数据结构与算法（八）排序

排序要考虑到具体所使用的数据结构，本文总结一下各种数据结构的下的排序算法。

向量结构：由数组为基础而构建成，循RANK访问。

无序查找：O(N);无序插入：O（N）；无序删除：O（N）

有序查找：二分查找O（logn）。有序唯一化：O（n）。

排序：CBA式排序的复杂度下限为O（NlogN）。冒泡排序：O（N*N），二路归并排序;O(nlogn).

快速排序：平均效率达到O（nlogn），最坏达到O(N*N)。首选算法，易于实现，效率高。

原理：找出轴点，以轴点为界，轴点之前的元素均不小于轴点，轴点之后的元素均不大于轴点。
找出所有轴点。关键在于如何构造轴点。
版本A：
    任选一个元素为候选轴点元素与首元素交换
    以首元素为候选轴点。
    while（lo<hi）{
    while尾部元素与候选轴点大小:
        若尾部元素>=候选元素：
            尾部位置--；
    首部元素=尾部元素；
    while首部元素与候选元素大小：
        若首部元素<=候选元素：
               首部位置++；
    尾部元素=首部元素；  
    } 
    首部元素=候选元素；
    返回 轴点RANK。
算法时间复杂度O（hi-lo）向量范围 。
如何选择轴点才可降低最坏情况出现的概率。
随机选择，待排序向量中任取三个元素，再取中元素。
平均效率为O(nlogn),且常系数较小。缺点：存在退化情况。重复选取某一元素为轴点元素。
版本B：修改了候选元素与首尾元素的比较方式，去掉了等于这一情况。缺点：稳定性不足加剧。

列表结构：查找O(N)，插入和删除：常数时间。唯一化：O（N*N）。

排序:插入排序O（N*N）；选择排序O(N*N)；二路归并排序;O(nlogn).。

两个有序列表的归并：O(N+M).

二叉树：插入：常数时间，但还需更新高度。查找：先遍历，再查找时间复杂度O（N）。删除：跟新祖先高度需要时间。

完全二叉树：跟新祖先高度时为LOG（n）。

二叉搜索树：有序树。查找：最坏情况下O(N)。主要取决于高度。插入，删除也是和查找一样。主要取决于结构。

平衡二叉搜索树：AVL

插入：O（logn），删除：O（logn）。查找也是。

词典结构中的跳转表：查找O（logn），插入与删除也是一样。

词典结构中的散列表：查找与插入大可能在常数时间。根据冲突情况判断。散列排序：桶排序O（n+m）。基排序：O(T*(N+M)).T为关键码的字段数。

堆：插入与删除：O(LOGN)，获取最大值常数时间。也就是说堆排序为：O(NLOGN)，但是更优秀，高于其他算法。