算法导论 第二部分

排序与顺序统计量   排序，就是把无序的对象，按照某些关键字，排列，使存储的顺序和关键字的大小之间存在一定关系。第i个顺序统计量就是，存储顺序中的第i个。

排序 (具体算法网站，http://www.cs.usfca.edu/~galles/visualization/Algorithms.html  我也是在网上看到的哦，不记得是谁发的了，如果作者看到，可以联系我)

第六章，堆排序，原址排序

• 堆，一棵完全二叉树(满二叉树的右下角的最后一行缺了一些)。与二叉树的生成不同，堆从下往上生成，容易保证它是完全二叉树的性质。插入结点也是从下往上调整。
• 但是，堆排序的时候，是总是把根结点和最后一个叶子结点对换，再从上往下调整的。

第七章，快速排序(不稳定)

• 最常用的算法，原址排序，与其他O(nlogn)算法比有最小的常数因子。依赖于主元的选择，可以用随机化减少最坏情况发生的概率。

第八章，线性时间排序。 时间减少的原因 1. 对处理的对象有限定 2. 空间换时间

• 由决策树推出，比较算法的下界 nlogn，也就是说，如果一个排序算法是基于比较的，那么，不可能比nlogn更少的时间了，最多就在常数因子上有进步
• 计数排序   排序对象限定：某一个范围内的可数个对象，比如，整数[1~k]。 空间消耗：非原址排序，以整数[1~k]为例，空间为 k+n。 算法时间中的k就是范围，n是需要排序的数的个数
• 基数排序  排序对象限定：1. 可以一位一位的排 2.一般基数排序是用计数排序作为基础排序的，所以，某一范围内的可数个对象。以多位数的整数为例，基数排序的思想就是，个位十位...这样的排。因此，它所用的基础排序直接影响到了它的性能。 算法时间中的d是位数。
• 桶排序     排序对象限定：均匀分布  空间消耗:非原址排序。 将数据映射到n个桶中，如果服从均匀分布的条件，桶的大小会趋于1。因此平均情况时间复杂度是O(n)

第九章，中位数和顺序统计量

• 特殊的顺序统计量，最大值和最小值。 单个确定，必须有n-1次比较才能确定。
• 基于快速排序的顺序统计量确定。期望时间O(n)。快速排序之所以适合做这件事，1. 每次都能确定一个顺序统计量 2.方便剪枝。 个人觉得归并排序应该是干不了这活的
• 分治算法，将数据5个5个分组，找中位数，找中位数，剪枝，递归。最坏时间复杂度O(n)。虽然没有验证过，但这个5，应该是有点讲究的。这是比快速排序剪枝策略更好的算法