3 搜索|排序&复杂度分析（2）

基本排序算法

每个Python排序函数都是在整数的一个列表上进行操作的，并且都会使用一个swap函数交换列表中的两项的位置

 选择排序O(n^2)

找到最小的项和第一位交换，以此类推

 包含了一个嵌套的循环：外围循环共n-1次，每一次内部分别进行了n-1, n-2…1次循环，共n(n-1)/2次，即O(n^2)

对于较大的数据集合，交换各项的开销可能也很显著，但是数据交换只在外部循环中进行，所以可以看做线性的

冒泡排序O(n^2)

比较成对数据，直至末尾，将最大的项移至末尾

进行调整以令其最好情况提升到线性阶

 

如已排序，第一轮退出，则线性

插入排序O(n^2)

排列扑克牌顺序，在第i轮之后，前i个项是排好序的

 

审视前两位顺序，若不符则swap，至符合顺序规则，然后审视前三项大小，决定第三项位置，以此类推

外围循环n-1次，最坏情况，第一轮次迭代一次，第二轮次迭代两次。。。。依旧是O(n^2)

 更快的排序O(nlogn)

“分而治之”：将列表分解为更小的列表（logn），随后这些子列表再递归地排序(n)

快速排序：

1 从列表中点位置选取一项（基准点）

2 列表中的项分区(不论基准点在哪里，这个位置都是完全排序列表中的最终位置)

3 分而治之。对于在基准点分割而形成的子列表，递归地重复应用该过程

4 每次遇到少于2个项的一个子列表，就结束这个过程

分割：

1 基准点和子列表最后一项交换

2 已知小于基准点的项和剩余的项之间建立一个边界

3 从子列表第一项开始扫描整个子列表。每遇到小于基准点的项就将其与边界后第一项交换，且边界向后移动

4 基准点和边界后第一项交换

 最坏的情况：已经排好序了O(n^2)

快速排序使用递归算法更容易编码

合并排序(nlogn)

1 中间位置，左右子列表递归排序

2 将两个排好序的重新合并

3 当子列表不能划分时停止

指数算法（递归式的Finonacci）

使用相同参数重复调用的递归函数，可以通过记忆来使其更有效率                                                                                                                                                       将其转化为一个线性算法