排序算法--排序算法综述

一、算法复杂度以及稳定性分析

算法名称	平均时间	辅助时间	稳定性
冒泡排序	O(n2)	O(1)	是
选择排序	O(n2)	O(1)	否
插入排序	O(n2)	O(1)	是
自底向上归并排序	O(nlog2n)	O(n)	是
自顶向下归并排序	O(nlog2n)	O(n)	是
快速排序	O(nlog2n)	O(n)	否
堆排序	O(nlog2n)	O(1)	否
基数排序	O(dn)	O(m)	是
希尔排序	\	O(1)	否

二、排序的时间效率比较

下图表明了各种算法在不同数据规模下，完成排序所消耗的时间（毫秒为单位），从表中可以显然看出O(n2)的排序算法比O(nlog2n)的算法时间多出几百上千倍，而且随着数据规模增大时间比也会随着增大；因为排序的数据采用随机数，顺序将被打乱，快速排序算法优先于其他排序算法。

算法名称	1万	3万	5万	10万	平均时间复杂度
冒泡排序	1442	12206	34017	139071	O(n^2)
选择排序	199	1790	5062	19643	O(n^2)
插入排序	178	1628	4458	17914	O(n^2)
自底向上归并排序	3	9	15	33	O(n log n)
自顶向下归并排序	3	11	18	40	O(n log n)
快速排序	2	8	14	32	O(n log n)
堆排序	3	12	19	37	O(n log n)
基数排序	9	30	49	98	O(n)
希尔排序	3	11	24	41	O(n^1.25)

三、快速排序（QuickSort）

快速排序是一个就地排序，分而治之，大规模递归地算法。从本质上来说，它是归并排序的就地版本。快速排序可以由下面四步组成。

1. 如果不多于1个数据，直接返回。
2. 一般选择序列最左边的值作为支点数据。
3. 将序列分成2部分，一部分都大于支点数据，另外一部分都小于支点数据。
4. 对两边利用递归排序数列。

快速排序比大部分排序算法都要快。尽管我们可以在某些特殊的情况下写出比快速排序快的算法，但是就通常情况而言，没有比它更快的了。快速排序是递归地=的，对于内存非常有限的机器来说，它不是一个好的选择。

四、归并排序（MergeSort）

归并排序先要分解要排序的序列，从1分成2,2分成4，依次分解，当分解到只有1个一组的时候，就可以排序这些分组，然后依次合并回原来的序列中，这样就可以排序所有数据。合并排序比堆排序稍微快一点，但是需要比堆排序多一倍的内存空间，因为它需要一个额外的数组。

五、堆排序（HeapSort）

堆排序适合于数据量非常大的场合（百万数据）。

堆排序不需要大量的递归或者多维的暂存数组。这对于数据量非常巨大的序列是合适的。比如超过数百万条记录，因为快速排序，归并排序都使用递归来设计算法，在数据量非常大的时候，可能会发生堆栈溢出错误。

堆排序会将所有的数据建成一个堆，最大的数据在堆顶，然后将堆顶数据和序列的最后一个数据交换。接下来再次重建堆，交换数据，依次下去，就可以排序所有的数据。

六、Shell排序（ShellSort）

Shell排序通过将数据分成不同的组，先对一组进行排序，然后在对所有的元素进行一次插入排序，以减少数据交换和移动的次数。平均效率是O(nlogn)。其中分组的合理性会对算法产生重要的影响。现在多用D.E.Knuth的分组方法。

Shell排序比冒泡排序快5倍，比插入排序大致快2倍。Shell排序比起QuickSort，MergeSort，HeapSort慢很多，但是它相对比较简单，它适合于数据量在5000以下并且速度并不是特别重要的场合。它对于数据量较小的数列重复排序是非常好的。

七、插入排序（InsertSort）

插入排序通过把序列中的值插入一个已经排序好的序列中，直到该序列的结束。插入排序是对冒泡排序的改进。它比冒泡排序快2倍。一般不用在数据大于1000的场合，或者重复排序超过200的数据项的序列。

八、冒泡排序（BubbleSort）

冒泡排序是最慢的排序算法。在实际运用中它是效率最低的算法。她通过一趟又一趟地比较数组中的每一个元素，使较大的数据下沉，较小的数据上升。它是O(n^2)的算法。

九、交换排序（ExchangeSort）和选择排序（SelectSort）

这两种排序方法都是交换方法的排序算法，效率都是O(n^2)。在实际应用中处于和冒泡排序基本相同的地位。他们只是排序算法发展的初级阶段，在实际中使用较少。

十、基数排序（RadixSort）

基数排序和通常的排序算法并不走同样的路线。它是一种比较新颖的算法，但是他只能用于整数的排序，如果我们要把同样的办法运用到浮点数上，我们必须了解浮点数的存储格式，并通过特殊的方式将浮点数映射到整数上，然后再映射回去，这是非常麻烦的事情，以此，他的使用同样也不多。而且，最重要的是，这样的算法也需要较多的存储空间。