数据结构与算法之美 | 学习笔记11 —— 排序优化：探究排序函数的底层算法

一、选择合适的排序算法

对于小规模数据可以选择时间复杂度为$O(n^2)$的算法，大规模的数据一般选择$O(nlogn)$的算法。其中归并排序不是原地排序，空间复杂度为$O(n)$，数据规模大时占用内存空间大。C语言使用快速排序来实现排序函数。
应对堆栈溢出的方法，一个是设置最深的层数，超过即报错；另一个是通过在堆上模拟实现一个函数调用栈，手动模拟递归压栈、出栈的过程。

二、优化快速排序

如果数据本来是接近有序的，每次分区点pivot都是最后一个数据，导致时间复杂度退化为$O(n^2)$，这个原因是我们的分区点选择不够合理。

1. 三数取中法

每隔一个固定的长度取数据，比较后将中间值作为分区点pivot。当数组较大时，可能是“五数取中”等等。

2. 随机法

每次随机取一个元素作为分区点。

三、qsort()排序函数举例分析

对于小数据量的排序，使用归并排序，数据量大时改为快速排序。快速排序时选择分区点pivot的用的是“三数取中法”。
在快速排序的递归过程中，当区间内元素的个数小于等于4时，采用插入排序。因为在数据个数小时，无法避免时间复杂度中的低阶、系数和常数，例如快速排序的$O(knlogn+c)$。

knlogn+c = 1000 * 100 * log100 + 200 //远大于10000

n^2 = 100*100 = 10000

当k和c比较大时，$O(n^2)$的算法用时更短。