Java开发中的常见常用算法详解

目录

• 总结
• 第一部分：开箱即用 — JDK 内置算法
• 1. 排序算法 (Sorting)
• 2. 搜索算法 (Searching)
• 3. 洗牌、填充与工具算法
• 第二部分：核心基础 — 需要掌握的经典算法
• 1. 排序与搜索基础
• 2. 递归与分治 (Recursion & Divide and Conquer)
• 3. 图算法 (Graph Algorithms)
• 4. 动态规划 (Dynamic Programming)
• 总结与实践建议

总结

Java 作为一门工业级编程语言，其强大的标准库和生态系统内置了大量高效、稳定的算法。同时，理解并能够实现经典算法是程序员的核心能力。本文将从 “直接用” 和 “自己写” 两个维度，系统梳理 Java 开发中的常见算法。

第一部分：开箱即用 — JDK 内置算法

Java android标准库 (java.util 和 java.util.Arrays) 提供了许多现成的算法，它们经过高度优化和严格测试，是日常开发的首选。

1. 排序算法 (Sorting)

核心类： java.util.Collections, java.util.Arrays

• Collections.sort(List<T> list)

  • 用途： 对 List 集合（如 ArrayList, LinkedList) 进行升序排序。

  • 底层实现： 对于对象集合，它使用一种优化的、稳定的归并排序变体 (TimSort)。稳定性意味着相等元素的相对顺序在排序后保持不变。

  • 时间复杂度： 保证 O(n log n)。

• Arrays.sort(int[] a)

  • 用途： 对基本类型数组（如 int[], double[]) 进行排序。

  • 底层实现： 使用双轴快速排序 (Dual-Pivot Quicksort)。该算法是对经典快排的改进，在实践中效率极高。

• Arrays.sort(T[] a)

  • 用途： 对对象数组（如 String[], Integer[]) 进行排序。

  • 底层实现： 同样使用 TimSort 算法，保证稳定性和高性能。

示例代码：

import java.util.*;

// 1. 对List排序
List<Integer> numbersList = new ArrayList<>(Arrays.asList(23, 5, 42, -1, 99));
Collections.sort(numbersList);
System.out.println("Sorted List: " + numbersList); // 输出: Sorted List: [-1, 5, 23, 42, 99]

// 2. 对数组排序
int[] numbersArray = {23, 5, 42, -1, 99};
Arrays.sort(numbersArray);
System.out.println("Sorted Array: " + Arrays.toString(numbersArray)); // 输出: Sorted Array: [-1, 5, 23, 42, 99]

// 3. 自定义排序规则（使用Comparator）
List&androidlt;String> names = Arrays.asList("Alice", "Bob", "Charlie", "David");
// 按字符串长度排序
Collections.sort(names, (a, b) -> a.length() - b.length());
// 或使用方法引用：Collections.sort(names, Comparator.comparingInt(String::length));
System.out.println("Sorted by length: " + names); // 输出: Sorted by length: [Bob, Alice, David, Charlie]

2. 搜索算法 (Searching)

核心类： java.util.Collections, java.util.Arrays

• Collections.binarySearch(List, Key) / Arrays.binarySearch(array, key)

  • 用途： 在已排序的列表或数组中，使用二分查找算法快速定位元素。

  • 重要前提： 集合或数组必须是有序的（通常是升序），否则结果不可预测。

  • 返回值： 如果找到，返回元素的索引；如果未找到，返回一个负值，表示应插入的位置 (-(insertion point) - 1)。

  • 时间复杂度： O(log n)。

示例代码：

List<Integer> sortedList = Arrays.asList(10, 20, 30, 40, 50);
int index1 = Collections.binarySearch(sortedList, 30);
System.out.println("Index of 30: " + index1); // 输出: 2 (找到了)

int index2 = Collections.binarySearch(sortedList, 25);
System.out.println("Index of 25: " + index2); // 输出: -3 (未找到。插入点应为 2, 所以返回 -2-1 = -3)

int[] sortedArray = {10, 20, 30, 40, 50};
int index3 = Arrays.binarySearch(sortedArray, 40);
System.out.println("Index of 40 in array: " + index3); // 输出: 3

3. 洗牌、填充与工具算法

核心类： java.util.Collections

• Collections.shuffle(List)

  • 用途： 随机打乱列表中元素的顺序（洗牌）。

  • 底层实现： 使用 Fisher-Yates shuffle 算法的高效变体，能产生均匀的随机排列。

• Collections.reverse(List): 反转列表。

• Collections.fill(List, obj): 用指定对象填充列表的所有元素。

• Collections.copy(destList, srcList): 复制列表。

• Collections.max(Collection) / Collections.min(Collection): 根据自然顺序查找最大/最小元素。

• Collections.frequency(Collection, Object): 计算某元素出现的频率。

示例代码：

List<Integer> cards = new ArrayList<>();
for (int i = 1; i <= 10; i++) {
    cards.add(i);
}
System.out.println("Original deck: " + cards);
Collections.shuffle(cards);
System.out.println("Shuffled deck: " + cards);

// 其他工具方法
Collections.reverse(cards);
System.out.println("Reversed deck: " + cards);

int max = Collections.max(cards);
int frequencyOfFive = Collections.frequency(cards, 5);
System.out.println("Max card: " + max + ", Frequenjscy of 5: " + frequencyOfFive);

第二部分：核心基础 — 需要掌握的经典算法

虽然 JDK 提供了强大的工具，但许多算法思想需要开发者自己实现来解决特定问题。

1. 排序与搜索基础

理解这些基础算法的实现有助于深入理解算法思想。

• 冒泡排序 (Bubble Sort)

  • 思想： 重复遍历列表，比较相邻元素，如果顺序错误就交换它们。

  • 复杂度： O(n²)。（仅用于教学，实际开发切勿使用！）

public static void bubbleSort(int[] arr) {
    int n = arr.length;
    for (int i = 0; i < n - 1; i++) {
        for (int j = 0; j < n - i - 1; j++) {
            if (arr[j] > arr[j + www.devze.com1]) {
                // 交换 arr[j] 和 arr[j+1]
                int temp = arr[j];
                arr[j] = arr[j + 1];
                arr[j + 1] = temp;
            }
        }
    }
}

• 线性搜索 (Linear Search)

  • 思想： 从头到尾遍历每个元素，直到找到目标。

  • 复杂度： O(n)。适用于小规模或未排序的数据。

public static int linearSearch(int[] arr, int target) {
    for (int i = 0; i < arr.length; i++) {
        if (arr[i] == target) {
            return i; // 找到，返回索引
        }
    }
    return -1; // 未找到
}

2. 递归与分治 (Recursion & Divide and Conquer)

许多高效算法基于此思想。

• 经典案例：斐波那契数列 (Fibonacci Sequence)

  • 问题： F(0)=0, F(1)=1, F(n)=F(n-1)+F(n-2) (n>=2)。

// 简单递归（效率极低，存在大量重复计算）
public static int fibonacciRecursive(int n) {
    if (n <= 1) return n;
    return fibonacciRecursive(n - 1) + fibonacciRecursive(n - 2);
}

// 使用动态规划（迭代+记忆化，高效）
public static int fibonacciDP(int n) {
    if (n <= 1) return n;
    int[] dp = new int[n + 1];
    dp[0] = 0;
    dp[1] = 1;
    for (int i = 2; i <= n; i++) {
        dp[i] = dp[i - 1] + dp[i - 2];
    }
    return dp[n];
}

3. 图算法 (Graph Algorithms)

Java 标准库没有图结构，需要自行建模（使用邻接表或邻接矩阵）并实现算法。

• 图的表示：

// 使用邻接表（最常用）
// 1. 使用 Map 和 List
Map<Integer, List<Integer>> graph = new HashMap<>();
// 2. 或创建一个 Node 类
class GraphNode {
    int val;
    List<GraphNode> neighbors;
    GraphNode(int x) { val = x; neighbors = new ArrayList<>(); }
}

// 使用二维数组（邻接矩阵）表示带权图
int[][] graphMatrix;

• 广度优先搜索 (BFS) - 寻找最短路径（无权图）

  • 思想： 层层扩散，使用队列辅助。

public int bfsShortestPath(Map<Integer, List<Integer>> graph, int start, int end) {
    Queue<Integer> queue = new LinkedList<>();
    Set<Integer> visited = new HashSet<>();
    Map<Integer, Integer> distance = new HashMap<>(); // 记录到起点的距离

    queue.offer(start);
    visited.add(start);
    distance.put(start, 0);

    while (!queue.isEmpty()) {
        int currentNode = queue.poll();
        if (currentNode == end) {
            return distance.get(currentNode);
        }
        for (int neighbor : graph.getOrDefault(currentNode, new ArrayList<>())) {
            if (!visited.contains(neighbor)) {
                visited.add(neighbor);
                queue.offer(neighbor);
                distance.put(neighbor, distance.get(currentNode) + 1);
            }
        }
    }
    return -1; // 未找到路径
}

4. 动态规划 (Dynamic Programming)

通过存储子问题的解来避免重复计算，从而高效解决复杂问题。

• 经典案例：爬楼梯问题

  • 问题： 每次可以爬 1 或 2 个台阶，爬到 n 阶有多少种不同方法？

  • 状态转移方程： dp[i] = dp[i-1] + dp[i-2]

public int climbStairs(int n) {
    if (n <= 2) return n;
    int[] dp = new int[n + 1];
    dp[1] = 1;
    dp[2] = 2;
    for (int i = 3; i <= n; i++js) {
        dp[i] = dp[i - 1] + dp[i - 2];
    }
    return dp[n];
}
// 可以进一步优化空间复杂度到 O(1)，只保留前两个状态

总结与实践建议

场景	推荐做法
对集合/数组排序	永远优先使用 Collections.sort() 或 Arrays.sort()。
在有序数据中查找	使用 binarySearch()。
需要随机顺序	使用 Collections.shuffle()。
解决特定领域问题 (如最短路径、背包问题)	1. 首先寻找优秀的第三方库 (如 JGraphT for 图算法)。 2. 其次再考虑自己实现经典算法。
面试与学习	必须掌握如何从零实现各类经典算法 (快排、归并、BFS/DFS、DP等)。
性能优化	理解算法复杂度 (Big O)，这是选择合适算法和数据结构的根本依据。

核心思想：

不要重复造轮子。 在日常业务开发中，最大限度地利用 JDK 和成熟第三方库提供的稳定高效的算法实现。你的精力应该集中在正确地建模业务问题和选择最合适的工具（算法/数据结构） 上，而不是重新实现一个可能更差的排序算法。然而，深入理解这些轮子是如何造出来的，是你在遇到复杂问题、需要进行底层优化或通过技术面试时的必备能力。

到此这篇关于Java开发中的常见常用算法详解的文章就介绍到这了,更多相关Java常见算法内容请搜索编程客栈(www.devze.com)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程客栈(www.devze.com)！