排序算法:
排序也称排序算法,排序是将 一组数据,依 指定的顺序进行 排列的过程
排序的分类:
(1)内部排序:指将需要处理的所有数据都加载到**内部存储器(内存)中进行排序
(2)外部排序:数据量过大,无法全部加载到内存中,需要借助外部存储(文件等)**进行排序。
图
(3)常见的排序算法分类(见下图):
算法的时间复杂度:
度量执行时间的两个方法:
(1)事后统计的方法
运行该程序,来计算时间。问题在于:第一需要运行程序,第二是要求同一台计算机的相同状态下运行。
(2)事前估算的方法
通过分析算法的时间复杂度来判断哪个更加优秀
时间频度:
时间频度:一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。**一个算法中的语句执行次数称为语句频度或时间频度。**记为T(n)。
Demo:
计算1-100所有数字的和,我们采用两种方法:
第一种方式时间复杂度为n+1,因为循环100次加上最后的判断条件一次,共计101次
第二种时间复杂度为1,因为只执行了一条语句
//方式一:
int total=0;
int end=0;
//使用for循环
for(int i=1;i<=100;i++){
total+=i;
}
//方式二:
total=(1+end)*end/2;
时间频度的可忽略地方:
(1)忽略常数项
例如:(1)2n+20和2n随着n变大,曲线无限接近,20可以忽略
(2)3n+10和3n随着n变大,曲线无限接近,10可以忽略
(2)忽略低此项
例如:(1)2n^2+3n+10和2n^2随着n变大,曲线无限接近,3n+10可以忽略
(2)n^2+5n+20和n^2随着n变大,曲线无限接近,5n+20可以忽略
(3)忽略系数
例如:(1)5n^2+7n+10和3n^2+2n随着n变大,曲线无限接近,5和3可以忽略
(2)n^2+5n+20和6n^2+4n随着n变大,曲线分离,说明多少次方式关键
时间复杂度:
1)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f(n),使得当n趋近于无穷大时,T(n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数
记作T(n)=O(f(n)),称O(fn)为算法的渐进时间复杂度,简称时间复杂度。
2)T(n)不同,但时间复杂度可能相同。如:T(n)=n²+7nt6与T(n)=3n²+2n+2它们的T(n)不同,但时间复杂度相同,都为O(n²)
3)计算时间复杂度的方法
⚪用常数1代替运行时间中的所有加法常数T(n)=n²+7n+6=>T(n)=n²+7n+1
⚪修改后的运行次数函数中,只保留最高阶项T(n)=n²+7n+1=>T(n)=n²
⚪去除最高阶项的系数T(n)=n²=>T(n)=n²=>o(n²)
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(n^k)
(8)指数阶:O(2^n)
说明:
1)常见的算法时间复杂度由小到大依次为:O(1)<O(log2n)<O(n)<O(nlog2n)<O(n²)<O(n³)<O(n^k) <O(2^n),随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低
2)我们应该尽可能避免使用指数阶的算法
常数阶:O(1)
无论代码执行了多少行,只要是没有循环等复杂结构,那这个代码的时间复杂度就都是O(1)
int i=1;
int j=2;
++i;
j++;
int m=i+j;
上述代码在执行的时候,它消耗的时候并不随着某个变量的增长而增长,那么无论这类代码有多长,即使有几万几十万行,都可以用O(1)来表示它的时间复杂度。
对数阶:O(log2n)
int i=1;
while(i<n){
i=i*2;
}
说明:在 while循环里面,每次都将ⅰ乘以2,乘完之后,i距离n就越来越近了。假设循环x次之后,i就大于2了,此时这个循环就退出了,也就是说2的x次方等于n,那么x=log2n也就是说当循环log2n次以后,这个代码就结束了。因此这个代码的时间复杂度为O(log2n)。O(log2n))的这个2时间上是根据代码变化的,i=i*3,则是 O(log3n)
线性阶:O(n)
for(int i=1;i<=n;++i){
j=i;
j++;
}
说明:这段代码,for循环里面的代码会执行n遍,因此它消耗的时间是随着n的变化而变化的,因此这类代码都可以用O(n)来表示它的时间复杂度
线性对数阶:O(nlog2n)
for(int n=1;i<=100;i++){
int i=1;
while(i<n){
i=i*2;
}
}
说明:线性对数阶:O(nlog2n)其实非常容易理解,将时间复杂度为O(log2n)的代码循环n遍的话,那么他们的时间复杂度就是n*O(log2n),也就是O(nlog2n)
平方阶:O(n²)
for(int i=1;i<=100;i++){
for(int j=1;j<=100;j++){
j=i;
j++;
}
}
说明:平方阶:O(n²)更容易理解了,O(n)的代码再嵌套循环一遍,它的时间复杂度就是O(n²)。
立方阶:O(n³)、k次方阶:O(n^k)
说明:参考上面的去理解就行了
平均时间复杂度和最坏时间复杂度
(1)平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下,该算法的运行时间。
(2)最坏情况下的时间复杂度称最坏时间复杂度。一般讨论的时间复杂度均是最坏情况下的时间复杂度。这样做的原因是:最坏情况下的时间复杂度是算法在任何输入实例上运行时间的界限,这就保证了算法的运行时间不会
比最坏情况更长。
(3)平均时间复杂度和最坏时间复杂度是否一致,和算法有关(如图:)。
排序法 | 平均时间 | 最差情形 | 稳定度 | 额外空间 | 备注 |
---|---|---|---|---|---|
冒泡 | O(n²) | O(n²) | 稳定 | O(1) | n小时较好 |
交换 | O(n²) | O(n²) | 不稳定 | O(1) | n小时较好 |
选择 | O(n²) | O(n²) | 不稳定 | O(1) | n小时较好 |
插入 | O(n²) | O(n²) | 稳定 | O(1) | 大部分已排序较好 |
基数 | O(logRB) | O(logRB) | 稳定 | O(n) | B是真数(0-9),R是基数(个十百) |
Shell | O(nlogn) | O(n^s) 1<s<2 | 不稳定 | O(1) | s是所选分组 |
快速 | O(nlogn) | O(n²) | 不稳定 | O(nlogn) | n大时较好 |
归并 | O(nlogn) | O(nlogn) | 稳定 | O(1) | n大时较好 |
堆 | O(nlogn) | O(nlogn) | 不稳定 | O(1) | n大时较好 |
简述:
冒泡排序是两个两个交换
选择排序是选出一个最小的放在最前面,一直选
插入排序是一个有序子集,一个无序子集,无序自己往有序自己插
希尔排序是插入排序的改进,是缩小增量排序
算法的空间复杂度
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,例如快速排序和归并排序算法,基数排序就属于这种情况
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.
冒泡排序
冒泡排序(Bubble Sorting)的基本思想是:通过对待排序序列从前向后(从下标较小的元素开始),依次比较相邻元素的值,若发现逆序则交换,使值较大的元素逐渐从前移向后部,就象水底下的气泡一样逐渐向上冒。
优化:
因为排序的过程中,各元素不断接近自己的位置,如果一趟比较下来没有进行过交换,就说明序列有序,因此要在排序过程中设置一个标志flag判断元素是否进行过交换。从而减少不必要的比较。(这里说的优化,可以在冒泡排序写好后,在进行)
思路:
(1)一共进行数组的大小-1次大的循环
(2) 每一趟排序的次数在逐渐的减少
(3)如果我们发现在某趟排序中,没有发生一次交换,可以提前结束冒泡排序。这个就是优化
冒泡排序的实例:从小到大排序
注释的部分是优化的代码!
public class BubbleSort {
public static void main(String[] args) {
int[] aa=new int[]{3,2,-1,6,4};
bubble(aa);
}
public static void bubble(int[] arr){
//boolean a =false;
for (int i = 0; i < arr.length - 1; i++) {
for (int j = 0; j < arr.length - 1 - i; j++) {
if (arr[j]>arr[j+1]){
//a=true;
int temp=arr[j];
arr[j]=arr[j+1];
arr[j+1]=temp;
}
}
/*
if (!a){
break;
}else {
a=false;
}
*/
}
System.out.println(Arrays.toString(arr));
}
}
选择排序
介绍:
选择式排序也属于内部排序法,是从欲排序的数据中,按指定的规则选出某一元素,再依规定交换位置后达到排序的目的。
选择排序的思想:
选择排序(select sorting)也是一种简单的排序方法。它的基本思想是:第一次从arr[0]-arr[n-1]中选取最小值,与arr[0]交换,第二次从arr[1]-arr[n-1]中选取最小值,与arr[1]交换,第三次从arr[2]-arr[n-1]中选取最小值,与ar[2]交换…,第i次从arr[i-1]-arr[n-1]中选取最小值,与arr[i-1]交换,…,第n-1次从arr[n-2]~arr[n-1]中选取最小值,与arr[n-2]交换,总共通过n-1次,得到一个按排序码从小到大排列的有序序列。
原始的数组:8,3,2,1,7
第一轮排序:1,3,2,8,7
第二轮排序:1,2,3,8,7
第三轮排序:1,2,3,8,7
第四轮排序:1,2,3,7,8
说明:
1.选择排序一共有数组大小-1轮排序
2.每一轮排序,又是一个循环,循环的规则(代码)
2.1先假定当前这个数是最小数
2.2然后和后面的每个数进行比较,如果发现有比当前数更小的数,就重新确定最小数,并得到下标
2.3当遍历到数组的最后时,就得到本轮最小数和下标
2.4交换
实例:
public class SelectSort {
public static void main(String[] args) {
int[] arr=new int[]{101,34,119,1,66,77};
select(arr);
}
public static void select(int[] arr){
for (int i = 0; i < arr.length - 1; i++) {
int index=i;
int minarr=arr[i];
for (int j = i+1; j < arr.length; j++) {
if (minarr>arr[j]){ //我们现在假定的最小值不是最小的
index=j; //重置index
minarr=arr[j]; //重置minarr
}
}
//如果产生了改变就交换
if (index!=i){
int temp=arr[i];
arr[i]=minarr;
arr[index]=temp;
}
}
System.out.println(Arrays.toString(arr));
}
}
插入排序
介绍:
插入式排序属于内部排序法,是对于欲排序的元素以插入的方式找寻该元素的适当位置,以达到排序的目的。
插入排序的思想:
插入排序(Insertion Sorting)的基本思想是:把n个待排序的元素看成为一个有序表和一个无序表,开始时有序表中只包含一个元素,无序表中包含有n-1个元素,排序过程中每次从无序表中取出第一个元素,把它的排序码依次与有序表元素的排序码进行比较,将它插入到有序表中的适当位置,使之成为新的有序表。
插入排序思路图:
public class InsertSort {
public static void main(String[] args) {
int[] a=new int[]{101,34,119,1};
insert(a);
}
public static void insert(int[] arr){
for (int i = 0; i < arr.length; i++) {
//定义待插入的数
int insertVal=arr[i];
int insertIndex=i-1; //要插入的序号在待插入数的前一个
//给insertIndex找到插入的位置
//说明
//1.insertIndex>=0保证在给insertVal找插入位置,不越界
//2.insertVal<arr[insertIndex] 待插入的数 没找到插入的位置
//3.就需要将arr[insertIndex]后移
while (insertIndex>=0 && insertVal<arr[insertIndex]){
arr[insertIndex+1]= arr[insertIndex];
insertIndex--;
}
//当退出while循环时,说明位置已经找到了,insertIndex+1
//因为insertIndex是被插入的前一个位置
arr[insertIndex+1]=insertVal;
}
System.out.println(Arrays.toString(arr));
}
}
希尔(Shell)排序
简单插入排序存在的问题
我们看简单的插入排序可能存在问题。
数组arr={2,3,4,5,6,1},这时需要插入的数1(最小),要等所有循环完了,才轮到1
结论:当需要插入的数是较小的数时,后移的次数明显增多,对效率有影响
介绍:
希尔排序是希尔(Donald Shell)于1959年提出的一种排序算法。希尔排序也是一种插入排序,它是简单插入排序经过改进之后的一个更高效的版本,也成为缩小增量排序
希尔排序法基本思想
希尔排序是把记录按下标的一定增量分组,对每组使用直接插入排序算法排序;随着增量逐渐减少,每组包含的关键词越来越多,当增量减至1时,整个文件恰被分成一组,算法便终止
希尔排序的示意图:
应用实例:
一个数组{8,9,1,7,2,3,5,4,6,0},请从大到小排序,分别使用交换法和移动法实现
交换法:
public class exchangeSort {
public static void main(String[] args) {
int[] arr=new int[]{8,9,1,7,2,3,5,4,6,0};
exchange(arr);
}
public static void exchange(int[] arr){
int temp = 0;
int count = 0;
// 根据前面的逐步分析,使用循环处理
for (int gap = arr.length / 2; gap > 0; gap /= 2) {
for (int i = gap; i < arr.length; i++) {
// 遍历各组中所有的元素(共gap组,每组有个元素), 步长gap
for (int j = i - gap; j >= 0; j -= gap) {
// 如果当前元素大于加上步长后的那个元素,说明交换
if (arr[j] > arr[j + gap]) {
temp = arr[j];
arr[j] = arr[j + gap];
arr[j + gap] = temp;
}
}
}
System.out.println("希尔排序第" + (++count) + "轮 =" + Arrays.toString(arr));
}
}
}
移位法:
交换式的每次都要交换,新建对象交换的过程中浪费了大量的时间,移位法是最后换,所以时间少。
public class moveSort {
public static void main(String[] args) {
int[] arr=new int[]{8,9,1,7,2,3,5,4,6,0};
move(arr);
}
//对交换式的希尔排序进行优化->移位法
public static void move(int[] arr){
//增量gap,并逐步的缩小增量
for (int gap= arr.length/2;gap>0;gap/=2){
//从第gap个元素,逐个对其所在的组进行直接插入排序
for (int i = gap; i < arr.length; i++) {
int j=i;
int temp=arr[j];
if (arr[j]<arr[j-gap]){
while (j-gap>=0 && temp<arr[j-gap]){
//移动
arr[j]=arr[j-gap];
j-=gap;
}
//当退出while后,就给temp找到插入的位置
arr[j]=temp;
}
}
}
System.out.println(Arrays.toString(arr));
}
}
快速排序
快速排序的介绍:
快速排序(Quicksort)是对冒泡排序的一种改进。基本思想是:通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列
快速排序示意图:
证明:
(1)当取消左右递归,结果是:[-9,-567,0,23,78,70]
(2)当取消左递归,结果是:[-9,-567,0,23,70,78]
(3)当取消右递归,结果是:[-567,-9,0,23,78,70]
代码如下:
package QuickSort;
import java.util.Arrays;
public class quicksort {
public static void main(String[] args) {
int[] arr=new int[]{-9,78,0,23,-567,70};
quick(arr,0,arr.length-1);
System.out.println(Arrays.toString(arr));
}
public static void quick(int[] arr,int left,int right){
int pivot=arr[(left+right)/2]; //中轴值
int r=right; //左下标
int l=left; //右下标
int temp; //用于交换的临时变量
while (l<r){ //while循环的目的是让比pivot值小的放到左边,大的放到右边
//在pivot的左边一直找,找到大于等于pivot的值,才退出
while (arr[l]<pivot){
l +=1;
}
//在pivot的右边一直找,找到小于等于pivot的值,才退出
while (arr[r]>pivot){
r -=1;
}
//如果l>=r说明pivot的左右两边的值,已经全部是左边的小,右边的大了
if (l>=r){
break;
}
//交换
temp=arr[l];
arr[l]=arr[r];
arr[r]=temp;
//如果交换完成后,发现arr[l]==pivot值相等 我们让r-- 不减就死循环了,因为r没到头,前移
if (arr[l]==pivot){
r -=1;
}
//如果交换完成后,发现arr[r]==pivot值相等 我们让l++ 不减就死循环了,因为l没到头,后移
if (arr[r]==pivot){
l +=1;
}
}
//如果l==r,必须让l++,r--,否则栈会溢出
if (l==r){
l+=1;
r-=1;
}
//向左递归
if (left<r){
quick(arr,left,r);
}
//向右递归
if (right>l){
quick(arr,l,right);
}
}
}
归并排序
归并排序的介绍:
归并排序(MERGE-SORT)是利用归并的思想实现的排序方法,该算法采用经典的分治(divide-and-conquer)策略(分治法将问题分(divide)成一些小的问题然后递归求解,而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起,即分而治之)。
归并排序思想示意图1-基本思想:
归并排序思想示意图2-合并相邻有序子序列:
再来看看治阶段,我们需要将两个已经有序的子序列合并成一个有序序列,比如上图中的最后一次合并,要将[4,5,7,8]和[1,2,3,6]两个已经有序的子序列,合并为最终序列[1,2,3,4,5,6,7,8],来看下实现步骤
应用实例:
给你一个数组,val arr=Array(8,4,5,7,1,3,6,2),请使用归并排序完成排序
package MergeSort;
import java.util.Arrays;
public class MergeSort {
public static void main(String[] args) {
int[] arr=new int[]{8,4,5,7,1,3,6,2};
int temp[]=new int[arr.length]; //归并排序需要一个额外的空间
mergeSort(arr,0, arr.length-1,temp);
System.out.println(Arrays.toString(arr));
}
//分+合方法
public static void mergeSort(int[] arr,int left,int right,int[] temp){
if (left<right){
int mid=(left+right)/2; //中间索引
//向左递归进行分解
mergeSort(arr,left,mid,temp);
//向右递归进行分解
mergeSort(arr,mid+1,right,temp);
//合并
merge(arr,left,mid,right,temp);
}
}
//合的方法
/*
arr:排序的原始数组
left:左边有序序列的初始索引
right:右边索引
mid:中间索引
temp:中转用的数组
*/
public static void merge(int[] arr,int left,int mid,int right,int[] temp){
int i=left; //初始化i,左边有序序列的初始索引
int j=mid+1; //初始化j,右边有序序列的初始索引
int t=0; //指向temp数组的当前索引
//(一)
//先把左右两边(有序)的数据按照规则填充道temp数组
//直到左右两边的有序序列,有一边处理完毕为止
while(i<=mid && j<=right){ //继续
//如果左边的有序序列的当前元素,小于等于右边有序序列的当前元素
//即将左边的当前的元素,拷贝到temp数组
//然后t++,i++
if (arr[i]<=arr[j]){
temp[t]= arr[i];
t+=1;
i+=1;
}else { //反之,将右边有序序列的当前元素,填充到temp数组中
temp[t]= arr[j];
t+=1;
j+=1;
}
}
//(二)
//把有剩余数据的一边的数据依次全部填充到temp
while (i<=mid){ //左边的有序序列还有剩余的元素,就全部填充到temp
temp[t]=arr[i];
t+=1;
i+=1;
}
while (j<=right){ //右边的有序序列还有剩余的元素,就全部填充到temp
temp[t]=arr[j];
t+=1;
j+=1;
}
//(三)
//将temp数组的元素拷贝到arr
//注意,并不是每次都拷贝所有
t=0;
int tempLeft=left;
//第一次合并tempLeft=0 ,right=1 //tempLeft=2 ,right=3 //tempLeft=0 ,right=3
//最后一次tempLeft=0 ,right=7
while (tempLeft<=right){
arr[tempLeft]=temp[t];
t+=1;
tempLeft+=1;
}
}
}
基数排序(桶排序)
基数排序(桶排序)介绍:
1)基数排序(radix sort)属于“分配式排序”(distribution sort),又称“桶子法”(bucket sort)或bin sort,顾名思义,它是通过键值的各个位的值,将要排序的元素分配至某些“桶”中,达到排序的作用
2)基数排序法是属于稳定性的排序,基数排序法的是效率高的稳定性排序法
3)基数排序(Radix Sort)是桶排序的扩展
4)基数排序是1887年赫尔曼·何乐礼发明的。它是这样实现的:将整数按位数切割成不同的数字,然后按每个位数分别比较。
基数排序的基本思想:
1)将所有待比较数值统一为同样的数位长度,数位较短的数前面补零。然后,从最低位开始,依次进行一次排序。这样从最低位排序一直到最高位排序完成以后,数列就变成一个有序序列。
2)这样说明,比较难理解,下面我们看一个图文解释,理解基数排序的步骤
基数排序的图文说明;
基数排序的代码实现:
要求:将数组{53,3,542,748,14,214}使用基数排序,进行升序排序
1)思路分析:前面的图文已经讲明确
2)代码实现:
public class RadisSort {
public static void main(String[] args) {
int[] arr = new int[]{53, 3, 542, 748, 14, 214};
radixsort(arr);
}
//基数排序方法
public static void radixsort(int[] arr) {
//根据之前的推导可以得到最终的代码
//1.得到数组中最大的数的位数
int max = arr[0];//假设第一位是最大数
for (int i = 0; i < arr.length; i++) {
if (arr[i] > max) {
max = arr[i];
}
}
//得到最大数是几位数
int maxLength = (max + "").length();
//定义一个二维数组,表示10个桶,每个桶就是一个一维数组
//说明
//1.二维数组包含10个一维数组
//2.为了防止在放数的时候,数据溢出,则每个一维数组(桶),大小定为arr.length
//3.基数排序是使用空间换时间的经典算法
int[][] bucket = new int[10][arr.length];
//为了记录每个桶中,实际存放了多少个数据,我们定义一个一维数组来记录各个桶的每次放入的数据个数
//可以这样理解,比如bucketElementCounts[0],记录的就是bucket[0]桶的放入数据个数
int[] bucketElementCounts = new int[10];
//这里我们使用循环将代码处理
for (int i = 0, n = 1; i < maxLength; i++, n *= 10) {
//(针对每个元素的应对进行排序处理),第一次是个位,第二位是十位,第三次是百位。。。
for (int j = 0; j < arr.length; j++) {
//取出每个元素的对应位的值
int digitOfElement = arr[j] / n % 10;
//放入到对应的桶中
bucket[digitOfElement][bucketElementCounts[digitOfElement]] = arr[j];
bucketElementCounts[digitOfElement]++;
}
//按照这个桶的顺序(一维数组的下标依次取出数据,放入原来数组)
int index = 0;
//遍历每一桶,并将桶中是数据,放入到原数组
for (int k = 0; k < bucketElementCounts.length; k++) {
//如果桶中,有数据,我们才放入到原数组
if (bucketElementCounts[k] != 0) {
//循环该桶第k个桶(即第k个一维数组),放入
for (int l = 0; l < bucketElementCounts[k]; l++) {
//取出元素放到arr
arr[index++] = bucket[k][l];
}
}
//第i+1轮处理后,需要将每个bucketElementCounts[k]=0!!!
bucketElementCounts[k] = 0;
}
System.out.println("第" + i + "轮,arr数组为" + Arrays.toString(arr));
}
}
}
基数排序的说明:
1)基数排序是对传统桶排序的扩展,速度很快.
2)基数排序是经典的空间换时间的方式,占用内存很大,当对海量数据排序时,容易造成OutOfMemoryError .
3)基数排序时稳定的。[注:假定在待排序的记录序列中,存在多个具有相同的关键字的记录,若经过排序,这些
记录的相对次序保持不变,即在原序列中,r[i]=r[j],且r[i]在r[j]之前,而在排序后的序列中,r[i]仍在r[j]之前,则称这种排序算法是稳定的;否则称为不稳定的]
4)有负数的数组,我们不用基数排序来进行排序
常用排序算法总结和对比
一张排序算法的比较图:
相关术语解释:
1)稳定:如果a原本在b前面,而a=b,排序之后a仍然在b的前面
2)不稳定:如果a原本在b的前面,而a=b,排序之后a可能会出现在b的后面
3)内排序:所有排序操作都在内存中完成;
4)外排序:由于数据太大,因此把数据放在磁盘中,而排序通过磁盘和内存的数据传输才能进行;
5)时间复杂度:一个算法执行所耗费的时间。
6)空间复杂度:运行完一个程序所需内存的大小。
7)n:数据规模
8) k:“桶”的个数
9)In-place:不占用额外内存
10)Out-place:占用额外内存