排序算法总结分析（一）——开篇

目录

排序算法总结分析（一）——开篇

排序算法总结分析（二）——常见八大排序算法

排序算法总结分析（三）——吃货排序之烙饼排序

呃，一般开篇都是绪论啥的。说说为啥我也要来总结整理这个排序算法。一是同学找工作的时候总是被问到这些问题，二是研究生复试的时候也会问道。。。。。三是写程序的时候确实也应该考虑效率的问题。还有就是也算是突发的兴趣想研究一下，以前学数据结构的时候，知道了点皮毛，查了下还有好多种，想系统的学习总结一下。废话又说了一坨了~~~~~~~

开篇

在计算机科学中排序算法通常有下列几个属性：

1、计算的复杂度（最差、平均、和最好性能），依据列表的大小(n)。一般而言，好的性能是O(nlogn)，而坏的性能是O(n²)。对于一个排序理想的性能是O(n)。仅使用一个抽象值比较运算的排序算法总平均上总是至少需要O(nlogn)。

2、存储器使用量（以及其他计算机资源的使用）

3、稳定度：稳定排序算法是指依照相等的值维持记录的相对次序。意思就是R和S的值相等，且在原本的列表中R出现在S之前，在排序过的列表中R也将会是在S之前。

稳定的

l  冒泡排序（bubble sort）— O(n²)

l  鸡尾酒排序（Cocktail sort,双向的冒泡排序）—O(n²)

l  插入排序（insertion sort）—O(n²)

l  桶排序（bucket sort）—O(n)；需要O(k)额外空间

l  计数排序（counting sort）—O(n+k)；需要O(n+k)额外空间

l  归并排序（merge sort）—O(n log n)；需要O(n)额外空间

l  原地归并排序 —O(n²)

l  二叉排序树排序（Binary tree sort）— O(n log n)期望时间； O(n²)最坏时间；需要O(n)额外空间

l  鸽巢排序（Pigeonhole sort）—O(n+k)；需要O(k)额外空间

l  基数排序（radix sort）—O(n·k)；需要O(n)额外空间

l  Gnome排序— O(n²)

l  图书馆排序— O(n log n) with highprobability，需要(1+ε)n额外空间

不稳定

l  选择排序（selection sort）—O(n²)

l  希尔排序（shell sort）—O(n log n)如果使用最佳的现在版本

l  组合排序— O(n log n)

l  堆排序（heapsort）—O(n log n)

l  平滑排序— O(n log n)

l  快速排序（quicksort）—O(n log n)期望时间，O(n²)最坏情况；对于大的、乱数列表一般相信是最快的已知排序

l  Introsort—O(n log n)

l  Patience sorting—O(n log n + k)最坏情况时间，需要额外的O(n + k)空间，也需要找到最长的递增子串行（longest increasingsubsequence）

不实用的排序算法

l  Bogo排序— O(n × n!)，最坏的情况下期望时间为无穷。

l  Stupid sort—O(n³)；递归版本需要O(n²)额外存储器

l  珠排序（Bead sort）— O(n) or O(√n),但需要特别的硬件

l  Pancake sorting—O(n)，但需要特别的硬件

l  Stooge排序算法简单，但需要约n^2.7的时间

平均时间复杂度由高到低为：

l  冒泡排序O(n2)

l  插入排序O(n2)

l  选择排序O(n2)

l  归并排序O(n log n)

l  堆排序O(n log n)

l  快速排序O(n log n)

l  希尔排序O(n1.25)

l  基数排序O(n)

说明：虽然完全逆序的情况下，快速排序会降到选择排序的速度，不过从概率角度来说（参考信息学理论，和概率学），不对算法做编程上优化时，快速排序的平均速度比堆排序要快一些。

 PS：基本是从WIKI上抄下来的，下次总结下常用的八大排序，然后再研究下其他稀奇有趣的排序算法吧~~~~~~