七大排序算法性能的分析

版权声明:本文为博主原创文章,转载请注明出处。 https://blog.csdn.net/qq_16811963/article/details/51694530

这里我来集中分析一下七大排序算法的性能问题。如果不当之处,敬请指正。

冒泡排序(Bubble)

排序算法 平均情况下 最好情况 最坏情况 稳定性 空间复杂度
冒泡 O(n2 O(n) O(n2 稳定 1

冒泡排序算法里面含有2层循环,显然最坏时间复杂度为O(n2),这里可能很多人不懂平均情况下的复杂度是什么意思,下面引用一段话:

  • 而平均运行时间也就是从概率的角度看,这个数字在每一个位置的可能性是相同的,所以平均的查找时间为n/2次后发现这个目标元素。平均情况更能反映大多数情况下算法的表现。平均情况分析就是对所有输入尺寸为n的输入,让算法运转一遍,然后取它们的平均值。当然,实际中不可能将所有可能的输入都运行一遍,因此平均情况通常指的是一种数学期望值,而计算数学期望值则需要对输入的分布情况进行假设。
  • 平均运行时间是所有情况中最有意义的,因为它是期望的运行时间。也就是说,我们运行一段程序代码时,是希望看到平均运行时间的。可现实中,平均运行时间很难通过分析得到,一般都是通过运行一定数量的实验数据后估算出来的。

那么为什么冒泡排序最好情况下的复杂度为O(n)呢?其实用我们最初的冒泡排序代码,其最好情况下复杂度依然为O(n2)。如果冒泡排序算法在原来的基础上改进如下:

    public static void b_getsort(int[] a)
    {
        int len = a.length;
        int i,j;
        boolean flag = true;
        for(i=0;i<len-1&&flag;i++)
        {
            flag = false;
            for(j = 0;j<len-1-i;j++)
            {
                if (a[j]>a[j+1])
                {
                    int temp = a[j];
                    a[j] = a[j+1];
                    a[j+1] = a[j];
                    flag = true;
                }
            }
        }
    }

设置了一个flag变量用来标示我们操作的那部分数据是否发生了数据交换。
比如说,在我们第一次‘冒’的时候,均未发生过交换(即原数组本身是有序的),那么flag就是为false,这也就意味着我们根本不必再进行第二次、第三次的‘冒泡’。其实这也就是最好的情况,即只进行了一次对数组所有元素的访问。

简单选择排序(Select Sort)

排序算法 平均情况下 最好情况 最坏情况 稳定性 空间复杂度
简单选择 O(n2 O(n2 O(n2 不稳定 1

简单选择排序也是2层循环,因而也是O(n2)。

插入排序(Insert Sort)

排序算法 平均情况下 最好情况 最坏情况 稳定性 空间复杂度
插入排序 O(n2 O(n) O(n2 稳定 1

插入排序跟冒泡排序的性能是一样的。

希尔排序(Shell Sort)

排序算法 平均情况下 最好情况 最坏情况 稳定性 空间复杂度
希尔排序 O(nlogn 依赖步长 依赖步长 稳定 1

写到这儿,我感觉有必要普及一下几种常用的算法复杂度。
常见的算法时间复杂度由小到大依次为:Ο(1)<Ο(logn)<Ο(n)<Ο(nlogn)<Ο(n2)<Ο(n3)<…<Ο(2n)<Ο(n!)

在希尔排序中,增量的选取十分关键。“可究竟选取什么样的增量才是最好,目前还是一个数学难题,迄
今为止还没有人找到一种最好的增量序列。不过大量的研究表明,当增量序列为
dlta[k]=2tk+110ktlog2(n+1)”时,可以获得不错的效率,其时间复杂度为O(n3/2),要好于直接排序的O(n2)。需要注意的是,增量序列的最后的一个增量值必须等于1才行。另外由于记录是跳跃式的移动,希尔排序并不是一种稳定的排序算法。不管怎么说,希尔排序算法的发明,使得我们终于突破了慢速排序的时代(超越了时间复杂度为O(n2))”———>引自《大话数据结构》。

不过至于平均情况复杂度为什么会为O(nlogn),我也没搞清楚。反正它的复杂度位于Ο(n)和Ο(n2)之间。

快速排序

排序算法 平均情况下 最好情况 最坏情况 稳定性 空间复杂度
快速排序 O(nlogn O(nlogn O(n2 不稳定 O(logn

快速排序的平均时间为Tavgn=knln(n),其中n为待排序记录中记录的个数,k为某个常数,经验证明,在所有同数量级的此类(先进的)排序方法中,快速排序的常数因子k最小。因此,就平均时间而言,快速排序是目前被认为是最好的一种内部排序方法。——>《数据结构(C语言版)》,严蔚敏 吴伟民著

由于快速排序的算法复杂度分析涉及太多数学知识,这里不做过多分析。不过我们应该注意快排的空间复杂度以及稳定性。

归并排序

排序算法 平均情况下 最好情况 最坏情况 稳定性 空间复杂度
归并排序 O(nlogn O(nlogn O(nlogn 稳定 O(n

从上表可以看出,三种情况下归并排序的复杂度都为O(nlogn),空间复杂度为O(n)。

堆排序

排序算法 平均情况下 最好情况 最坏情况 稳定性 空间复杂度
堆排序 O(nlogn O(nlogn O(nlogn 稳定 1

这里我们可以拿堆排序和归并排序比较一下,二者时间复杂度相同,但是稳定性和空间复杂度方面有差别。

最后,我来综合说一下几个面试问的比较多的问题。

  • 算法的稳定性?

算法的稳定性是指在序列中关键字相同的元素,经过某种排序算法之后,这些元素之间的顺序保持不变。如果发生改变,那么就称该算法是不稳定的。

  • 算法的不稳定和稳定会分别导致什么?

①实际排序中,我们操作的可能不是整数,可能是一些很大的对象,而交换元素 产生的开销对程序性能的影响便会很大
②基数排序(将操作元素划分为多个关键字进行排序,比如很多学生的数据,首先按照班级排序,然后班级相同的再按照年龄排序,如此等等)在不稳定排序算法中无法完成。

最后来个总结图(来自倪升武的博客

排序算法性能表

阅读更多

没有更多推荐了,返回首页