Java 常见常用算法详解
目录
2. 递归与分治 (Recursion & Divide and Conquer)
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 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)。
- 用途： 对
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。
- 用途： 对基本类型数组（如
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。
- 用途： 对对象数组（如
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<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: 33. 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 + ", Frequency 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 + 1]) { // 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++) { 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。
