简介
选择排序是一种简单直观的排序算法,它的工作原理是每次从待排序的数据元素中选出最小(或最大)的一个元素,然后放到序列的起始位置。通过重复这个过程,直到所有元素都被排序。
算法步骤
- 在未排序序列中找到最小(大)元素,存放到排序序列的起始位置。
- 从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。
- 重复第二步,直到所有元素均排序完毕。
java
//selectionSort 方法接受一个整型数组 arr 作为参数。
//外层循环控制排序过程的轮数,每轮找出剩余部分的最小值。
//内层循环用于在每轮中找出最小元素的索引。
//使用一个临时变量 temp 来交换找到的最小元素和当前轮次的起始元素
public class SelectionSort {
public static void selectionSort(int[] arr) {
int n = arr.length;
for (int i = 0; i < n - 1; i++) {
// 找出最小元素的索引
int minIndex = i;
for (int j = i + 1; j < n; j++) {
if (arr[j] < arr[minIndex]) {
minIndex = j;
}
}
// 将找到的最小元素交换到当前位置
int temp = arr[minIndex];
arr[minIndex] = arr[i];
arr[i] = temp;
}
}
public static void main(String[] args) {
int[] arr = {64, 25, 12, 22, 11};
selectionSort(arr);
// 打印排序后的数组
for (int i = 0; i < arr.length; i++) {
System.out.print(arr[i] + " ");
}
}
}
优点
- 稳定性:选择排序是稳定的排序算法,即相等的元素之间不会交换位置。
- 简单性:算法逻辑简单,容易实现。
- 空间优势:空间复杂度为O(1),不需要额外的存储空间。
缺点
- 效率低:时间复杂度为O(n^2),对于大数据集效率较低。
- 数据移动次数多:需要进行多次交换操作,特别是在原始数据已经部分排序的情况下。
时间复杂度和空间复杂度分析
- 时间复杂度:最坏和平均情况下都是O(n^2),其中n是数组的长度。
- 空间复杂度:O(1),因为除了原始数组外,不需要额外的存储空间。
使用场景
- 当数据量较小或者数据几乎已经排序时,选择排序是一个不错的选择。
- 也可以作为教学示例,因为它简单易懂。