使用冒泡排序对无序数据进行排序

如下图冒泡排序的执行过程如下：从数组的最左边开始，比较0号位置和1号位置的数字。如果左边的数字（0号位置）大，就交换两个数字位置。如果右边数字大，就什么也不做。然后右移一个位置比较1号位置和2号位置的大小。重复上述流程。

在这里插入图片描述

以下是冒泡排序要遵循的规则：

比较两个数字。
如果左边数字比较大，则两个数字交换位置。
向右移动一个位置，继续比较下面两个数字。

沿着这个数组照上述那样比较下去，一直比较到数组最右端。虽然还没有完全把所有数字都排好序，但是最大的数字已经被排在最右边了。这是可以确定的，因为在每次比较两个数字的时候，只要遇到最大的数字就会交换位置，直到最后最大的数字到达数组的最右边。这也是这个算法被称为冒泡排序的原因。

最大数字在最右端

对所有的数字进行了第一趟排序之后，进行了N-1次比较，并且按照数字的初始位置，进行了最少0次，最多N-1次交换。数组的最末端的数据项就此排定，不需要移动。
现在重新数组的最左端开始第二趟排序。再次从左到右，两两比较，左边比右边大就进行交换。这一次只需比较到右边第二个队员。因此还有一条规则是：

当碰到一个排定的数字之后，就返回数组的左端重新开始下一趟排序。

冒泡排序的代码如下


/**
 * @Author: zhuzhaolin
 * @Date: 2021/05/05/22:22
 * @Description:
 */
public class BubbleSort {
    private int[] orderArrays;
    private int length;

    public BubbleSort(int[] orderArrays) {
        this.orderArrays = orderArrays;
        this.length = orderArrays.length;
    }

    private void bubbleSort(){
       for (int out=length -1 ; out>=1 ; out--){
           for (int in=0 ; in < out ; in++){
               if (orderArrays[in] > orderArrays[in+1]){
                   swap(in , in+1);
               }
           }
       }
    }

    private void swap(int one , int tow){
        int temp = orderArrays[one];
        orderArrays[one] = orderArrays[tow];
        orderArrays[tow] = temp;
    }

    public void print(){
        System.out.println(Arrays.toString(orderArrays));
    }

    public static void main(String[] args) {
        int[] ints = {20 , 8 , 41 , 15 , 33 ,33 , 42 , 22 , 31 , 7};
        BubbleSort bubbleSort = new BubbleSort(ints);
        bubbleSort.bubbleSort();
        bubbleSort.print();
    }
}

结果如下

[7, 8, 15, 20, 22, 31, 33, 33, 41, 42]

在这里插入图片描述

这个算法的思路是外层循环的计数器out从数组的最后开始，即out等于length-1，每经过一次循环out减一。下标大于out的数据项都已经是排好序的了。变量out在每完成一次内循环后就左移一位，因此算法就不在处理那些已经排好序的数据。

在内层for循环中，从in=0开始，等于out时结束，数组下标in和in+1的两个数据项进行比较，如果下标为in的数据项大于下标为in+1的数据项，则交换数据。

冒泡排序的效率

通过观察10个竖条的冒泡排序可以看到，第一趟排序时进行了9次比较，第二趟排序时进行了8次比较。如此类推，直到最后一趟进行了一次比较。对于10个数据项，就是
9+8++76+5+4+3+2+1=45 = N*（N-1）/ 2
这样算法约为 $N^2/2$
因为只有在需要的时候才进行交换，如果数据是随机的，那么大概有一半的数据需要交换，则交换的次数为 $N^2/4$
忽略常量，使用大O表示法则是 $O(N^2)$