时间复杂度
常见的时间复杂度,按数量级递增排列依次为:常数阶O(1)、对数阶O(log2n)、线性阶O(n)、线性对数阶O(nlog2n)、平方阶O(n2)、立方阶O(n3)、k次方阶O(nk)、指数阶O(2n)。常见的算法时间复杂度由小到大依次为:
c < log2N < n < n * Log2N < n^2 < n^3 < 2^n < 3^n < n!
其中c是一个常量,如果一个算法的复杂度为c 、 log2N 、n 、 n*log2N ,那么这个算法时间效率比较高
排序
冒泡排序、插入排序、归并排序和基数排序是稳定的排序算法。
选择排序、希尔排序、快速排序、堆排序不是稳定的排序算法,
希尔排序:
希尔排序:最好的情况有序,复杂度为O(nlgn);最差的情况是O(N^2),但平均复杂度要比直接插入小,不稳定算法
冒泡排序:
1、冒泡排序是一种用时间换空间的排序方法,n小时好
2、最坏情况是把顺序的排列变成逆序,或者把逆序的数列变成顺序,最差时间复杂度O(N^2)只是表示其操作次数的数量级
3、最好的情况是数据本来就有序,复杂度为O(n),但是需要对代码变形,参考3.2节
快速排序:
1、n大时好,快速排序比较占用内存,内存随n的增大而增大,但却是效率高不稳定的排序算法。
2、划分之后一边是一个,一边是n-1个,这种极端情况的时间复杂度就是O(N^2)
3、最好的情况是每次都能均匀的划分序列,O(N*log2N)
归并排序:
1、n大时好,归并比较占用内存,内存随n的增大而增大,但却是效率高且稳定的排序算法。
1.1插入排序(for)
//插入排序, O(n2) O(n)正序或者倒叙 O(n2) || O(1) 稳定排序
public static void insertSort(int[] nums) {
int len = nums.length;
int temp, j;
for (int i = 1; i < len; i++) {
temp = nums[i];
if (nums[i - 1] > temp) {
for (j = i-1; j >=0 && nums[j]>temp; j--) {
nums[j+1] = nums[j];
}
nums[j+1] = temp;
}
}
}
1.2插入排序(while)
//插入排序, O(n2) O(n) O(n2) || O(1) 稳定排序
public static void insertSort1(int[] nums) {
int len = nums.length;
int temp, j;
for (int i = 1; i < len; i++) {
temp = nums[i];
if (nums[i - 1] > temp) {
j = i - 1;
while (j >= 0 && nums[j] > temp) {
nums[j + 1] = nums[j];
j--;
}
nums[j + 1] = temp;
}
}
}
1.3二分查找排序
//二分查找排序 O(nlgn) O(n) O(nlgn) || O(1) 稳定
public static void binarySort(int[] nums) {
int len = nums.length;
int temp, low, high, mid;
for (int i = 1; i < len; i++) {
if (nums[i - 1] > nums[i]) {
temp = nums[i];
low=0;
high = i - 1;
while (low <= high) {
mid = (low + high) / 2;
if (nums[mid] <= temp) {
low = mid + 1;
} else {
high = mid - 1;
}
}
for (int j = i - 1; j >= low; j--) {
nums[j + 1] = nums[j];
}
//nums[j+1] = temp;
nums[low] = temp;
}
}
}
2.1希尔排序
//希尔排序 O(n1.3) O(n) O(n2) || O(1) 不稳定
public static void shellSort(int[] nums) {
int len = nums.length;
int gap = len