排序算法总结

目录

  👉 时间频度

  👉 时间复杂度

  👉马老师的词（炒鸡重要）

---

首先介绍一下时间复杂度，时间频率等概念。

        度量一个程序(算法)执行时间通常有2种方法，一个事后统计，一个事后估算。事后统计，有一定的限制条件，需要实际运行该程序，还有就是所得时间的统计量依赖于计算机的硬件、软件等环境因素，这种方式，要在同一台计算机的相同状态下运行，才能比较哪个算法速度更快。而事前估算的方法，是通过分析某个算法的时间复杂度来判断哪个算法更优秀。

       👉 时间频度

        时间频度：一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间 就多。一个算法中的语句执行次数称为语句频度或时间频度。记为 T(n)。[举例说明]

        比如计算 1-100 所有数字之和, 我们设计两种算法：

int sum = 0;
//方式一：使用for循环计算
for(int i=1; i<=100;i++){
    sum+=i;
}
//方式二：直接计算
sum = (1+100)*100/2;

在方式一中，i<=100共执行了n+1次，所以其时间频度T(n)=n+1;

在方式二种，sum = (1+100)*100/2;共执行了1次，所以其时间频度T(n)=1;

       不过一般在比较一个程序的时间频度时，一般会忽略T(n)表达式的常数项、低次项、系数，因为随着程序规模的增大，这些因素对计算时间复杂度，比较算法的优越没有多大的干扰系数。

   👉 时间复杂度

        （1）一般情况下，算法中的基本操作语句的重复执行次数是问题规模 n 的某个函数，用 T(n)表示，若有某个辅 助函数 f(n)，使得当 n 趋近于无穷大时，T(n) / f(n) 的极限值为不等于零的常数，则称 f(n)是 T(n)的同数量级函数。 记作 T(n)=Ｏ( f(n) )，称Ｏ( f(n) ) 为算法的渐进时间复杂度，简称时间复杂度。

       （2）T(n) 不同，但时间复杂度可能相同。 如：T(n)=n²+7n+6 与 T(n)=3n²+2n+2 它们的 T(n) 不同，但时间复杂度相同，都为 O(n²)。

      （3）计算时间复杂度的方法：

   Ⅰ用常数 1 代替运行时间中的所有加法常数 T(n)=n²+7n+6 => T(n)=n²+7n+1

   Ⅱ修改后的运行次数函数中，只保留最高阶项 T(n)=n²+7n+1 => T(n) = n²

   Ⅲ去除最高阶项的系数 T(n) = n² => T(n) = n² => O(n²

     常见的时间复杂度

常见的时间复杂度

      说明：

1) 常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜ Ο(nk) ＜ Ο(2n) ，随着问题规模 n 的不断增大，上述时间复杂度不断增大，算法的执行效率越低

2) 从图中可见，我们应该尽可能避免使用指数阶的算法  

 

  👉马老师的词（炒鸡重要）

• 

 插排、堆排、归并和快排这四个相对来说比较重要，一般最坏和最好时间复杂度不用记。

《忆排序 面试我最强》
选泡插，
快归堆希统计基，
恩方恩老恩一三，
对恩加K恩乘K，
不稳稳稳不稳稳，
不稳不稳稳稳稳！

解析这首词：

选泡插，快归堆希桶计基;

恩方恩老恩一三，对恩加K恩乘K。

选快堆希都不稳