算法图解之选择排序

选择排序

在进行排序之前我们有必要知道两种基本的存储多项数据的方式—数组和链表。以下是二者的优缺点：

数 组

优 点：

可以知道每个元素的地址，方便对元素进行修改，随机存取元素的效率高。总而言之，它擅长随机访问。

缺 点：

• 额外请求的内存可能用不上，别人也用不了，这将大大浪费内存。
• 如果需要的内存超过申请的内存，在这里可以理解成数组的长度，需要进行数据的转移。显然，这是很麻烦的。

链 表

优 点：
主要优点在于插入，删除元素方面，不需要移动元素，只需要将其放入内存，并将其地址存储到前一个元素中。
缺 点：
读取数据的时候需要从第一个元素开始，根据里面存储的地址，顺式找下一个元素在内存中的位置

下面列出了常见数组和链表操作的运行时间：

选择排序

假设你的计算机存储了很多乐曲。对于每个乐队，你都记录了其作品被播放的次数。

你要将这个列表按播放次数从多到少的顺序排列，从而将你喜欢的乐队排序。该如何做呢？

• 一种办法是遍历这个列表，找出作品播放次数最多的乐队，并将该乐队添加到一个新列表中。

依次找出第二大，直到重新从大到小排好。如下图所示：
要找出播放次数最多的乐队，必须检查列表中的每个元素。正如你刚才看到的，这需要的时间为O(n)。因此对于这种时间为O(n)的操作，你需要执行n次。
需要的总时间为 O(n × n)，即O(n2)。

**随着排序的进行，每次需要检查的元素数在逐渐减少，最后一次需要检查的元素都只有一个。既然如此，运行时间怎么还是O(n2)呢？**这个问题问得好，这与大O表示法中的常数相关。

你说得没错，并非每次都需要检查n个元素。第一次需要检查n个元素，但随后检查的元素数依次为n-1, n-2, …, 2和1。平均每次检查的元素数为1/2 × n，因此运行时间为O(n × 1/2 × n)。

但大O表示法省略诸如1/2这样的常数（有关这方面的完整讨论，请参阅第4章），因此简单地写作O(n × n)或O(n2)

选择排序是一种灵巧的算法，但其速度不是很快。

示例如下：

结果如下：、

大家可以参考此链接：https://blog.csdn.net/ysjian_pingcx/article/details/8656048