算法学习（13）四种常用排序算法比较和选择 （内含运行时间比较）

前言

这部分内容理论部分来自于教材。出乎我意料的是，排序算法，再怎么变，基本都是$O(n^2)$ 的复杂度，只有快排和推排序法，因为一些巧妙的设计，稍微有了提升。这篇博客会增加各种排序法对同一组数据排序的比较。使用运行时间来比较，应该是最直观的方式。

理论分析

准备知识

衡量一个算法的优劣，一般是从时间和空间两个维度（这正是程序优化要协调的两个维度。

时间维度，一般考虑计算复杂度，用$O(n)$， $O(n^2)$等来衡量
空间维度，一般考虑对计算机内存及其他资源的使用。不过对于现代计算机来说，内存什么的，都认为是够用的。所以，这里着重考虑时间维度的优化。

各算法的时间复杂度

算法回顾：

1. 快排，冒泡法 （传送门）
2. 简单选择排序，堆排序法（传送门）

结论

1. 冒泡排序法：平均速度和最坏情况的速度都是 $O(n^2)$
2. 快速排序法：平均速度为 $O(n\log n)$，最坏情况(数组一开始是有序，不过是从大到小)， $O(n^2)$ （$\log$的底数为2）
3. 简单选择排序法：平均速度和最坏情况的速度都是 $O(n^2)$
4. 堆排序法：平均速度和最坏情况的速度都是 $O(n\log n)$

书中说，没有一种是最优的，得根据实际应用场景，这很有道理。因为具体使用的时候，我们得考虑数据是否基本有序，或是程序可用的存储空间，或是是否限制数据移动次数。不过，理论总是抽象的，还是直接上代码看效果吧！

前期准备：数组复制

为了客观评价各个算法的运行速度，需要对同一个数组进行排序，所以，对于原始的数组，我们要产生多份，用于各种不同的排序。不过，这里有个误区。

a = [1,4,5]
b = a

上面只是把 $a$ 存储的指向数组的地址给了 $b$, 此时 $a,b$指向是同一个数组，修改其中一个，另一个也会受影响，如果 $a$ 被排序好了，$b$ 也会是有序的。这时候，要使用 list() 函数。效果见下图

更多关于数组复制，请参考这里。

程序运行分析

1. 长度为500的数组，数字范围$[1,100000]$

分析

对于快排和堆排序，这两种非$O(n^2)$复杂度的，排数字小的，测不出时间。
选择排序，看起来比冒泡快。

2.长度为5000的数组，数字范围$[1,100000]$

分析

**开始有趣了！**目前快排和堆排依然不相上下，但是冒泡法已经掉队，而选择排序还在苦苦支撑。

3. 长度为50000的数组，数字范围$[1,100000]$

分析

终于分出胜负了！

因为我们实验的数据，是完全随机的，所以，快排真的超级有优势的。我以前其他地方也试过快排，但因为数据基本有序，快排体现不出它的优势。

堆排落后了点，但依然还是表现优秀。

冒泡法，完全掉队了，4分多钟……

而选择排序，看起来还Ok，但已经很差了……

其实不用感到惊讶，这从复杂度分析就可以感觉出来了。

数字展示

对于 10000 个数的排序，复杂度为 $O(n^2)$的，就是 $10000^2=10^4$ (1亿, 可以理解为1亿个操作步骤)， 而对于 $O(n\log n)$， 是 $10000\times {\log }_{2}10000=1.3\times 10^5$ (13万，同样的数组，只需要13万个操作即可，当然快了！)

总结

第一次把4个排序算法摆一起比较，超级好玩！也感受到了算法分析的魅力，上面的复杂度，是完全数学分析出来的！

使用中，优先推荐大家使用 快排 和 堆排（当然，前提是数据是足够乱，越乱越体现优势~）