常用排序算法--冒泡排序及改进和插入排序时间复杂度分析

常用排序算法–冒泡排序及改进和插入排序时间复杂度分析

排序及常见排序算法

排序是计算机内经常进行的一种操作，其目的是将一组“无序”的记录序列调整为“有序”的记录序列。分内部排序和外部排序。若整个排序过程不需要访问外存便能完成，则称此类排序问题为内部排序。反之，若参加排序的记录数量很大，整个序列的排序过程不可能在内存中完成，则称此类排序问题为外部排序。内部排序的过程是一个逐步扩大记录的有序序列长度的过程。

上面是关于排序的一些介绍，排序按是否使用外在存储来分分为内部排序（locally sort）和外部排序（external sort）。下文分析的是内部排序的两种常见的、简单易实现的排序算法，虽然两者的排序算法的时间复杂度在众多内部排序算法中属于下等，但是对于理解内部排序（特别是采用比较排序）的一些机制是十分有用的。

常见的内部排序算法及其时间复杂度主要如下：

• 冒泡排序 冒泡排序通过两两相邻元素比较，每一趟将本趟中最大的元素放在数组尾部合适的位置。由于每一趟只正确放置一个元素，因此时间复杂度为O(n*n)
• 插入排序 插入排序是通过将当前第i个待排元素i与数组中前i-1个已经有序的元素j 进行两两比较，如果元素 i 小于 j，便交换。直到遇到比i小的元素或者到达数组头。由于每一个元素的插入都会最多比较i - 1次，因此最坏的时间复杂度为 1 + 2 + 3 + ... + n - 1 = n * (n - 1) / 2 ， 因此时间复杂度也为O(n*n)。
• 希尔排序 插入排序的一种改进，具有优良的时间复杂度，时间复杂度为O(n*n)
• 快速排序 基于分治的策略排序，时间复杂度为O(nlgn)，由于待排数据如果是逆序，其时间复杂度会变为O(n*n)，因此常用的方法是在排序前先随机化待排数据。
• 归并排序 基于分治的策略排序，时间复杂度为O(nlgn)，需要额外的存储空间
• 堆排序 采用二叉树的性质进行排序，不需要额外的内存空间，时间复杂度为O(nlgn)
• 计数排序 非比较排序，要求输入的数据的范围为0 ~ K，时间复杂度为O(n)
• 基数排序 非比较排序，是计算排序的一种变种，对输入数据的要求降低到了数据的的位数为d，每一位的范围为0~k。

插入排序时间复杂度分析

上文中介绍的除了计数排序和基数排序外，其余均为内排序中的比较排序，即通过两元素的比较，来确定元素正确放置的位置。

插入排序算是一种比较经典的比较类排序算法，可以分析其时间复杂度，然后确定其最坏和平均时间复杂度，从而来确定时间复杂度的最低边界。

由于没有比较，就不会有元素的交换，因此元素的交换次数是小于等于

最坏时间复杂度分析：若输入的n个数据是逆序的，那么对第i个元素的插入，需要比较i-1次，因此总的时间复杂度为为n*(n - 1) / 2

平均时间复杂度分析：对于第i个元素的插入，该元素有i + 1个位置可以插入，平均来看，插入每一个位置的概率都相同为1 / (i + 1)；对于每一个位置比较的次数分别为1, 2, 3, 4, 5 ... i, i，因为当i元素为最小和次小的时候，比