数据结构和算法(十三)排序算法

1. 数据结构和算法(十三)排序算法

1.1 排序算法

  所谓排序，就是使一串记录，按照其中的某个或某些关键字的大小，递增或递减的排列起来的操作。排序算法，就是如何使得记录按照要求排列的方法。

1.2 排序算法分类

• 内部排序：指将需要处理的所有数据都加载到内部存储器中进行排序。
• 外部排序法：数据量过大，无法全部加载到内存中，需要借助外部存储进行排序。

1.3 常见的排序算法分类

1.4 算法的时间与空间复杂度

主要还是从算法所占用的「时间」和「空间」两个维度去考量。

• 时间频率

  • 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时间频度。记为T(n)。

• 时间复杂度

  • 在时间频度中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。为此，我们引入时间复杂度概念。 一般情况下，算法中基本操作重复执行的次数是问题规模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(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

  • T(n) 不同，但时间复杂度可能相同。 如：T(n)=n²+7n+6 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)。

  • 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)

1.5 常见的时间复杂度

• 常见的时间复杂度
  
    常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜ Ο(nk) ＜Ο(2n) ，随着问题规模n的不断增