数据结构与算法学习总结--排序算法

常用排序算法对比

排序算法	最好	最坏	平均	空间复杂度	是否基于比较	是否稳定
冒泡	O(n)	O(n^2)	O(n^2)	O(1)	是	是
插入	O(n)	O(n^2)	O(n^2)	O(1)	是	是
选择	O(n^2)	O(n^2)	O(n^2)	O(1)	是	否
归并	O(nlogn)	O(nlogn)	O(nlogn)	O(n)	是	是
快排	O(nlogn)	O(n^2)	O(nlogn)	O(1)	是	否

线性排序算法对比

排序算法	时间复杂度	是否稳定	原地排序
计数排序	O(n+k) k是数据范围	是	否
桶排序	O(n)	是	否
基数排序	O(dn) d是维度	是	否

如何分析一个排序算法

1. 执行效率

1. 最好情况、最坏情况、平均情况时间复杂度
2. 时间复杂度的系数、低阶、常数
3. 比较次数和交换（移动）次数

2. 内存损耗–空间复杂度
3. 排序算法的稳定性

排序算法特点及适用场景

冒泡、插入、选择排序算法适用于小规模数据（不需要递归，且数据规模小时，O(nlogn)并不一定比O(n^2)大）, 并且优先使用插入排序（插入排序稳定，时间复杂度系数低，性能好）
归并排序算法的优缺点：优点：任何情况下时间复杂度都比较稳定O(nlogn)；缺点：空间复杂度高O(n)
快速排序优点：性能好，时间复杂度低O(nlogn), 缺点：不稳定排序
归并排序和快速排序适合大规模数据排序
线性排序（桶排序、计数排序、基数排序）时间复杂度O(n),适用于特殊数据的排序，并不通用。
桶排序适用于外部排序（数据存储在外部磁盘中），数据量大，无法将数据全部加载到内存中
计数排序是桶排序的一种特殊情况，适用于数据范围不大的场景，并且数据要为非负整数（可以将数据转化为非负整数）。要排序的n个数据，最大值为k，（k远远小于n），这时可以将数据划分成k个桶，每个桶内的值都是相同的，省略了桶内的排序。
基数排序使用场景要求：数据需要能够分隔出独立的位来比较，而且位之间有递进关系，每一位的数据范围不能太大，且要能使用线性排序(桶排序或者计数排序)。

在O(n)时间复杂度内找无序数组的第K大元素

利用选择排序，时间复杂度O(kn)
利用快排思想，时间复杂度O(2n)，具体方法：选择pivot，将数组分成三部分a[0:p-1]、a[p], a[p+1:n-1]，如果p+1==K,则a[p]就是要找的第K大元素，如果K>p+1,则继续在a[p+1:n-1]中查找，如果K<p+1,则在a[0:p-1]内继续查找

如何优化快速排序

避免时间复杂度退化为最坏情况，合理选择分区点（三数取中、随机法等）