排序算法及时间空间复杂度

排序算法

排序算法的介绍

排序也称排序算法，是将一组数据依据指定的顺序进行排序的过程

排序的分类

1. 内部排序
2. 外部排序：需要借助外部存储进行排序
   常见的排序算法分类
   

算法的时间复杂度

时间频度：一个算法中的语句执行次数称为时间频度，记为T(n)
时间复杂度： 一般情况下，算法中的基本操作语句的重复执行次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数fn)，使得当n趋近于无穷大时，T(n)/f(mn)的极限值为不等于零的常数，则称fn)是Tn)的同数量级函数。记作T(n)=O( f(n))，称O( f(n))/为算法的渐进时间复杂度，简称时间复杂度。

常见的时间复杂度

1. 常数阶O(1)
2. 对数阶O(log2n)
3. 线性阶O(n)
4. 线性对数阶O(nlog2n)
5. 平方阶O(n2)
6. 立方阶O(n3)
7. k次方阶O(nk)
8. 指数阶O(2n)

图解

时间复杂度对应的代码举例

常数阶

int i = 1;
int j = 2;
++i;
j++;
int a = i+j;

对数阶

int i = 1;
while(i<n){
	i = i * 2;
}

线性阶

for(i=1;i<=n;i++){
 	j = i;
 	j++;
}

线性对数阶

for(i=1;i<n;i++){
 	while(i<n){
	i = i * 2;
	}
}

平方阶

for(int i=0;i<n;i++){
	for(int j=0;j<n;j++){
		m++;
	}
}

立方阶和k次方阶同理

算法的空间复杂度简介

1. 类似于时间复杂度的讨论，一个算法的空间复杂度(Space Complexity)定义为该算法所耗费的存储空间，它也是问题规模n的函数。
2. 空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度。有的算法需要占用的临时工作单元数与解决问题的规模n有关，它随着n的增大而增大，当n较大时，将占用较多的存储单元
3. 在做算法分析时，主要讨论的是时间复杂度。从用户使用体验上看，更看重的程序执行的速度。一些缓存产品(redis, memcache)和算法(基数排序)本质就是用空间换时间.