排序算法时间复杂度
当您听到“排序算法”时。 想到什么？ 快速排序？ 合并排序？ 计数排序？ 气泡排序？ 哈利·波特（Harry Potter）的分拣帽及其将学生放在房子里的算法？
撇开所有笑话，我认为识别这些算法很重要，因为好吧，如果不进行排序，我们会在哪里？ 毕竟，为了使用二进制搜索，我们必须对元素进行排序。 我们将如何查找字典中的单词或电话簿中的名称？ 由于排序，我们日常的许多日常工作要简单得多。
通过排序，我们的意思是将元素按特定顺序放入列表中。 可以是数字顺序或字典顺序 （字母顺序）。
即使大多数编程语言都提供了一些开箱即用的排序功能，也最好退后一步，将它们分开，这样我们才能真正了解幕后情况。 在本周的博客中，我们将使用JavaScript中的各种排序算法探索幕后情况。 我们将从性能较低的算法开始，然后逐步发展为性能较高的算法。
气泡排序
时间复杂度-
最佳情况： Ω （n）
平均情况： Θ （n²）
最坏的情况：O（n²）
空间复杂度-
最坏的情况：O（1）
早在2007年竞选期间，奥巴马曾访问Google，并在一次问答环节中与当时的首席执行官埃里克·施密特（Eric Schmidt）进行了很少的交流。
Eric Schmidt ：对一百万个32位整数进行排序的最有效方法是什么？
奥巴马总统 ：嗯...
埃里克·施密特（Eric Schmidt） ：也许-对不起...
奥巴马总统 ：不，不，不，不。 我认为-我认为泡沫排序将是错误的方法。
埃里克·施密特 （ Eric Schmidt） ：[facepalm]加油。 谁告诉他的？ 好的。 在您的背景中我看不到计算机科学。
奥巴马总统 ：我们那里有间谍。
冒泡排序并不是最大的选择，显然甚至在采访前奥巴马也对此进行了介绍。 之所以不是这样，是因为我们现在有许多更有效的替代解决方案来处理排序。
让我们看一下代码！
如果您根本不熟悉气泡排序或忘记了它的工作方式，建议您在线搜索它的可视化图像。 当我了解排序时，可视化步骤有助于我理解它们。
冒泡排序的工作方式是，对于要迭代的每个元素，我们要检查索引中的下一个元素是否小于它。 如果是这样，我们将实质上交换元素。 在这两种实现中，您都可以看到我正在使用temp变量作为占位符，以便可以正确切换数组中的元素。
在第二个实现中，我使用的是while循环，当交换为true时运行。 在迭代开始时，我们立即将swapd设置为false。 如果我们检测到需要交换的元素，则将swapd设置为true并继续交换元素。
选择排序
时间复杂度-
最佳情况： Ω （n²）
平均情况： Θ （n²）
最坏的情况：O（n²）
空间复杂度-
最坏的情况：O（1）
选择排序以其简单性而闻名。 像冒泡排序一样，对于大型列表或数组，选择排序效率很低。 但是，由于空间复杂度是恒定的，因此它仍然有一些应用程序，并且还没有完全陷入模糊。
在选择排序的实现中，您可以看到我们有一个辅助函数minAndRemove负责从数组中查找最小元素，然后从数组中删除该元素，然后将其返回。
我们正在慢慢削减给定的数组。 每次找到最小元素时，我们都会注意到该元素，使用拼接缩短数组，然后将标注的元素推入新数组。 我们将继续执行此操作，直到不再有其他元素为止。 我们的新数组保证可以排序。
合并排序
时间复杂度-
最佳情况： Ω （n log（n））
平均情况： Θ （n log（n））
最坏的情况：O（n log（n））
空间复杂度-
最坏的情况：O（n）
合并排序时速度相当稳定。 但是，本伯叔叔（Spiderman参考资料）曾经说过“……时间复杂度很高，而空间复杂度却不那么高”。 我只是在开玩笑，本叔叔从没这么说过。
合并排序背后的想法很有趣。 我们实质上是将这种分类工作分为较小的子问题。 每当我听到“子问题”一词时，我都会立即考虑使用递归。 我们将采用“分而治之”风格的算法。 这是使用递归的好地方。
在实现合并排序时，我们要做的第一件事是将数组分成两半。 然后，我们希望对这两半进行排序。 然后将这两个半部分再分成两个半部分。 我们的main函数会将数组拆分成两半，然后将两个半部分作为参数发送给我们的helper函数，然后helper函数将每个元素与每个元素进行一个比较，并返回一个新的排序数组。 主合并功能将使用递归将数组切成两半，直到遇到基本情况为止。 然后，我们将两个半部分各具有一个元素，然后开始建立排序数组。 随着递归调用栈的逐步展开，我们开始向新数组中添加越来越多的元素，直到…瞧！ 排序！
快速排序
时间复杂度-
最佳情况： Ω （n log（n））
平均情况： Θ （n log（n））
最坏的情况：O（n²）
空间复杂度-
最坏的情况：O（n log（n））
许多标准库都内置有排序功能。Ruby和JavaScript都开箱即用。 在后台，这些功能正在使用快速排序算法。
快速排序的很棒之处在于它只占用很少的空间，而且速度非常快。 当然，最坏的情况可能会花费二次时间，但是在大多数情况下，这是一种高效的算法。
让我们看一下一个实现。
与合并排序的实现类似，我们的快速排序的实现将采用“分而治之”。 除此之外，我们将利用“枢轴”。 枢轴是确定将数字放置在较小数组还是较大数组中的决定因素。 拆分数组后，我们将在较大的数组上递归调用quickSort。 由于我们将这个问题分为子问题，因此我们可以使用递归来帮助我们。
计数排序
时间复杂度-
最佳情况： Ω （n + k）
平均情况： Θ （n + k）
最坏的情况：O（n + k）
空间复杂度-
最坏的情况：O（k）
计数排序是一种非常快速且节省空间的算法。 但实际上仅适用于对数字进行排序。 完全避免像我们讨论的所有算法那样进行任何类型的比较。
使用的技术基于特定范围之间的键。 它通过计算具有不同键值（类似于散列）的对象的数量来工作。 然后做一些算术计算每个对象在输出序列中的位置。
让我们逐步执行此实现的步骤。 我们需要在进入之前知道最大数量。
第1步-分配一个数组numCounts，其中的索引表示我们数组中的数字，而值表示该数字出现的次数。 每个值都从零开始。
步骤2 –在输入数组的一遍中，随着我们的更新numCount。
步骤3 —分配另一个名为sortedArray的数组，一旦元素排序，我们将在其中存储元素
第4步—在numCounts的一次传递中，将每个数字正确的次数放入sortedArray
我们这里没有讨论很多其他有趣的排序算法，例如Radix排序，Heap排序，Cube排序等。
我的信念是，我们对基础知识，数据结构或排序算法了解得越多，我们越能更好地理解各种问题并找到解决方案。
破解！
结束。
排序算法时间复杂度
1192
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
