【21天打卡】前端攻城狮重学算法之--十大排序算法比较

活动地址：CSDN21天学习挑战赛

合抱之木，生于毫末;九层之台，起于垒土;千里之行，始于足下。
…

作为一名前端攻城狮，为了成为更好的自己，我参加了这次21天算法打卡。

这是第3天，2022年08月03日，星期三。今天也要加油鸭！

创作计划

【21天打卡】前端攻城狮重学算法之-顺序查找

【21天打卡】前端攻城狮重学算法之-直接插入排序

学习计划

**
1，学习目标

今日搞懂十大排序算法，有一些程序思维和逻辑

2，学习内容

网上

3，学习时间

第3天：2022.08.03 09:00-12:00

4，学习产出

CSDN技术博客 1 篇

**

学习日记

1.排序算法分类

排序的目的是将一组“无序”的记录序列调整为“有序”的记录序列。

a、根据待排序的数据大小不同，使得排序过程中所涉及的存储器不同，可分为： 内部排序（内存即够，以下十个算法均为内部排序） 、外部排序 （还需访问外存）

b、排序关键字可能出现重复，根据重复关键字的排序情况可分为： 稳定排序（排序后重复关键字记录的相对次序保持不变） 、不稳定排序 

c、对于内部排序，依据不同的排序原则，可分为： 插入排序、交换(快速)排序 、选择排序 、归并排序 、计数排序

d、针对内部排序所需的工作量划分，可分为： 简单排序 O(n^2) 、先进排序 O(nlogn) 、基数排序 O(d*n)

e、十种常见排序算法可以分为两大类：

• 比较类排序：通过比较来决定元素间的相对次序，由于其时间复杂度不能突破O(nlogn)，因此也称为非线性时间比较类排序。
• 非比较类排序：不通过比较来决定元素间的相对次序，它可以突破基于比较排序的时间下界，以线性时间运行，因此也称为线性时间非比较类排序。 

 2.十大排序算法时间复杂度，空间复杂度，稳定性比较

（图片来源于网络） 

名词解释：

• n：数据规模；
• k：桶的个数；
• In-place: 占用常数内存，不占用额外内存；
• Out-place: 占用额外内存。
• 稳定：如果待排序的序列中存在值相等的元素，经过排序之后，相等元素之间原有的先后顺序不变。 比如： a 原本在 b 前面，而 a = b，排序之后，a 仍然在 b 的前面；
• 不稳定：如果待排序的序列中存在值相等的元素，经过排序之后，相等元素之间原有的先后顺序改变。 比如：a 原本在 b 的前面，而 a = b，排序之后， a 在 b 的后面；

3.十大排序算法比较

4.排序算法的选择：

每种排序算法都各有优缺点。因此，在实用时需根据不同情况适当选用，甚至可以将多种方法结合起来使用。

影响排序的因素有很多，平均时间复杂度低的算法并不一定就是最优的。相反，有时平均时间复杂度高的算法可能更适合某些特殊情况。同时，选择算法时还得考虑它的可读性，以利于软件的维护。一般而言，需要考虑的因素有以下四点： 

a、待排序的记录数目n的大小； 

b、记录本身数据量的大小，也就是记录中除关键字外的其他信息量的大小； 

c、关键字的结构及其分布情况； 

d、对排序稳定性的要求。

设待排序元素的个数为n：

1）当n较大，则应采用时间复杂度为O(nlog2n)的排序方法： 快速排序、堆排序或归并排序序。

快速排序：是目前基于比较的内部排序中被认为是最好的方法，当待排序的关键字是随机分布时，快速排序的平均时间最短。

堆排序 ： 内存空间允许且要求稳定性的。

归并排序：它有一定数量的数据移动，所以可通过与插入排序组合，先获得一定长度的序列，然后再合并，在效率上将有所提高。 

2）当n较大，内存空间允许，且要求稳定性：归并排序 。

3）当n较小，可采用直接插入或直接选择排序。 

4）一般不使用或不直接使用传统的冒泡排序。 

5）基数排序 ，它是一种稳定的排序算法，但有一定的局限性： 

5.排序算法详解：

5.1、插入排序（Insertion Sort）

从头开始，不断地将当前数据插入到之前排好的数据中，直到最后一个。
时间复杂度：o(n^2)
空间复杂度：o(1)
稳定性：稳定
优点：效率略高于选择和冒泡，稳定
缺点：效率不高

5.2、希尔排序（Shell Sort）

将一组数据分成若干组，每个组中第一个元素与第二个元素相差“增量”个元素，对每个组进行插入排序，然后逐渐减小增量，分小组，直到增量为1（只有一个组）。
时间复杂度：o(nlogn)
空间复杂度：o(1)
稳定性：不稳定
优点：效率高于三种简单排序，不需要额外空间
缺点：不稳定

5.3、选择排序（Selection Sort）

从头开始，依次找最小的，放在第一个，直到有序
时间复杂度：o(n^2)
空间复杂度：o(1)
稳定性：不稳定
优点：表现最稳定，时间复杂度永远o(n^2),不需要额外空间
缺点：稳定性上讲，不稳定，效率低

5.4、堆排序（Heap Sort）

大顶堆：每个节点的值都大于其左右孩子
将一组数维护成大顶堆，找出堆顶元素拿走（交换堆顶元素和堆底元素，堆的元素个数减一），重新维护成一个大顶堆，重复操作，直到数列有序
时间复杂度：o(nlogn)
空间复杂度：o(n)
稳定性：不稳定

5.5、冒泡排序（Bubble Sort）

从头开始，两两依次比较，直到找出这组数据中最大的，放在最后面，重复此过程，直到有序
时间复杂度：o(n^2)
空间复杂度：o(1)
稳定性：稳定
优点：简单，易实现，不需要额外空间
缺点： 效率低

5.6、快速排序（Quick Sort）

从一组数据中找出一个基准，然后从后向前找比这个基准小的，放在基准位置，然后再从前向后找比基准大的，放在刚刚那个数字的位置，循环此过程，直到基准找到合适的位置，使基准前面的数字小于基准，基准后面的数字大于基准。接着换一个基准重复此方法,直到数列有序。
时间复杂度：o(nlogn)
空间复杂度：o(logn)
稳定性：不稳定
优点：排序速度最快

5.7、归并排序（Merge Sort）

将一个长度为n的数列，两两分组，组的个数>=2，对每个组内排序；再将两个组合并，排序，合并，排序，直到整个数列有序。
时间复杂度：o(nlogn)
空间复杂度：o(n)
稳定性：稳定

5.8、计数排序（Counting Sort）

将输入的数据转化为健存储在额外开辟的数组空间中，输入的数据必须是确定范围的整数。
时间复杂度：O(n+k)
空间复杂度：O(n+k)
稳定性：稳定；

5.9、桶排序（Bucket Sort）

划分多个范围相同的区间，每个子区间自排序，最后合并。
时间复杂度：O(n)
空间复杂度：O(n+k)
稳定性：稳定；
优点：实现简单，在数据量小的情况下性能良好，是稳定的排序算法
缺点：严重依赖于额外的存储空间

5.10、基数排序（Radix Sort）

将一组数按个位元素分别放到0~9（十个桶）中，然后按十个桶的顺序取出（先去0号桶，再取1号桶…）,然后按十位元素分十个桶，将数字按十位元素再次放入，再次取出，直到数列有序。
时间复杂度：o(n*k) k:桶的个数
空间复杂度：o(n+k)
稳定性：稳定
缺点：不能对小数排序，只针对整数

以上就是今天的学习，明天见！~