常见排序算法的性能以及应用场景

1. 排序算法的性能总结

1.1按平均时间复杂度将排序分为四类：

• 平方阶(O(n2))排序
  包括：直接插入、直接选择和冒泡排序；
• 线性对数阶(O(nlgn))排序
  包括：
  快速快速、堆排序和归并排序；
• O(n1+￡)阶排序
  包括：（￡是介于0和1之间的常数）希尔排序；
• 线性阶(O(n))排序排序
  包括：桶（箱）排序和基数排序。

1.2按稳定性将排序算法分为两类：

• 具有稳定性：如果存在多个具有相同排序码的记录，经过排序后，这些记录的相对次序仍然保持不变，则这种排序算法称为稳定的。
  包括：插入排序、冒泡排序、归并排序、分配排序、桶排序、基数排序都是稳定的排序算法。
• 具有不稳定性：
  包括：选择排序，堆排序，希尔排序，快速排序都是不稳定的排序算法。、

2.排序算法的应用场景

1. 当n比较小时，可采用直接插入排序和直接选择排序。
   (1)当记录规模较小时，考虑直接插入排序较好；否则因为直接选择移动的记录数少于直接插入，应选直接选择排序为宜。
2. 若文件初始状态基本有序(指正序)，则应选用直接插入排序、冒泡排序或随机的快速排序为宜。
3. 若n较大，则应采用时间复杂度为O(nlgn)的排序方法：快速排序、堆排序或归并排序。
   (1)快速排序是目前基于比较的内部排序中被认为是最好的方法，当待排序的关键字是随机分布时，快速排序的平均时间最短；
   (2)堆排序所需的辅助空间少于快速排序，并且不会出现快速排序可能出现的最坏情况。这两种排序都是不稳定的。
   (3)若要求排序稳定，则可选用归并排序。但前面介绍的从单个记录起进行两两归并的排序算法并不值得提倡，通常可以将它和直接插入排序结合在一起使用。先利用直接插入排序求得较长的有序子序列，然后再两两归并之。因为直接插入排序是稳定 的，所以改进后的归并排序仍是稳定的。
4. 希尔排序是对直接插入排序的一种优化，可以用于大型的数组，希尔排序比插入排序和选择排序要快的多，并且数组越大，优势越大。
5. 处理大数据，适合用堆排序，在数据量特别大的时候效果明显。

2.1 桶排序的应用场景

一年的全国高考考生人数为500 万，分数使用标准分，最低100 ，最高900 ，没有小数，你把这500 万元素的数组排个序。
方法：创建801(900-100)个桶。将每个考生的分数丢进f(score)=score-100的桶中。这个过程从头到尾遍历一遍数据只需要500W次。然后根据桶号大小依次将桶中数值输出，即可以得到一个有序的序列。
不足：果上面的分数不是从100-900，而是从0-2亿，那么分配2亿个桶显然是不可能的。所以桶排序有其局限性，适合元素值集合并不大的情况。

2.2 快速排序的应用场景

1. 快速排序是一种在实际应用中经常用到的排序算法，它的应用场景是大规模的数据排序，并且实际性能要好于归并排序。它的基本原理是从数组中选取一个元素，把所有大于这个元素的数都放到它的后面，所有小于这个元素的数都放到它的前面，然后这个元素就把原数组切分成了两个部分，再分别对这个两个部分进行同样的操作，直到数组不能再切分的时候，此时数组为有序。
2. 快速排序适用于数据杂乱无章的场景，而且越乱，快速排序的效率越体现的淋漓尽致。

2.3希尔排序的应用场景

1. 希尔排序是对直接插入排序的一种优化，可以用于大型的数组，希尔排序比插入排序和选择排序要快的多，并且数组越大，优势越大。