int[] run = new int[MAX_RUN_COUNT + 1];int count = 0; run[0] = left;// Check if the array is nearly sortedfor (int k = left; k < right; run[count] = k) { if (a[k] < a[k + 1]) { // ascending
while (++k <= right && a[k - 1] <= a[k]);
} else if (a[k] > a[k + 1]) { // descending
while (++k <= right && a[k - 1] >= a[k]); for (int lo = run[count] - 1, hi = k; ++lo < --hi; ) { int t = a[lo]; a[lo] = a[hi]; a[hi] = t;
}
} else {
//連續MAX_RUN_LENGTH（33）個相等元素，使用快排
for (int m = MAX_RUN_LENGTH; ++k <= right && a[k - 1] == a[k]; ) { if (--m == 0) {
sort(a, left, right, true); return;
}
}
} //count達到MAX_RUN_LENGTH，使用快排
if (++count == MAX_RUN_COUNT) {
sort(a, left, right, true); return;
}
}// Check special cases// Implementation note: variable "right" is increased by 1.if (run[count] == right++) { // The last run contains one element
run[++count] = right;
} else if (count == 1) { // The array is already sorted
return;
}
歸併排序原始碼
byte odd = 0;for (int n = 1; (n <<= 1) < count; odd ^= 1);// Use or create temporary array b for mergingint[] b; // temp array; alternates with aint ao, bo; // array offsets from 'left'int blen = right - left; // space needed for bif (work == null || workLen < blen || workBase + blen > work.length) {
work = new int[blen];
workBase = 0;
}if (odd == 0) {
System.arraycopy(a, left, work, workBase, blen);
b = a;
bo = 0;
a = work;
ao = workBase - left;
} else {
b = work;
ao = 0;
bo = workBase - left;
}// Mergingfor (int last; count > 1; count = last) { for (int k = (last = 0) + 2; k <= count; k += 2) { int hi = run[k], mi = run[k - 1]; for (int i = run[k - 2], p = i, q = mi; i < hi; ++i) { if (q >= hi || p < mi && a[p + ao] <= a[q + ao]) {
b[i + bo] = a[p++ + ao];
} else {
b[i + bo] = a[q++ + ao];
}
}
run[++last] = hi;
} if ((count & 1) != 0) { for (int i = right, lo = run[count - 1]; --i >= lo;
b[i + bo] = a[i + ao]
);
run[++last] = right;
} int[] t = a; a = b; b = t; int o = ao; ao = bo; bo = o;
}
最後
第一次看文章的朋友可以關注我
Android進階之路
不定期釋出大廠面試題、Android架構技術知識點及解析等內容，還有學習PDF+原始碼筆記+面試文件+進階影片分享
點選就看
學習小彩蛋
點個贊，收藏起來認真學習哦
來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69952849/viewspace-2672205/，如需轉載，請註明出處，否則將追究法律責任。
相關文章
- 小白機器學習基礎演算法學習必經之路（下）機器學習演算法
- 這次讓面試官非常滿意：手撕深拷貝[15行]面試
- 普通演算法面試已經Out啦！機器學習演算法面試出爐 - kdnuggets演算法面試機器學習
- 如何解釋vue的生命週期才能令面試官滿意？Vue面試
- 這樣回答繼承，面試官可能更滿意繼承面試
- 面試必備：八種排序演算法原理及Java實現面試排序演算法Java
- 面試必備：List 演算法面試演算法
- 演算法工程師必須要知道的面試技能雷達圖演算法工程師面試
- 直播分享_前Google工程師的演算法學習與面試經驗分享Go工程師演算法面試
- 排序演算法解析排序演算法
- 演算法學習 - 基礎排序演算法演算法排序
- 面試必備：四種經典限流演算法講解面試演算法
- 前端面試必備-40道LeetCode經典面試演算法題前端面試LeetCode演算法
- 面試官：手撕十大排序演算法，你會幾種？面試排序演算法
- 面試官：你瞭解 vue 的diff演算法嗎？面試Vue演算法
- 適合面試手擼的排序演算法實現面試排序演算法
- 挑戰高薪！學習人工智慧，你準備好了嗎？高薪人工智慧
- 關於前端中常用的排序演算法-圖文講解前端排序演算法
- 演算法學習 – 歸併排序演算法排序
- 演算法學習 - 歸併排序演算法排序
- 偽經驗；不稱職面試官的面試經面試
- 幾種經典的排序演算法排序演算法
- 當傳統聯邦學習面臨異構性挑戰，不妨嘗試這些個性化聯邦學習演算法聯邦學習演算法
- 面試官：說一下你常用的加密演算法面試加密演算法
- 資料結構和演算法面試題系列—排序演算法之快速排序資料結構演算法面試題排序
- 排序演算法（七大經典排序演算法）排序演算法
- 資料結構和演算法面試題系列—排序演算法之基礎排序資料結構演算法面試題排序
- 主流排序演算法全面解析排序演算法
- 演算法學習之選擇排序和堆排序：演算法排序
- 《iOS面試之道》演算法基礎學習(下)iOS面試演算法
- 《iOS面試之道》演算法基礎學習(上)iOS面試演算法
- 十大經典排序演算法動畫與解析排序演算法動畫
- 圖解排序演算法圖解排序演算法
- 竟然涼了... 信心滿滿的去面演算法工程師演算法工程師
- 十大經典排序演算法（動圖演示）排序演算法
- golang sort.Sort () 排序演算法學習Golang排序演算法
- 【一起學習排序演算法】3 選擇排序排序演算法
- 【一起學習排序演算法】2 氣泡排序排序演算法