常见排序算法和搜索算法——时间和空间复杂度

排序方法        平均情况        最好情况        最坏情况        辅助空间        稳定性

冒泡排序         O(n^2)           O(n)              O(n^2)            O(1)                稳定

选择排序         O(n^2)          O(n^2)            O(n^2)            O(1)              不稳定

插入排序         O(n^2)           O(n)              O(n^2)            O(1)                稳定

希尔排序O(n*log(n))~O(n^2) O(n^1.3)       O(n^2)            O(1)              不稳定

堆排序          O(n*log(n))     O(n*log(n))    O(n*log(n))       O(1)              不稳定

归并排序       O(n*log(n))     O(n*log(n))    O(n*log(n))       O(n)                稳定

快速排序       O(n*log(n))     O(n*log(n))      O(n^2)            O(1)              不稳定

 

冒泡排序经过优化以后，最好时间复杂度可以达到O(n)。设置一个标志位，如果有一趟比较中没有发生任何交换，可提前结束，因此在正序情况下，时间复杂度为O(n)。选择排序在最坏和最好情况下，都必须在剩余的序列中选择最小（大）的数，与已排好序的序列后一个位置元素做交换，依次最好和最坏时间复杂度均为O(n^2)。插入排序是在把已排好序的序列的后一个元素插入到前面已排好序(需要选择合适的位置)的序列中，在正序情况下时间复杂度为O(n)。堆是完全二叉树，因此树的深度一定是log(n)+1，最好和最坏时间复杂度均为O(n*log(n))。归并排序是将大数组分为两个小数组，依次递归，相当于二叉树，深度为log(n)+1，因此最好和最坏时间复杂度都是O(n*log(n))。快速排序在正序或逆序情况下，每次划分只得到比上一次划分少一个记录的子序列，用递归树画出来，是一棵斜树，此时需要n-1次递归，且第i次划分要经过n-i次关键字比较才能找到第i个记录，因此时间复杂度是\sum_{i=1}^{n-1}(n-i)=n(n-1)/2，即O(n^2)。
 

 

 

这是从大神给的网站上找到的算法的时间复杂度趋势和各个常用结构的复杂度截图。

 

算法的时间复杂度，用来度量算法的运行时间，记作: T(n) = O(f(n))。它表示随着 输入大小n 的增大，算法执行需要的时间的增长速度可以用 f(n) 来描述。

 

 

 

常用查找算法的时间复杂度和空间复杂度

二叉树的查找 O(n)