算法数据结构（八）---排序算法总结

                        时间复杂度                             额外空间复杂度                                稳定性

选择排序          O(N^2)                                              O(1)                                           无

冒泡排序          O(N^2)                                              O(1)                                           有

插入排序          O(N^2)                                              O(1)                                           有

归并排序          O(N*logN)                                         O(N)                                          有

随机快排          O(N*logN)                                         O(logN)                                     无

堆排序             O(N*logN)                                         O(1)                                           无

======================================================================

计数排序         O(N)                                                  O(M)                                          有

基数排序         O(N)                                                  O(N)                                          有

---

 总结

1）不基于比较的排序，对样本数据有严格要求，不易改写

2）基于比较的排序，只要规定好两个样本怎么比大小就可以直接复用

3）基于比较的排序，时间复杂度的极限是O(N*logN)

4）时间复杂度O(N*logN)、额外空间复杂度低于O(N)、且稳定的基于比较的排序是不存在的。

5）为了绝对的速度选快排、为了省空间选堆排、为了稳定性选归并

---

常见的坑1

 1）归并排序的额外空间复杂度可以变成O(1)，“归并排序 内部缓存法”，但是将变得不再稳定。

2）“原地归并排序" 是垃圾贴，会让时间复杂度变成O(N^2)

3）快速排序稳定性改进，“01 stable sort”，但是会对样本数据要求更多。

---

 常见的坑2

在整型数组中，请把奇数放在数组左边，偶数放在数组右边，要求所有奇数之间原始的相对次序不变，所有偶数之间原始相对次序不变。

时间复杂度做到O(N)，额外空间复杂度做到O(1)

---

工程上对排序的改进

 1)稳定性的考虑

       Array.sort() 当为基础类型，使用的是快排（稳定性不重要），如果是其他类型，则使用的是归并排序。

2)充分利用O(N*logN)和O(N^2)排序各自的优势

        例如：由于插入排序常数项小，快排常数项大，在元素数量小的时候，使用插入排序反而更快。