排序算法~八大排序算法

一、排序的分类

1）内部排序

指将需要处理的所有数据都加载到内部存储器中进行排序

2）外部排序

数据量过大，无法全部加载到内部中，需要借助外部存储进行排序

常见的排序：

二、算法的时间复杂度

1.度量一个程序（算法）的执行时间有两种方法

1）事后统计的方法，

这种方法可行，但是有两个问题，一是要想对设计的算法的运行性能进行评测，需要实际运行该程序，；二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，要在同一台计算机相同状态下运行，才能比较哪个算法速度更快；

2）事前统计的方法

通过分析某个算法的时间复杂度来判断某个算法更优

2.时间频度：一个算法花费的时间与算法中语句执行的次数成正比例，哪个算法中语句执行次数多，他花费的时间就多，一个算法中语句执行的次数称为语句频度或者时间频度。记为T(n)

3.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0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))是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)=n^2+5n+6与 T(n)=5n^2+3n+2，他们的T(n)不同，但时间复杂度相同，都为O(n^2).

3）计算时间复杂度的方法

• 用常数1代替运行时间中的所有加法常数
• 修改后的运行次数函数中，只保留最高阶项
• 去除最高阶项的系数

 举例说明：

1）常数阶O(1)

无论代码执行了多少行，只要没有循环等复杂结构，那么这个代码的时间复杂度就是O(1)

int i = 0;
int j = 0;
++i;
j++;
int m = i+j;

2）对数阶O( log2 N)

int i = 1;
while(i<n){
  i = i * 2;
}

说明:在while循环里面， 每次都将i乘以2，乘完之后，i距离n就越来越近了。假设循环x次之后，i就大于2了，此时这个循环就退出了，也就是说2的x次方等于n，那么x=log2 n也就是说当循环log2 n次以后，这个代码就结束了。因此这个代码的时间复杂度为: O(log2n)。O(log2 n) 的这个2时间上是根据代码变化的，i=i*3，则是O(log3n)。

3）线性阶O(n)

for(int i = 1;i < n;++i){
            j=i;
            j++;
        }

说明:这段代码，for循环里面的代码会执行n遍，因此它消耗的时间是随着n的变化而变化的，因此这类代码都可以用0(n)来表示它的时间复杂度

4）线性对数阶O(n log n)

for(int m = 1;m < n;m++){
            i = 1;
            while(i<n){
                i = i * 2;
            }
        }

说明：将时间复杂度为O(log n)的代码循环n遍的话，那么它的时间复杂度就是n*O(log n)，也就是O(n log n)。

5）平方阶O(n^2)

for(int m = 1;m < n;m++){
            for(int x = 1;x < n; x++){
                j = i;
                j++;
            }
        }

说明：平方阶0(n^2)就更容易理解了，如果把O(n)的代码再嵌套循环一遍，它的时间复杂度就是O(n^2),这段代码其实就是嵌套了2层n循环，它的时间复杂度就是O(n*n),即O(n^2) 如果将其中一层循环的n改成m;那它的时间复杂度就变成了O(m*n)
6）立方阶O(n^3)，K次方阶O(n^k)

说明：跟前面类似

4.平均时间复杂度和最坏时间复杂度

• 平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下，该算法的运行时间。
• 最坏情况下的时间复杂度称最坏时间复杂度。一般讨论的时间复杂度均是最坏情况下的时间复杂度。这样做的原因是:最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限，这就保证了算法的运行时间不会比最坏情况更长。
• 平均时间复杂度和最坏时间复杂度是否一致，和算法有关(如图:)。
   

5.算法的空间复杂度简介

• 类似于时间复杂度的讨论，一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间，它也是问题规模n的函数；
• 空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度。有的算法需要占用的临时工作单元数与解决问题的规模n有关，它随着n的增大而增大，当n较大时，将占用较多的存储单元，例如快速排序和归并排序算法就属于这种情况；
• 在做算法分析时，主要讨论的是时间复杂度。从用户使用体验上看，更看重的程序执行的速度。一些缓存产品(redis, memcache)和算法(基数排序)本质就是用空间换时间。