Java排序算法总结
| 排序算法 | 平均时间复杂度 |
|---|---|
| 冒泡排序 | O(n2) |
| 选择排序 | O(n2) |
| 插入排序 | O(n2) |
| 希尔排序 | O(n1.5) |
| 快速排序 | O(N*logN) |
| 归并排序 | O(N*logN) |
| 堆排序 | O(N*logN) |
| 基数排序 | O(d(n+r)) |
一. 冒泡排序(BubbleSort)
-
基本思想：两个数比较大小，较大的数下沉，较小的数冒起来。
-
过程：
- 比较相邻的两个数据，如果第二个数小，就交换位置。
- 从后向前两两比较，一直到比较最前两个数据。最终最小数被交换到起始的位置，这样第一个最小数的位置就排好了。
- 继续重复上述过程，依次将第2.3...n-1个最小数排好位置。
-
平均时间复杂度：O(n2)
-
java代码实现：
public static void BubbleSort(int [] arr){ int temp;//临时变量 for(int i=0; i<arr.length-1; i++){ //表示趟数，一共arr.length-1次。 for(int j=arr.length-1; j>i; j--){ if(arr[j] < arr[j-1]){ temp = arr[j]; arr[j] = arr[j-1]; arr[j-1] = temp; } } } } -
优化：
-
针对问题：
数据的顺序排好之后，冒泡算法仍然会继续进行下一轮的比较，直到arr.length-1次，后面的比较没有意义的。 -
方案：
设置标志位flag，如果发生了交换flag设置为true；如果没有交换就设置为false。
这样当一轮比较结束后如果flag仍为false，即：这一轮没有发生交换，说明数据的顺序已经排好，没有必要继续进行下去。public static void BubbleSort1(int [] arr){ int temp;//临时变量 boolean flag;//是否交换的标志 for(int i=0; i<arr.length-1; i++){ //表示趟数，一共arr.length-1次。 flag = false; for(int j=arr.length-1; j>i; j--){ if(arr[j] < arr[j-1]){ temp = arr[j]; arr[j] = arr[j-1]; arr[j-1] = temp; flag = true; } } if(!flag) break; } }
-
二. 选择排序(SelctionSort)
-
基本思想：
在长度为N的无序数组中，第一次遍历n-1个数，找到最小的数值与第一个元素交换；
第二次遍历n-2个数，找到最小的数值与第二个元素交换；
。。。
第n-1次遍历，找到最小的数值与第n-1个元素交换，排序完成。 -
过程：
-
平均时间复杂度：O(n2)
-
java代码实现：
public static void select_sort(int array[],int lenth){ for(int i=0;i<lenth-1;i++){ int minIndex = i; for(int j=i+1;j<lenth;j++){ if(array[j]<array[minIndex]){ minIndex = j; } } if(minIndex != i){ int temp = array[i]; array[i] = array[minIndex]; array[minIndex] = temp; } } }
三. 插入排序(Insertion Sort)
-
基本思想：
在要排序的一组数中，假定前n-1个数已经排好序，现在将第n个数插到前面的有序数列中，使得这n个数也是排好顺序的。如此反复循环，直到全部排好顺序。 -
过程：
-
平均时间复杂度：O(n2)
-
java代码实现：
public static void insert_sort(int array[],int lenth){ int temp; for(int i=0;i<lenth-1;i++){ for(int j=i+1;j>0;j--){ if(array[j] < array[j-1]){ temp = array[j-1]; array[j-1] = array[j]; array[j] = temp; }else{ //不需要交换 break; } } } }
四. 希尔排序(Shell Sort)
-
前言：
数据序列1： 13-17-20-42-28 利用插入排序，13-17-20-28-42. Number of swap:1;
数据序列2： 13-17-20-42-14 利用插入排序，13-14-17-20-42. Number of swap:3;
如果数据序列基本有序，使用插入排序会更加高效。 -
基本思想：
在要排序的一组数中，根据某一增量分为若干子序列，并对子序列分别进行插入排序。
然后逐渐将增量减小,并重复上述过程。直至增量为1,此时数据序列基本有序,最后进行插入排序。 -
过程：
-
平均时间复杂度：
-
java代码实现：
public static void shell_sort(int array[],int lenth){ int temp = 0; int incre = lenth; while(true){ incre = incre/2; for(int k = 0;k<incre;k++){ //根据增量分为若干子序列 for(int i=k+incre;i<lenth;i+=incre){ for(int j=i;j>k;j-=incre){ if(array[j]<array[j-incre]){ temp = array[j-incre]; array[j-incre] = array[j]; array[j] = temp; }else{ break; } } } } if(incre == 1){ break; } } }
五. 快速排序(Quicksort)
-
基本思想：（分治）
- 先从数列中取出一个数作为key值；
- 将比这个数小的数全部放在它的左边，大于或等于它的数全部放在它的右边；
- 对左右两个小数列重复第二步，直至各区间只有1个数。
-
辅助理解：挖坑填数
- 初始时 i = 0; j = 9; key=72
由于已经将a[0]中的数保存到key中，可以理解成在数组a[0]上挖了个坑，可以将其它数据填充到这来。
从j开始向前找一个比key小的数。当j=8，符合条件，a[0] = a[8] ; i++ ; 将a[8]挖出再填到上一个坑a[0]中。
这样一个坑a[0]就被搞定了，但又形成了一个新坑a[8]，这怎么办了？简单，再找数字来填a[8]这个坑。
这次从i开始向后找一个大于key的数，当i=3，符合条件，a[8] = a[3] ; j-- ; 将a[3]挖出再填到上一个坑中。数组：72 - 6 - 57 - 88 - 60 - 42 - 83 - 73 - 48 - 85 0 1 2 3 4 5 6 7 8 9 - 此时 i = 3; j = 7; key=72
再重复上面的步骤，先从后向前找，再从前向后找。
从j开始向前找，当j=5，符合条件，将a[5]挖出填到上一个坑中，a[3] = a[5]; i++;
从i开始向后找，当i=5时，由于i==j退出。
此时，i = j = 5，而a[5]刚好又是上次挖的坑，因此将key填入a[5]。数组：48 - 6 - 57 - 88 - 60 - 42 - 83 - 73 - 88 - 85 0 1 2 3 4 5 6 7 8 9 - 可以看出a[5]前面的数字都小于它，a[5]后面的数字都大于它。因此再对a[0…4]和a[6…9]这二个子区间重复上述步骤就可以了。
<数组：48 - 6 - 57 - 42 - 60 - 72 - 83 - 73 - 88 - 85 0 1 2 3 4 5 6 7 8 9
- 初始时 i = 0; j = 9; key=72
-
平均时间复杂度：O(N*logN)
-
代码实现：
public static void quickSort(int a[],int l,int r){ if(l>=r) return; int i = l; int j = r; int key = a[l];//选择第一个数为key while(i<j){ while(i<j && a[j]>=key)//从右向左找第一个小于key的值 j--; if(i<j){ a[i] = a[j]; i++; } while(i<j && a[i]<key)//从左向右找第一个大于key的值 i++; if(i<j){ a[j] = a[i]; j--; } } //i == j a[i] = key; quickSort(a, l, i-1);//递归调用 quickSort(a, i+1, r);//递归调用 }key值的选取可以有多种形式，例如中间数或者随机数，分别会对算法的复杂度产生不同的影响。
六. 归并排序(Merge Sort)
-
基本思想：参考
归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法的一个非常典型的应用。
首先考虑下如何将2个有序数列合并。这个非常简单，只要从比较2个数列的第一个数，谁小就先取谁，取了后就在对应数列中删除这个数。然后再进行比较，如果有数列为空，那直接将另一个数列的数据依次取出即可。//将有序数组a[]和b[]合并到c[]中 void MemeryArray(int a[], int n, int b[], int m, int c[]) { int i, j, k; i = j = k = 0; while (i < n && j < m) { if (a[i] < b[j]) c[k++] = a[i++]; else c[k++] = b[j++]; } while (i < n) c[k++] = a[i++]; while (j < m) c[k++] = b[j++]; }解决了上面的合并有序数列问题，再来看归并排序，其的基本思路就是将数组分成2组A，B，如果这2组组内的数据都是有序的，那么就可以很方便的将这2组数据进行排序。如何让这2组组内数据有序了？
可以将A，B组各自再分成2组。依次类推，当分出来的小组只有1个数据时，可以认为这个小组组内已经达到了有序，然后再合并相邻的2个小组就可以了。这样通过先递归的分解数列，再合并数列就完成了归并排序。
-
过程：
-
平均时间复杂度：O(NlogN)
归并排序的效率是比较高的，设数列长为N，将数列分开成小数列一共要logN步，每步都是一个合并有序数列的过程，时间复杂度可以记为O(N)，故一共为O(N*logN)。 -
代码实现：
public static void merge_sort(int a[],int first,int last,int temp[]){ if(first < last){ int middle = (first + last)/2; merge_sort(a,first,middle,temp);//左半部分排好序 merge_sort(a,middle+1,last,temp);//右半部分排好序 mergeArray(a,first,middle,last,temp); //合并左右部分 } } //合并 ：将两个序列a[first-middle],a[middle+1-end]合并 public static void mergeArray(int a[],int first,int middle,int end,int temp[]){ int i = first; int m = middle; int j = middle+1; int n = end; int k = 0; while(i<=m && j<=n){ if(a[i] <= a[j]){ temp[k] = a[i]; k++; i++; }else{ temp[k] = a[j]; k++; j++; } } while(i<=m){ temp[k] = a[i]; k++; i++; } while(j<=n){ temp[k] = a[j]; k++; j++; } for(int ii=0;ii<k;ii++){ a[first + ii] = temp[ii]; } }
七. 堆排序(HeapSort)
-
基本思想：
- 图示： （88,85,83,73,72,60,57,48,42,6）
Heap Sort
- 图示： （88,85,83,73,72,60,57,48,42,6）
-
平均时间复杂度：O(NlogN)
由于每次重新恢复堆的时间复杂度为O(logN)，共N - 1次重新恢复堆操作，再加上前面建立堆时N / 2次向下调整，每次调整时间复杂度也为O(logN)。二次操作时间相加还是O(N * logN)。 -
java代码实现：
//构建最小堆 public static void MakeMinHeap(int a[], int n){ for(int i=(n-1)/2 ; i>=0 ; i--){ MinHeapFixdown(a,i,n); } } //从i节点开始调整,n为节点总数 从0开始计算 i节点的子节点为 2*i+1, 2*i+2 public static void MinHeapFixdown(int a[],int i,int n){ int j = 2*i+1; //子节点 int temp = 0; while(j<n){ //在左右子节点中寻找最小的 if(j+1<n && a[j+1]<a[j]){ j++; } if(a[i] <= a[j]) break; //较大节点下移 temp = a[i]; a[i] = a[j]; a[j] = temp; i = j; j = 2*i+1; } } public static void MinHeap_Sort(int a[],int n){ int temp = 0; MakeMinHeap(a,n); for(int i=n-1;i>0;i--){ temp = a[0]; a[0] = a[i]; a[i] = temp; MinHeapFixdown(a,0,i); } }
八. 基数排序(RadixSort)
BinSort
-
基本思想：
BinSort想法非常简单，首先创建数组A[MaxValue]；然后将每个数放到相应的位置上（例如17放在下标17的数组位置）；最后遍历数组，即为排序后的结果。 -
图示：
BinSort
- 问题： 当序列中存在较大值时，BinSort 的排序方法会浪费大量的空间开销。
RadixSort
- 基本思想： 基数排序是在BinSort的基础上，通过基数的限制来减少空间的开销。
- 过程：
过程1
过程2
（1）首先确定基数为10，数组的长度也就是10.每个数34都会在这10个数中寻找自己的位置。
（2）不同于BinSort会直接将数34放在数组的下标34处，基数排序是将34分开为3和4，第一轮排序根据最末位放在数组的下标4处，第二轮排序根据倒数第二位放在数组的下标3处，然后遍历数组即可。 -
java代码实现：
public static void RadixSort(int A[],int temp[],int n,int k,int r,int cnt[]){ //A:原数组 //temp:临时数组 //n:序列的数字个数 //k:最大的位数2 //r:基数10 //cnt:存储bin[i]的个数 for(int i=0 , rtok=1; i<k ; i++ ,rtok = rtok*r){ //初始化 for(int j=0;j<r;j++){ cnt[j] = 0; } //计算每个箱子的数字个数 for(int j=0;j<n;j++){ cnt[(A[j]/rtok)%r]++; } //cnt[j]的个数修改为前j个箱子一共有几个数字 for(int j=1;j<r;j++){ cnt[j] = cnt[j-1] + cnt[j]; } for(int j = n-1;j>=0;j--){ //重点理解 cnt[(A[j]/rtok)%r]--; temp[cnt[(A[j]/rtok)%r]] = A[j]; } for(int j=0;j<n;j++){ A[j] = temp[j]; } } }
--------------------- 分界线 --------------------------------------
引发我看上面的都是工作中遇到的这个算法排序
//深度检测 List<Faan> src = new ArrayList<>(validFaans.values()); List<List<Faan>> deepCheckList = new ArrayList<>(); if(src.size()>1) { List<Faan> tmpArr = new ArrayList<>(); List<List<Faan>> result = new ArrayList<>(); this.combineFaan(0, 2, src, tmpArr, result); for(List<Faan> faanList : result) { Faan faan0 = faanList.get(0); Faan faan1 = faanList.get(1); //互相依赖的番型不计 if(faan0.getRequire().contains(faan1)|| faan1.getRequire().contains(faan0)) { continue; } JSONObject property = new JSONObject(); property.putAll(game.getProperty()); List<CheckParams> checkParams0List = faan0.deepCheck(game, player,winTile); game.getProperty().clear(); game.getProperty().putAll(property); if(checkParams0List == null) { continue; } List<CheckParams> checkParams1List = faan1.deepCheck(game, player,winTile); game.getProperty().putAll(property); if(checkParams1List == null) { continue; } if(!this.deepCheck(faan0, faan1, game, player,checkParams0List) ||!this.deepCheck(faan1, faan0, game, player,checkParams1List)) { List<Faan> checkList = new ArrayList<>(); checkList.add(faan0); checkList.add(faan1); deepCheckList.add(checkList); } } } List<Faan> tmpArr = new ArrayList<>(); List<List<Faan>> result = new ArrayList<>(); for(int i=0;i<validFaans.values().size();i++) { this.combineFaan(0, i+1, src, tmpArr, result); } public void combineFaan(int index,int k,List<Faan> src,List<Faan> tmpArr,List<List<Faan>> result) { if(k == 1){ for (int i = index; i < src.size(); i++) { tmpArr.add(src.get(i)); ArrayList<Faan> item = (ArrayList<Faan>) ((ArrayList<Faan>)tmpArr).clone(); result.add(item); // System.out.println(tmpArr.toString()); tmpArr.remove(src.get(i)); } }else if(k > 1){ for (int i = index; i <= src.size() - k; i++) { tmpArr.add(src.get(i)); combineFaan(i + 1,k - 1, src,tmpArr,result); tmpArr.remove(src.get(i)); } }else{ return ; } }
一个算法的理解
深度检测 List<Faan> src = new ArrayList<>(validFaans.values()); src [ Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@, Faan_双混儿_龙外@, Faan_捉伍@ ] this.combineFaan(0, 2, src, tmpArr, result); combineFaan(int index,int k,List<Faan> src,List<Faan> tmpArr,List<List<Faan>> result) int i = 0; i <=3; i++ tmpArr<Faan_本混儿> combineFaan(i + 1,k - 1, src,tmpArr,result); combineFaan(1, 1, src[5个], temArr[素本混儿], [] ) (int i = index; i < 5; i++) tmpArr [Faan_本混儿@, Faan_混儿吊_3N2@] result [ [Faan_本混儿@, Faan_混儿吊_3N2@] ] tmpArr [Faan_本混儿@] i=2 tmpArr [Faan_本混儿@, Faan_龙@] item [Faan_本混儿@, Faan_龙@] result [ [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@] ] tmpArr [Faan_本混儿@] i=3 tmpArr [Faan_本混儿@, Faan_双混儿_龙外@] result [ [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@] ] i=4 result [ [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@] ] (k > 1) tmpArr.remove(src.get(i)); result [ [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@], [Faan_龙@, Faan_捉伍@], [Faan_双混儿_龙外@, Faan_捉伍@] ] //番型的叠加组合 for(int i=0;i<validFaans.values().size();i++) { this.combineFaan(0, i+1, src, tmpArr, result); } combineFaan(int 0,int 1,List<Faan> 5个,List<Faan> [],List<List<Faan>> []) i = 0,i < 5 tmpArr [Faan_本混儿@] result [ [Faan_本混儿@] ] tmpArr [] tmpArr [Faan_混儿吊_3N2@] result [ [Faan_本混儿@], [Faan_混儿吊_3N2@] ] tmpArr [] i = 4 result [ [Faan_本混儿@], [Faan_混儿吊_3N2@], [Faan_龙@], [Faan_双混儿_龙外@], [Faan_捉伍@] ] k = i=1 + 1 k = 2 combineFaan(int 0,int 2,...) k > 1 (int i=0;i<3;i++) combineFaan(i + 1,k - 1, src,tmpArr,result); combineFaan( 1 , 2 , ... ) for (int i = index; i < src.size(); i++) for (int i = index; i <5; i++) result [ [Faan_本混儿@], [Faan_混儿吊_3N2@], [Faan_龙@], [Faan_双混儿_龙外@], [Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@] ] //for循环 result [ [Faan_本混儿@], [Faan_混儿吊_3N2@], [Faan_龙@], [Faan_双混儿_龙外@], [Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@], [Faan_龙@, Faan_捉伍@], [Faan_双混儿_龙外@, Faan_捉伍@] ] k = i=2 + 1 k = 3 combineFaan(int index,int k, ...) combineFaan(int 0 ,int 3, ...) k > 1 for (int i = index; i <= src.size() - k; i++) for (int i = 0 ; i <= 2 ; i++) combineFaan(i + 1,k - 1, ...); combineFaan( 1 , 2 , ...); k = 2, k > 1 for (int i = index; i <= src.size() - k; i++) for (int i = 1 ; i <= 3 ; i++) combineFaan(i + 1,k - 1, ...); combineFaan( 2 , 1 , ...); k == 1 for (int i = 2; i < 5 ; i++) result [ [Faan_本混儿@], [Faan_混儿吊_3N2@], [Faan_龙@], [Faan_双混儿_龙外@], [Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@], [Faan_龙@, Faan_捉伍@], [Faan_双混儿_龙外@, Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@] ] //for循环 result [ [Faan_本混儿@], [Faan_混儿吊_3N2@], [Faan_龙@], [Faan_双混儿_龙外@], [Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@], [Faan_龙@, Faan_捉伍@], [Faan_双混儿_龙外@, Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@] ] //for循环 result [ [Faan_本混儿@], [Faan_混儿吊_3N2@], [Faan_龙@], [Faan_双混儿_龙外@], [Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@], [Faan_龙@, Faan_捉伍@], [Faan_双混儿_龙外@, Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_龙@, Faan_捉伍@], [Faan_本混儿@, Faan_双混儿_龙外@, Faan_捉伍@] ] //for循环 result [ [Faan_本混儿@], [Faan_混儿吊_3N2@], [Faan_龙@], [Faan_双混儿_龙外@], [Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@], [Faan_龙@, Faan_捉伍@], [Faan_双混儿_龙外@, Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_龙@, Faan_捉伍@], [Faan_本混儿@, Faan_双混儿_龙外@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_龙@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@, Faan_捉伍@] ] //for循环 result [ [Faan_本混儿@], [Faan_混儿吊_3N2@], [Faan_龙@], [Faan_双混儿_龙外@], [Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@], [Faan_龙@, Faan_捉伍@], [Faan_双混儿_龙外@, Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_龙@, Faan_捉伍@], [Faan_本混儿@, Faan_双混儿_龙外@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_龙@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@, Faan_捉伍@] ] k = i = 3 + 1 k = 4 (k > 1) for (int i = index; i <= src.size() - k; i++) for (int i = 0 ; i <= 1 ; i++) result [ [Faan_本混儿@], [Faan_混儿吊_3N2@], [Faan_龙@], [Faan_双混儿_龙外@], [Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@], [Faan_本混儿@, Faan_龙@], [Faan_本混儿@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@], [Faan_龙@, Faan_捉伍@], [Faan_双混儿_龙外@, Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_捉伍@], [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_龙@, Faan_捉伍@], [Faan_本混儿@, Faan_双混儿_龙外@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_龙@, Faan_双混儿_龙外@], [Faan_混儿吊_3N2@, Faan_龙@, Faan_捉伍@], [Faan_混儿吊_3N2@, Faan_双混儿_龙外@, Faan_捉伍@], [Faan_龙@, Faan_双混儿_龙外@, Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@, Faan_双混儿_龙外@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_龙@, Faan_捉伍@], [Faan_本混儿@, Faan_混儿吊_3N2@, Faan_双混儿_龙外@, Faan_捉伍@], [Faan_本混儿@, Faan_龙@, Faan_双混儿_龙外@, Faan_捉伍@] ] ... //以此类推
总结:
首先结果集, 通过 k = 2,分成两两一对儿的组合, 先看看互相有没有不共存的情况, 然后所有可能单个结果,不重复的相互组合.
示例的代码就是结果集里面有5个,每一个相互不重复的叠加
combineFaan(index, k, src, tmpArr, result);
index : 是每个排序出来的起始位置
k : 是约束每一行的元素有几个元素存放在结果集里面
转载自：
分类: 数据结构和算法
