寫在前面

??現在網上關于排序算法的文檔不計其數，為什么要寫這篇文章呢？主要是因為一些算法雖然在平時有用到，但是從來沒有細細整理過，沒有個統一、整體的認識。寫這篇文章一來是進行一下總結，二來趁機再系統的學一下各排序算法！

分類

根據不同的分類標準，排序算法的分類有很多種，下面重點介紹幾種。

• 根據待排序的數據量大小不同，使得排序過程中所涉及的存儲器不同，可以分為：
  

  • 內部排序： 待排序的內容在內存中就可以完成。
  • 外部排序： 待排序的記錄存儲在外存儲器上，待排序的數據無法一次裝入內存，需要在內存和外部存儲器之間進行多次數據交換，以達到排序所有數據的目的。
    ??外部排序最常用的算法是 多路歸并排序，即將原始數據分解成多個能夠一次性裝入內存的部分，分別把每一部分調入內存完成排序。然后，對已經排序的子文件進行多路歸并排序。這種歸并方法可分為兩個不同的階段：
  • 采用適當的內部排序方法對劃分好的每個數據片段進行排序，將排好序的片段（稱為歸并段）寫到外部存儲器中（通常由一個可用的磁盤作為臨時緩沖區），這樣臨時緩沖區中的每個歸并段的內容是有序的。
  • 利用歸并算法，歸并第一階段生成的歸并段，直到只剩下一個歸并段為止。

• 根據排序關鍵字可能出現重復，根據重復關鍵字的排序情況可分為：
  

  • 穩定排序： 排序后重復關鍵字記錄的相對次序保持不變。例如，如果a原本在b前面，而 a=b，排序之后a仍然在b的前面。
  • 不穩定排序： 排序后重復關鍵字記錄的相對次序可能改變。例如，如果a原本在b的前面，而 a = b，排序之后 a 可能會出現在 b 的后面。

• 根據排序的實現策略可分為：
  

  • 比較類排序： 依賴于比較和交換來將元素移動到正確的位置上，由于其時間復雜度不能突破O(nlogn)，因此也稱為 非線性時間比較類排序。
  • 非比較類排序： 不通過比較來決定元素間的相對次序，它可以突破基于比較排序的時間下界，以線性時間運行，因此也稱為 線性時間非比較類排序。
    對于線性時間排序，它的運行時間往往與它處理的數據元素個數成正比，即為O(n)。線性排序的缺點是它需要依賴于數據集合中的某些特征，所以我們并不是在所有的場合都能夠使用它。

時間/空間復雜度

如何選擇

??排序算法可以說是一項基本功，是《數據結構與算法》中最基本的算法之一。實際工作中或多或少都會用到那么一兩個。合理選擇一種排序算法，對于一個項目程序的設計是非常重要的！
??選擇合適算法就和選擇對象一樣，最適合的才是最好的！ 影響選擇排序算法的因素有很多，例如時間復雜度和空間復雜度可以說是個重要的參考標準。但是，平均時間復雜度低的算法并不一定就是最優的選擇。相反，有時候，平均時間復雜度高的算法反而更加適合自己的實際情況。一般來說，主要就是依據以下這幾點：

• 數據規模： 在實際項目中，通常這是第一個要考慮的點。通過對于數據規模的把握，可以縮小我們算法的選擇范圍。在很小的數據量時，就現在的處理器水平而言，選擇絕大多數算法都看不出差異！一旦數據量變大，算法的差異性就會體現的越明顯。
• 時間復雜度： 在絕大多數情況下，這都是一個決定性的因素。因為在實際情況下，最看重的往往就是算法的執行效率。常見的算法時間復雜度由小到大依次為：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜…＜Ο(2n)＜Ο(n!)。
• 空間復雜度： 這點通常不是我們首先需要考慮的條件。甚至于計算下編程我們根本不考慮這點。但是，在嵌入式編程中還是有必要考慮的。
• 算法的難易程度： 想想在嵌入式編程中，去實現一個最佳歸并樹是否有必要！

當然，在實際情況下，通常需要多種排序算法來組合使用！綜合以上三點，當數據量較大，則應采用時間復雜度為O(nlog2n)的排序方法。例如，快速排序、堆排序或歸并排序序。當數據量很小時，選擇最簡單的算法即可！

總結

以上是生活随笔為你收集整理的排序算法 之四 分类、时间/空间复杂度、如何选择的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。