《尚硅谷数据结构》-排序算法总结与介绍

最新推荐文章于 2022-04-09 22:04:33 发布

瓜波牛排

最新推荐文章于 2022-04-09 22:04:33 发布

阅读量190

点赞数

分类专栏： JAVA学习文章标签：排序算法数据结构

本文链接：https://blog.csdn.net/Amigo_1997/article/details/114786812

版权

61 篇文章 1 订阅

订阅专栏

总结与对比

常见排序算法的实现链接

排序算法是将一组数组，依指定的顺序进行排列的过程。

排序算法分为两类：

（1）内部排序：将需要处理的所有数据都加载到内部存储器（内存）中进行排序。

（2）外部排序：当数据量过大时，无法全部加载到内存中，需要借助外部存储（如文件）进行排序。

常见的排序算法分类：（8种常见-直接插入排序、希尔排序、简单选择排序、堆排序、冒泡排序、快速排序）

事后统计的方法

这种方法可行, 但是有两个问题：一是要想对设计的算法的运行性能进行评测，需要实际运行该程序；二是所得时间的统计量依赖于计算机的硬件、软件等环境因素, 这种方式，要在同一台计算机的相同状态下运行，才能比较那个算法速度更快。
事前估算的方法

通过分析某个算法的时间复杂度来判断哪个算法更优.

时间频度（T(n)）：一个算法中的语句执行次数

例子—T(n) = n+1 （n是规模，等于这里的end）

时间复杂度(O(n): 时间频度忽略常数项、低次项、系数，即算法中的基本操作语句的重复执行次数是问题规模 n 的某个函数。

例如—T(n)=n²+7n+6 与 T(n)=3n²+2n+2 它们的 T(n) 不同，但时间复杂度相同，都为 O(n²)。（T(n）只有常数项的时间复杂度是1）

常见的时间复杂度

如图的时间复杂度是逐渐增加的，我们应该避免时间复杂度为指数阶的算法。

平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下，该算法的运行时间。
最坏情况下的时间复杂度称最坏时间复杂度。 一般讨论的时间复杂度均是最坏情况下的时间复杂度。这样做的原因是：最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限，这就保证了算法的运行时间不会比最坏情况更长。

类似于时间复杂度的讨论，一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间，它也是问题规模 n 的函数。
空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度。有的算法需要占用的临时工作单元数与解决问题的规模 n 有关，它随着 n 的增大而增大，当 n 较大时，将占用较多的存储单元，例如快速排序和归并排序算法, 基数排序就属于这种情况
在做算法分析时， 主要讨论的是时间复杂度。因为从用户使用体验上看，更看重的程序执行的速度。一些缓存产品 (redis, memcache) 和算法(基数排序)本质就是用空间换时间。

关注