Java接口
定义类要用class关键字，定义接口要用interface关键字。
接口是常量和抽象方法的集合。接口中的数据成员，不管有没有用修饰符“public”、“static”或“final”修饰，都是public static final的，并且必须显示的初始化。接口中的方法，不管有没有用修饰符“public”或“abstract”修饰，都是public abstract的，并且必须不带方法体。
源程序中可以定义多个类或接口，但最多只能有一个public的类或接口，如果有则源文件必须取和public的类和接口相同的名字。
接口可以继承，子接口可以继承父接口中的常量和抽象方法并添加新的抽象方法等。
接口没有构造方法，不能被实例化。
接口中的方法必须由类来实现，定义一个实现接口的类，格式为：
修饰符 class 类名 extends 父类名 implements 接口名1,接口名2,…,接口名n {
实现方法
}
如果类不能实现implements关键字后面所列出的所有接口中所有的方法，则这个类必须用abstract修饰而成为抽象类。
一个类只能继承一个父类，但却可以实现多个接口。
虽不允许创建接口的实例，但允许定义接口类型的变量，用来引用实现接口的类的实例。
例子：
import static java.lang.System.*;
public class Demo{
public static void main(String[] args) {
SataHdd sh1=new SeagateHdd(); //初始化希捷硬盘
SataHdd sh2=new SamsungHdd(); //初始化三星硬盘
}
}
//串行硬盘接口
interface SataHdd{
public static final int CONNECT_LINE=4;//连接线的数量，也可写成int CONNECT_LINE=4;
public abstract void writeData(String data);//写数据，也可写成void writeData(String data);
public abstract String readData();//读数据，也可写成String readData();
}
// 维修硬盘接口
interface fixHdd{
String address = "北京市海淀区";// 维修地址
boolean doFix();// 开始维修
}
//希捷硬盘
class SeagateHdd implements SataHdd, fixHdd{
public String readData(){return "数据";}//希捷硬盘读取数据
public void writeData(String data){out.println("写入成功");}//希捷硬盘写入数据
public boolean doFix(){return true;}// 维修希捷硬盘
}
//三星硬盘
class SamsungHdd implements SataHdd{
public String readData(){return "数据";}//三星硬盘读取数据
public void writeData(String data){out.println("写入成功");}//三星硬盘写入数据
}
//某劣质硬盘，不能写数据
abstract class XXHdd implements SataHdd{
public String readData(){return "数据";}//硬盘读取数据
}
一个接口不实现另一个接口，但可以继承多个其他接口。接口的多继承特点弥补了类的单继承：
public interface SataHdd extends A,B{
public static final int CONNECT_LINE = 4;
public void writeData(String data);
public String readData();
}
interface A{
public void a();
}
interface B{
public void b();
}
喜欢这样文章的可以关注我，我会持续更新，你们的关注是我更新的动力！需要更多java学习资料的也可以私信我！
祝关注我的人都：身体健康，财源广进，福如东海,寿比南山，早生贵子，从不掉发!
ygW, irP�8��ansi-font-family:Calibri;mso-bidi-font-family:'Times New Roman';font-size:10.5000pt; mso-font-kerning:1.0000pt;" > 以下是一个实例，红色 标记的数字为插入的数字，被划掉的数字是未参与此次排序的元素，红色 标记的数字与被划掉数字之间的元素为逐个向后移动的元素，比如第二趟参与排序的元素为 [11, 31, 12] ,需要插入的元素为 12 ,但是 12 当前并没有处于正确的位置，于是我们需要依次与前面的元素 31 、 11 做比较，一边比较一边移动比较过的元素，直到找到第一个比 12 小的元素 11 时停止比较，此时 31 对应的索引 1 则是 12 需要插入的位置。
1.初始： [11, 31, 12, 5, 34, 30, 26, 38, 36, 18]
2.3.第一趟： [11, 31 , 12, 5, 34, 30, 26, 38, 36, 18] (无移动的元素)
4.5.第二趟： [11, 12 , 31, 5, 34, 30, 26, 38, 36, 18] ( 31 向后移动)
6.7.第三趟： [5 , 11, 12, 31, 34, 30, 26, 38, 36, 18] ( 11, 12, 31 皆向后移动)
8.9.第四趟： [5, 11, 12, 31, 34 , 30, 26, 38, 36, 18] (无移动的元素)
10.11.第五趟： [5, 11, 12, 30 , 31, 34, 26, 38, 36, 18] ( 31, 34 向后移动)
12.13.第六趟： [5, 11, 12, 26 , 30, 31, 34, 38, 36, 18] ( 30, 31, 34 向后移动)
14.15.第七趟： [5, 11, 12, 26, 30, 31, 34, 38 , 36, 18] (无移动的元素)
16.17.第八趟： [5, 11, 12, 26, 30, 31, 34, 36 , 38, 18] ( 38 向后移动)
18.19.第九趟： [5, 11, 12, 18 , 26, 30, 31, 34, 36, 38] ( 26, 30, 31, 34, 36, 38 向后移动)
插入排序会优于选择排序，理由是它在排序过程中能够利用前部分数组元素已经排好序的一个优势，有效地减少一些比较的次数，当然这种优势得看数组的初始顺序如何，最坏的情况下(给定的数组恰好为倒序)插入排序需要比较和移动的次数将会等于 1 + 2 + 3… + n = n * (n + 1) / 2 ,这种极端情况下，插入排序的效率甚至比选择排序更差。因此插入排序是一个不稳定的排序方法，插入效率与数组初始顺序息息相关。一般情况下，插入排序的时间复杂度和空间复杂度分别为 O(n2 ) 和 O(1) .
实现代码：
1./**
2. * Insertion Sorting
3. */
4.INSERTION(new Sortable() {
5. public
6. int len = array.length;
7. for (int i = 1; i < len; i++) {
8. T toInsert = array[i];
9. int j = i;
10. for (; j > 0; j--) {
11. int compare = array[j - 1].compareTo(toInsert);
12. if (compare == 0 || compare < 0 == ascend) {
13. break;
14. }
15. array[j] = array[j - 1];
16. }
17.
18. array[j] = toInsert;
19. }
20. }
21.})
3、Java排序算法之冒泡排序
冒泡排序可以算是最经典的排序算法了，记得小弟上学时最先接触的也就是这个算法了，因为实现方法最简单，两层 for 循环，里层循环中判断相邻两个元素是否逆序，是的话将两个元素交换，外层循环一次，就能将数组中剩下的元素中最小的元素"浮"到最前面，所以称之为冒泡排序。
照例举个简单的实例吧：
1.
2.
3.初始状态： [24, 19, 26, 39, 36, 7, 31, 29, 38, 23]
4.
5.内层第一趟： [24, 19, 26, 39, 36, 7, 31, 29, 23 , 38 ] ( 9th [23]<->8th [38 )
6.
7.内层第二趟： [24, 19, 26, 39, 36, 7, 31, 23 , 29 , 38] ( 8th [23]<->7th [29] )
8.
9.内层第三趟： [24, 19, 26, 39, 36, 7, 23 , 31 , 29, 38] ( 7th [23]<->6th [31] )
10.
11.内层第四趟： [24, 19, 26, 39, 36, 7, 23, 31, 29, 38] ( 7 、 23 都位于正确的顺序，无需交换)
12.
13.内层第五趟： [24, 19, 26, 39, 7 , 36 , 23, 31, 29, 38] ( 5th [7]<->4th [36] )
14.
15.内层第六趟： [24, 19, 26, 7 , 39 , 36, 23, 31, 29, 38] ( 4th [7]<->3rd [39] )
16.
17.内层第七趟： [24, 19, 7 , 26 , 39, 36, 23, 31, 29, 38] ( 3rd [7]<->2nd [26] )
18.
19.内层第八趟： [24, 7 , 19 , 26, 39, 36, 23, 31, 29, 38] ( 2nd [7]<->1st [19] )
20.
21.内层第九趟： [7 , 24 , 19, 26, 39, 36, 23, 31, 29, 38] ( 1st [7]<->0th [24] )
22.
23.……
其实冒泡排序跟选择排序比较相像，比较次数一样，都为 n * (n + 1) / 2 ,但是冒泡排序在挑选最小值的过程中会进行额外的交换(冒泡排序在排序中只要发现相邻元素的顺序不对就会进行交换，与之对应的是选择排序，只会在内层循环比较结束之后根据情况决定是否进行交换)，所以在我看来，选择排序属于冒泡排序的改进版。
实现代码：
1./**
2. * Bubble Sorting, it's very similar with Insertion Sorting
3. */
4.BUBBLE(new Sortable() {
5. public
6. int length = array.length;
7. int lastExchangedIdx = 0;
8. for (int i = 0; i < length; i++) {
9. // mark the flag to identity whether exchange happened to false
10. boolean isExchanged = false;
11. // last compare and exchange happened before reaching index i
12. int currOrderedIdx = lastExchangedIdx > i ? lastExchangedIdx : i;
13. for (int j = length - 1; j > currOrderedIdx; j--) {
14. int compare = array[j - 1].compareTo(array[j]);
15. if (compare != 0 && compare > 0 == ascend) {
16. exchange(array, j - 1, j);
17. isExchanged = true;
18. lastExchangedIdx = j;
19. }
20. }
21. // if no exchange happen means array is already in order
22. if (isExchanged == false) {
23. break;
24. }
25. }
26. }
27.})
4、Java排序算法之希尔排序
希尔排序的诞生是由于插入排序在处理大规模数组的时候会遇到需要移动太多元素的问题。希尔排序的思想是将一个大的数组"分而治之",划分为若干个小的数组，以 gap 来划分，比如数组 [1, 2, 3, 4, 5, 6, 7, 8] ,如果以 gap = 2 来划分，可以分为 [1, 3, 5, 7] 和 [2, 4, 6, 8] 两个数组(对应的，如 gap = 3 ,则划分的数组为： [1, 4, 7] 、 [2, 5, 8] 、 [3, 6] )然后分别对划分出来的数组进行插入排序，待各个子数组排序完毕之后再减小 gap 值重复进行之前的步骤，直至 gap = 1 ,即对整个数组进行插入排序，此时的数组已经基本上快排好序了，所以需要移动的元素会很小很小，解决了插入排序在处理大规模数组时较多移动次数的问题。
具体实例请参照插入排序。
希尔排序是插入排序的改进版，在数据量大的时候对效率的提升帮助很大，数据量小的时候建议直接使用插入排序就好了。 实现代码：
1./**
2. * Shell Sorting
3. */
4.SHELL(new Sortable() {
5. public
6. int length = array.length;
7. int gap = 1;
8.
9. // use the most next to length / 3 as the first gap
10. while (gap < length / 3) {
11. gap = gap * 3 + 1;
12. }
13.
14. while (gap >= 1) {
15. for (int i = gap; i < length; i++) {
16. T next = array[i];
17. int j = i;
18. while (j >= gap) {
19. int compare = array[j - gap].compareTo(next);
20. // already find its position
21. if (compare == 0 || compare < 0 == ascend) {
22. break;
23. }
24.
25. array[j] = array[j - gap];
26. j -= gap;
27. }
28. if (j != i) {
29. array[j] = next;
30. }
31. }
32. gap /= 3;
33. }
34.
35. }
36.})
5、Java排序算法之归并排序
归并排序采用的是递归来实现，属于"分而治之",将目标数组从中间一分为二，之后分别对这两个数组进行排序，排序完毕之后再将排好序的两个数组"归并"到一起，归并排序最重要的也就是这个"归并"的过程，归并的过程中需要额外的跟需要归并的两个数组长度一致的空间，比如需要规定的数组分别为： [3, 6, 8, 11] 和 [1, 3, 12, 15] (虽然逻辑上被划为为两个数组，但实际上这些元素还是位于原来数组中的，只是通过一些 index 将其划分成两个数组，原数组为 [3, 6, 8, 11, 1, 3, 12, 15 ,我们设置三个指针 lo, mid, high 分别为 0,3,7 就可以实现逻辑上的子数组划分)那么需要的额外数组的长度为 4 + 4 = 8 .归并的过程可以简要地概括为如下：
1)将两个子数组中的元素复制到新数组 copiedArray 中，以前面提到的例子为例，则 copiedArray = [3, 6, 8, 11, 1, 3, 12, 15] ;
2)设置两个指针分别指向原子数组中对应的第一个元素，假定这两个指针取名为 leftIdx 和 rightIdx ,则 leftIdx = 0 (对应 copiedArray 中的第一个元素 [3] )， rightIdx = 4 (对应 copiedArray 中的第五个元素 [1] );
3)比较 leftIdx 和 rightIdx 指向的数组元素值，选取其中较小的一个并将其值赋给原数组中对应的位置 i ,赋值完毕后分别对参与赋值的这两个索引做自增 1 操作，如果 leftIdx 或 rigthIdx 值已经达到对应数组的末尾，则余下只需要将剩下数组的元素按顺序 copy 到余下的位置即可。
下面给个归并的具体实例：
1.第一趟：
2.3.辅助数组 [21 , 28, 39 | 35, 38] (数组被拆分为左右两个子数组，以 | 分隔开)
4.5.[21 , , , , ] (第一次 21 与 35 比较 , 左边子数组胜出， leftIdx = 0 , i = 0 )
6.7.第二趟：
8.9.辅助数组 [21, 28 , 39 | 35, 38]
10.11.[21 , 28, , , ] (第二次 28 与 35 比较，左边子数组胜出， leftIdx = 1 , i = 1 )
12.13.第三趟： [21, 28, 39 | 35 , 38]
14.15.[21 , 28 , 35, , ] (第三次 39 与 35 比较，右边子数组胜出， rightIdx = 0 , i = 2 )
16.17.第四趟： [21, 28, 39 | 35, 38 ]
18.19.[21 , 28 , 35 , 38, ] (第四次 39 与 38 比较，右边子数组胜出， rightIdx = 1 , i = 3 )
20.21.第五趟： [21, 28, 39 | 35, 38]
22.23.[21 , 28 , 35 , 38 , 39] (第五次时右边子数组已复制完，无需比较 leftIdx = 2 , i = 4 )
以上便是一次归并的过程，我们可以将整个需要排序的数组做有限次拆分(每次一分为二)直到分为长度为 1 的小数组为止，长度为 1 时数组已经不用排序了。在这之后再逆序(由于采用递归)依次对这些数组进行归并操作，直到最后一次归并长度为 n / 2 的子数组，归并完成之后数组排序也完成。
归并排序需要的额外空间是所有排序中最多的，每次归并需要与参与归并的两个数组长度之和相同个元素(为了提供辅助数组)。则可以推断归并排序的空间复杂度为 1 + 2 + 4 + … + n = n * ( n + 2) / 4 (忽略了 n 的奇偶性的判断)，时间复杂度比较难估，这里小弟也忘记是多少了(囧)。
实现代码：
1./**
2. * Merge sorting
3. */
4.MERGE(new Sortable() {
5. public
6. this.sort(array, 0, array.length - 1, ascend);
7. }
8.9. private
10. // OPTIMIZE ONE
11. // if the substring's length is less than 20,
12. // use insertion sort to reduce recursive invocation
13. if (hi - lo < 20) {
14. for (int i = lo + 1; i <= hi; i++) {
15. T toInsert = array[i];
16. int j = i;
17. for (; j > lo; j--) {
18. int compare = array[j - 1].compareTo(toInsert);
19. if (compare == 0 || compare < 0 == ascend) {
20. break;
21. }
22. array[j] = array[j - 1];
23. }
24.25. array[j] = toInsert;
26. }
27.28. return;
29. }
30.31. int mid = lo + (hi - lo) / 2;
32. sort(array, lo, mid, ascend);
33. sort(array, mid + 1, hi, ascend);
34. merge(array, lo, mid, hi, ascend);
35. }
36.37. private
38. // OPTIMIZE TWO
39. // if it is already in right order, skip this merge
40. // since there's no need to do so
41. int leftEndCompareToRigthStart = array[mid].compareTo(array[mid + 1]);
42. if (leftEndCompareToRigthStart == 0 || leftEndCompareToRigthStart < 0 == ascend) {
43. return;
44. }
45.46. @SuppressWarnings("unchecked")
47. T[] arrayCopy = (T[]) new Comparable[hi - lo + 1];
48. System.arraycopy(array, lo, arrayCopy, 0, arrayCopy.length);
49.50. int lowIdx = 0;
51. int highIdx = mid - lo + 1;
52.53. for (int i = lo; i <= hi; i++) {
54. if (lowIdx > mid - lo) {
55. // left sub array exhausted
56. array[i] = arrayCopy[highIdx++];
57. } else if (highIdx > hi - lo) {
58. // right sub array exhausted
59. array[i] = arrayCopy[lowIdx++];
60. } else if (arrayCopy[lowIdx].compareTo(arrayCopy[highIdx]) < 0 == ascend) {
61. array[i] = arrayCopy[lowIdx++];
62. } else {
63. array[i] = arrayCopy[highIdx++];
64. }
65. }
66. }
67.})