数据结构各排序算法【时间复杂度+空间复杂度+稳定性】比较

一、附加条件

        TJ1：比较次数与序列初态无关的算法

        TJ2：排序在一趟结束后不一定能选出一个元素放在其最终位置上

        TJ3：待排序数据已有序时，花费时间反而最多的是

        TJ4：就平均性能而言，目前最好的内排序方法

        TJ5：占用辅助空间最多的是

        TJ6：对初始状态为递增的表按递增顺序排序，最省时间的是

        TJ7：在最后一趟开始之前，所有元素可能都不在最终位置上

二、稳定性的口诀

情绪不稳定，快（快速排序）些（希尔排序）选（简单选择排序）一堆（堆排序）好友来聊天。

三、排序对比表格

类别	排序方法	时间复杂度			空间复杂度	稳定性	条件	备注
		平均	最好	最坏	辅助空间
插入排序	直接插入	O(n2)	O(n)	O(n2)	O(1)	稳定	TJ6、TJ7
	希尔排序	O(n3/2)	O(n)	O(n2)	O(1)	不稳定
交换排序	冒泡排序	O(n2)	O(n)	O(n2)	O(1)	稳定
	快速排序	O(nlog2n)	O(nlog2n)	O(n2)	O(n)或O(logn)	不稳定	TJ3、TJ4	最坏情况栈为 单支树是为O(n)
选择排序	简单选择	O(n2)	O(n2)	O(n2)	O(1)	不稳定	TJ1
	堆排序	O(nlog2n)	O(nlog2n)	O(nlog2n)	O(1)	不稳定
归并排序		O(nlog2n)	O(nlog2n)	O(nlog2n)	O(n)	稳定	TJ1、TJ2、TJ5	大数据处理
基数排序		O(d(n+rd))	O(d(n+rd))	O(d(n+rd))	O(rd)	稳定
注：基数排序中，r代表关键字的基数，d代表长度，n代表关键字的个数。

01.冒泡排序
所谓冒泡排序就跟冒泡是个道理。想象一下水底的泡泡慢慢冒出水面的过程，跟这个算法其实就是一个思想，不断将底部的数据调整到目的顺序类似冒泡。图中是该序列第一趟冒泡的整个过程，当i=1时将1冒到了顶端。

显然以后的每一趟都是重复这样的规则，每一趟都找出了待排序序列中最小的数，并且能使得大的数往下沉，小的数往上冒。那么很容易想到，这样执行只需要执行到没有数再交换位置或者最后一个数，序列便排序完毕。
 

02.简单选择排序

举个例子，军训排序，从矮到高，教官这个时候开始找最矮同学放到排头，之后在剩下的队伍中找最矮的排到第二，依次类推。这便是简单选择排序的思想。

03.直接插入排序

插入排序顾名思义，即插入式排序。还是前面的例子，故事是这样的：教官已经排完了，但是又来了一批新同学要加入队伍，这时要使得队伍有序，教官这时就用了插入排序的办法，拉过来一个同学便开始从尾到头开始比较身高，遇到又身高比手里这个同学还要矮的便放在那个同学后面。当然极端情况就是没有更矮便放在排头了。这样便把新来的同学插入到了原来有序的队列中形成了新队列。

如图所示1~7是升序排列，现在要把5,8,6,9插入到队列中。这时就是一个插入排序的过程，显然当5和7比，小于成立于是往前移，遇到4，小于不成立（遇到了更矮的）于是就将该数放到4后面，就使得插入数并保持旧序列有序。
 

04.希尔排序

希尔排序可能在现实中用得比较少，其核心精神就是增量排序。实质就是给定待排序的序列，选择一个增量从头开始和每一增量位置的数进行直接插入排序。每一趟过后缩小一半，直到最后增量为1执行最后一趟。

 

 

05.   堆排序

堆排序即将原序列以完全二叉树的模型（i的祖先结点为i/2,i=1,2,3……）， 每次调整序列为最大根或最小根（O（logn）），即每一趟找出当前剩余数中的最大值或最小值，经过n次堆调整就完成了最终的排序。时间复杂度O（nlogn）。

06.   归并排序

对于一个序列，将其划分为子序列，每个子序列经过排序，两两合并成最终的有序序列。

 

07.   快速排序

快速排序相对应用较多 ,核心思想将序列中选出的数作为划分依据，将序列划分为比这个数大部分（右侧序列），和比这个数小的部分（左侧序列）。这样最终确定了这个数的位置，同时左右侧序列可以再次递归下去。每一趟时间复杂度O（n）,需要递归O（logn）次，时间复杂度为O（nlogn）。