排序算法
排序算法总结(from 维基)
排序算法总表
|
排序算法稳定性
在这个表格中,n是要被排序的纪录数量以及k是不同键值的数量。
稳定的
- 冒泡排序(bubble sort) — O(n2)
- 鸡尾酒排序 (Cocktail sort, 双向的冒泡排序) — O(n2)
- 插入排序 (insertion sort)— O(n2)
- 桶排序 (bucket sort)— O(n); 需要 O(k) 额外空间
- 计数排序 (counting sort) — O(n+k); 需要 O(n+k) 额外空间
- 合并排序 (merge sort)— O(n log n); 需要 O(n) 额外空间
- 原地合并排序 — O(n2)
- 二叉排序树排序 (Binary tree sort) — O(n log n)期望时间; O(n2)最坏时间; 需要 O(n) 额外空间
- 鸽巢排序 (Pigeonhole sort) — O(n+k); 需要 O(k) 额外空间
- 基数排序 (radix sort)— O(n·k); 需要 O(n) 额外空间
- Gnome 排序 — O(n2)
- 图书馆排序 — O(n log n) with high probability, 需要 (1+ε)n 额外空间
不稳定
- 选择排序 (selection sort)— O(n2)
- 希尔排序 (shell sort)— O(n log n) 如果使用最佳的现在版本
- 组合排序 — O(n log n)
- 堆排序 (heapsort)— O(n log n)
- 平滑排序 — O(n log n)
- 快速排序 (quicksort)— O(n log n) 期望时间, O(n2) 最坏情况; 对于大的、乱数列表一般相信是最快的已知排序
- Introsort — O(n log n)
- Patience sorting — O(n log n + k) 最坏情况时间,需要 额外的 O(n + k) 空间,也需要找到最长的递增子串行(longest increasing subsequence)
不实用的排序算法
- Bogo排序 — O(n × n!),最坏的情况下期望时间为无穷。
- Stupid sort — O(n3); 递归版本需要 O(n2) 额外存储器
- 珠排序(Bead sort) — O(n) or O(√n), 但需要特别的硬件
- Pancake sorting — O(n), 但需要特别的硬件
平均时间复杂度
平均时间复杂度由高到低为:
- 冒泡排序 O(n2)
- 插入排序 O(n2)
- 选择排序 O(n2)
- 归并排序 O(n log n)
- 堆排序 O(n log n)
- 快速排序 O(n log n)
- 希尔排序 O(n1.25)
- 基数排序 O(n)
说明:虽然完全逆序的情况下,快速排序会降到选择排序的速度,不过从概率角度来说(参考信息学理论,和概率学),不对算法做编程上优化时,快速排序的平均速度比堆排序要快一些。
最后更新:2017-04-03 19:06:48