当前位置:
首页 > temp > 简明python教程 >
-
《算法导论》第二章demo代码实现（Java版）
前言
表示晚上心里有些不宁静，所以就写一篇博客，来缓缓。囧
拜读《算法导论》这样的神作，当然要做一些练习啦。除了练习题与思考题那样的理论思考，也离不开编码的实践。
所以，后面每个章节，我都会尽力整理出章节中涉及的算法的Java代码实现。
二分查找
算法实现
package tech.jarry.learning.test.algorithms.binarysearch;
public class BinarySearch {
public static int binarySearch(int[] array, int target) {
return binarySearch(array, target, 0, array.length - 1);
}
// 二分查找，要求输入的线性表必须是顺序的
public static int binarySearch(int[] array, int target, int startIndex, int endIndex) {
if (endIndex > startIndex) {
int middleIndex = (startIndex + endIndex) / 2;
if (target < array[middleIndex]){
return binarySearch(array, target, startIndex, middleIndex);
} else if (target > array[middleIndex]) {
return binarySearch(array, target, middleIndex + 1, endIndex);
} else if (target == array[middleIndex]) {
return middleIndex;
}
}
return -1;
}
}
算法测试
package tech.jarry.learning.test.algorithms.binarysearch;
public class BinarySearchTest {
public static void main(String[] args) {
int[] testArray = new int[] {3, 5, 7, 2, 4, 1, 5, 0, 9, 18 ,12};
System.out.println(BinarySearch.binarySearch(testArray, 100));
}
}
结果输出
-1
这表示没有找到目标数据，可以将测试类中的target修改为其他数字。
冒泡排序
算法实现
package tech.jarry.learning.test.algorithms.bubblesort;
public class BubbleSort {
public static int[] bubbleSort(int[] array) {
for (int i = 0; i < array.length; i++){
for (int j = i; j < array.length; j++) {
if (array[j] < array[i]) {
int temp = array[i];
array[i] = array[j];
array[j] = temp;
}
}
}
return array;
}
}
算法测试
package tech.jarry.learning.test.algorithms.bubblesort;
import java.util.Arrays;
public class BubbleSortTest {
public static void main(String[] args) {
int[] testArray = new int[] {3, 5, 7, 2, 4, 1, 5, 0, 9, 18 ,12};
System.out.println(Arrays.toString(BubbleSort.bubbleSort(testArray)));
}
}
结果输出
[0, 1, 2, 3, 4, 5, 5, 7, 9, 12, 18]
插入排序
算法实现
package tech.jarry.learning.test.algorithms.insertsort;
import java.util.Arrays;
public class InsertionSort {
public static int[]insertSort(int[] originArray) {
// 从数组的第二个元素开始进行比较（总不能第一个元素和第一个元素自己比较大小吧）
for (int j = 1; j < originArray.length; j++) {
// 获取当前元素的值
int key = originArray[j];
// 获取前一个元素的下标
int i = j - 1;
// 将key值前移（即将遇到的每个大于key的元素后移）
while (i >= 0 && originArray[i] > key) {
originArray[i + 1] = originArray[i];
i = i - 1;
}
// 直到遇到originArray[i] <= key，才对i+1进行赋值（而i+1元素之前已经后移复制了，即i+2位置保存了i+1位置的值）
originArray[i + 1] =key;
}
return originArray;
}
public static int[] insertSortProWithBinarySearch(int[] array) {
// 如果数据组织形式是数组，那么即使采用二分查找优化，底层的数组元素移动，依旧会导致最终的时间复杂度变为n^2，而不是期待的n*lgn
return null;
}
}
算法测试
package tech.jarry.learning.test.algorithms.insertsort;
import java.util.Arrays;
public class InsertionSortTest {
// test
public static void main(String[] args) {
int[] originArray = new int[]{9, 6, 4, 5, 8};
int[] resultArray = InsertionSort.insertSort(originArray);
System.out.println(Arrays.toString(resultArray));
}
}
结果输出
[4, 5, 6, 8, 9]
归并排序
算法实现
这个代码的实现，可能内容比较多。一方面是由于方法提取（提取哨兵创建的操作），另一方面是由于增加了练习题中提到的无哨兵归并排序的实现（在mergeSort方法中，可以自由选择是否使用哨兵）。
package tech.jarry.learning.test.algorithms.mergesort;
import java.util.Arrays;
/**
* 归并排序
*/
public class MergeSort {
public static int[] mergeSort(int[] array) {
return mergeSort(array, 0, array.length - 1);
}
public static int[] mergeSort(int[] array, int startIndex, int endIndex) {
if (startIndex < endIndex) {
int middleIndex = startIndex + (endIndex - startIndex) / 2;
array = mergeSort(array, startIndex, middleIndex);
array = mergeSort(array, middleIndex + 1, endIndex);
// 使用哨兵，进行合并
// return merge(array, startIndex, middleIndex, endIndex);
// 不适用哨兵，进行合并
return noSentinelMerge(array, startIndex, middleIndex, endIndex);
}
// 如果startIndex = endIndex，表示array只有一个元素
return array;
}
private static int[] merge(int[] array, int startIndex, int middleIndex, int endIndex) {
int[] sentinelLeftArray = createSentinelArray(array, startIndex, middleIndex);
int[] sentinelRightArray = createSentinelArray(array, middleIndex + 1, endIndex);
for (int i = 0, m = 0, n = 0; i < endIndex - startIndex + 1; i++) {
if (sentinelLeftArray[m] < sentinelRightArray[n]) {
// 这里千万别忘了startIndex，因为不同分支的起点不同
array[startIndex + i] = sentinelLeftArray[m++];
} else {
array[startIndex + i] = sentinelRightArray[n++];
}
// 不用考虑两个Integer.MAX_VALUE，因为最后两个数组分别剩下的元素必然是这两个哨兵元素
}
return array;
}
private static int[] createSentinelArray(int[] array, int startIndex, int endIndex) {
int length = endIndex - startIndex + 1;
int[] sentinelArray = new int[length + 1];
for (int i = 0; i < length; i++) {
sentinelArray[i] = array[startIndex + i];
}
sentinelArray[endIndex - startIndex + 1] = Integer.MAX_VALUE;
return sentinelArray;
}
// p.22_practise2.3-2 在不使用哨兵的前提下，进行归并排序的合并操作
private static int[] noSentinelMerge(int[] array, int startIndex, int middleIndex, int endIndex) {
int[] leftArray = createNonSentinelBranchArray(array, startIndex, middleIndex);
int[] rightArray = createNonSentinelBranchArray(array, middleIndex + 1, endIndex);
for (int i = 0, m = 0, n = 0; i < endIndex - startIndex + 1; i++) {
if (leftArray[m] < rightArray[n]) {
array[startIndex + i] = leftArray[m++];
if (m == leftArray.length) {
// 将rightArray剩下的元素全部复制到array对应位置中
array = branchArray2Array(array, startIndex + i + 1, rightArray, n);
break;
}
} else {
array[startIndex + i] = rightArray[n++];
if (n == rightArray.length) {
// 将leftArray剩下的元素全部复制到array对应位置中
array = branchArray2Array(array, startIndex + i + 1, leftArray, m);
break;
}
}
// 不用考虑两个Integer.MAX_VALUE，因为最后两个数组分别剩下的元素必然是这两个哨兵元素
}
return array;
}
private static int[] createNonSentinelBranchArray(int[] array, int startIndex, int endIndex) {
int length = endIndex - startIndex + 1;
int[] branchArray = new int[length];
for (int i = 0; i < length; i++) {
branchArray[i] = array[startIndex + i];
}
return branchArray;
}
private static int[] branchArray2Array(int[] array, int targetIndex, int[] branchArray, int startIndex) {
while (startIndex < branchArray.length) {
array[targetIndex++] = branchArray[startIndex++];
}
return array;
}
// 由于一些情况（如内存空间不足），数据可以直接保存到硬盘中。而不是保存在内存的数组中
private static void merge2Disk(int[] array, int startIndex, int middleIndex, int endIndex){
int[] sentinelLeftArray = createSentinelArray(array, startIndex, middleIndex);
int[] sentinelRightArray = createSentinelArray(array, middleIndex + 1, endIndex);
for (int i = 0, m = 0, n = 0; i < endIndex - startIndex + 1; i++) {
if (sentinelLeftArray[m] < sentinelRightArray[n]) {
Disk.store(sentinelLeftArray[m++]);
} else {
Disk.store(sentinelRightArray[n++]);
}
// 不用考虑两个Integer.MAX_VALUE，因为最后两个数组分别剩下的元素必然是这两个哨兵元素
}
}
// test_creatreSentinelArray
public static void main(String[] args) {
int[] testArray = new int[] {3, 5, 7, 2, 4, 1, 5, 0};
System.out.println(Arrays.toString(createSentinelArray(testArray, 0 , 2)));
}
}
补充：上述代码涉及的Disk类
之所以在归并排序中增加这个硬盘操作，是因为我做这道题想起来很久之前遇到的一道面试题。就是问如何用1G的空间，去排序8G的数据。答案就是采用归并排序（当时原理说出来了，但是白板没写好）。
package tech.jarry.learning.test.algorithms.mergesort;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;
/**
* 模仿真实硬盘，进行数据的存储与打印数据
*/
public class Disk {
private static List<Integer> diskIntegerInstance = new ArrayList<>();
public static void store(int element) {
diskIntegerInstance.add(element);
}
public static void printAll() {
Iterator<Integer> integerIterator = diskIntegerInstance.iterator();
while (integerIterator.hasNext()) {
System.out.println(integerIterator.next());
}
}
}
算法测试
package tech.jarry.learning.test.algorithms.mergesort;
import java.util.Arrays;
public class MergeSortTest {
public static void main(String[] args) {
int[] testArray = new int[] {3, 5, 7, 2, 4, 1, 5, 0, 9, 18 ,12};
// 3, 5, 7, 2, 4, 1, 5, 0, 9, 18 ,12
// correct result: [0, 1, 2, 3, 4, 5, 5, 7, 9, 12, 18]
int[] resultArray = MergeSort.mergeSort(testArray);
System.out.println(Arrays.toString(resultArray));
}
}
结果输出
[0, 1, 2, 3, 4, 5, 5, 7, 9, 12, 18]
确定两数之和为固定值
这道题在leetcode中是存在的，之前的博客也有对应的解析。甚至leetcode还有求三数之和为确定值的题目。
算法实现
package tech.jarry.learning.ch2.algorithms.twosum;
import tech.jarry.learning.ch2.algorithms.mergesort.MergeSort;
public class TwoSum {
// 题目中只要求实现确定是否存在，而无需返回对应index。否则，需要注意剔除相同index的问题，并修改binarySearch的返回值
public static boolean twoSum(int[] array, int target) {
array = MergeSort.mergeSort(array);
for (int i = 0; i < array.length; i++) {
int branchTarget = target - array[i];
// 二分查找的时间复杂度为lgn
if (binarySearch(array, branchTarget)) {
return true;
}
}
return false;
}
private static boolean binarySearch(int[] array, int target) {
return binarySearch(array, target, 0, array.length - 1);
}
private static boolean binarySearch(int[] array, int target, int startIndex, int endIndex) {
if (endIndex > startIndex) {
int middleIndex = (endIndex + startIndex) / 2;
if (target < array[middleIndex]) {
return binarySearch(array, target, startIndex, middleIndex);
} else if (target > array[middleIndex]) {
return binarySearch(array, target, middleIndex + 1, endIndex);
} else if (target == array[middleIndex]) {
return true;
}
}
return false;
}
}
算法测试
package tech.jarry.learning.test.algorithms.twosum;
public class TwoSumTest {
public static void main(String[] args) {
int[] testArray = new int[] {3, 5, 7, 2, 4, 1, 5, 0, 9, 18 ,12};
int target = 80;
System.out.println(TwoSum.twoSum(testArray, target));
}
}
结果输出
false
由于书中的demo只要求输出存在与否，而leetcode类似的题目，则要求返回两个元素的index。感兴趣的朋友，可以看我之前写的有关leetcode求两数之和解法的博客。
总结
其实，这章算法的demo还是比较容易实现的。更多的是找找实现算法的感觉吧。
如果代码存在什么问题，或者你们存在什么疑惑，可以私信或@我。
愿与诸君共进步。
栏目列表
最新更新
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀（爬取学校通知公告）
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求：requests模块基础使用必知必会
Python初学者友好丨详解参数传递类型
如何有效管理爬虫流量？
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析：SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL，这些神奇的特性你知道吗？
openGauss内核分析：执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
SQL Server -- 解决存储过程传入参数作为s
关于JS定时器的整理
JS中使用Promise.all控制所有的异步请求都完
js中字符串的方法
import-local执行流程与node模块路径解析流程
检测数据类型的四种方法
js中数组的方法,32种方法
前端操作方法
数据类型
window.localStorage.setItem 和 localStorage.setIte
如何完美解决前端数字计算精度丢失与数
