排序算法都有哪些？-CSDN博客

本文链接：https://blog.csdn.net/cgfhjhg/article/details/142220336

排序算法是计算机科学中用于将一组数据按照特定顺序（如升序或降序）排列的算法。这些算法在数据处理、信息检索、计算机科学的多个领域中都扮演着重要角色。以下是一些常见的排序算法，每种算法都有其独特的特点和适用场景。

插入排序（Insertion Sort）
- 基本思想：将待排序的元素逐个插入到已经排好序的序列中，从而得到一个新的、元素个数加一的有序序列。书在python33点（0M
- 时间复杂度：平均和最坏情况为O(n^2)，最好情况为O(n)（当输入数组已经是排序好的）。
- 空间复杂度：O(1)，是原地排序。
- 稳定性：稳定排序。
选择排序（Selection Sort）
- 基本思想：从未排序的序列中找到最小（或最大）的元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（或最大）元素，然后放到已排序序列的末尾。
- 时间复杂度：无论最好、平均还是最坏情况，均为O(n^2)。
- 空间复杂度：O(1)，是原地排序。
- 稳定性：非稳定排序。
冒泡排序（Bubble Sort）
- 基本思想：通过重复遍历要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。遍历数列的工作是重复进行的，直到没有再需要交换的元素为止。
- 时间复杂度：平均和最坏情况为O(n^2)，最好情况为O(n)（当输入数组已经是排序好的）。
- 空间复杂度：O(1)，是原地排序。
- 稳定性：稳定排序。

快速排序（Quick Sort）
- 基本思想：通过一趟排序将待排序的数据分割成独立的两部分，其中一部分的所有数据都比另一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。
- 时间复杂度：平均情况为O(n log n)，最坏情况为O(n^2)（但可以通过优化避免）。
- 空间复杂度：O(log n)（递归栈空间），非原地排序（但可以通过尾递归优化实现原地排序）。
- 稳定性：非稳定排序。
归并排序（Merge Sort）
- 基本思想：将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。
- 时间复杂度：无论最好、平均还是最坏情况，均为O(n log n)。
- 空间复杂度：O(n)，需要额外的存储空间来合并子序列。
- 稳定性：稳定排序。

计数排序（Counting Sort）
- 基本思想：使用一个额外的数组C，其中第i个元素是待排序数组A中值等于i的元素的个数，然后根据数组C来将A中的元素排到正确的位置。
- 时间复杂度：O(n+k)，其中k是输入的最大值。
- 空间复杂度：O(k)。
- 稳定性：稳定排序。
桶排序（Bucket Sort）
- 基本思想：将数组分到有限数量的桶里。每个桶再个别排序（有可能再使用别的排序算法或是以递归方式继续使用桶排序进行排序）。
- 时间复杂度：平均情况为O(n+k)，最坏情况为O(n^2)。
- 空间复杂度：O(n*k)。
- 稳定性：稳定排序（取决于桶内排序算法）。
基数排序（Radix Sort）
- 基本思想：将整数按位数切割成不同的数字，然后按每个位数分别比较。
- 时间复杂度：O(d(n+k))，其中d是位数，k是基数。
- 空间复杂度：O(n+k)。
- 稳定性：稳定排序。

堆排序（Heap Sort）
- 基本思想：将待排序序列构造成一个大顶堆，此时，整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换，此时末尾就为最大值。然后将剩余n-1个序列重新构造成一个堆，这样会得到n个元素的次小值。如此反复执行，便能得到一个有序序列了。
- 时间复杂度：O(n log n)。
- 空间复杂度：O(1)，是原地排序。
- 稳定性：非稳定排序。
希尔排序（Shell Sort）
- 基本思想：是插入排序的一种更高效的改进版本。希尔排序通过将原来要排序的数组元素按下标的一定增量分组，对每组使用直接插入排序算法排序；随着增量逐渐减少，每组包含的元素越来越多，当增量减至1时，整个文件恰被分成一组，算法终止。
- 时间复杂度：取决于增量序列的选择，最好情况为O(n log2 n)，最坏情况为O(n2)。
- 空间复杂度：O(1)，是原地排序。
- 稳定性：非稳定排序。