最近看了一些面试题,有很多考算法的时间复杂度的。搜一些资料看看:
1.选择排序:不稳定,时间复杂度 O(n^2)
选择排序的基本思想是对待排序的记录序列进行n-1遍的处理,第i遍处理是将L[i..n]中最小者与L[i]交换位置。这样,经过i遍处理之后,前i个记录的位置已经是正确的了。
2.插入排序:稳定,时间复杂度 O(n^2)
插入排序的基本思想是,经过i-1遍处理后,L[1..i-1]己排好序。第i遍处理仅将L[i]插入L[1..i-1]的适当位置,使得L[1..i] 又是排好序的序列。要达到这个目的,我们可以用顺序比较的方法。首先比较L[i]和L[i-1],如果L[i-1]≤ L[i],则L[1..i]已排好序,第i遍处理就结束了;否则交换L[i]与L[i-1]的位置,继续比较L[i-1]和L[i-2],直到找到某一个位置j(1≤j≤i-1),使得L[j] ≤L[j+1]时为止。图1演示了对4个元素进行插入排序的过程,共需要(a),(b),(c)三次插入。
3.冒泡排序:稳定,时间复杂度 O(n^2)
冒泡排序方法是最简单的排序方法。这种方法的基本思想是,将待排序的元素看作是竖着排列的“气泡”,较小的元素比较轻,从而要往上浮。在冒泡排序算法中我们要对这个“气泡”序列处理若干遍。所谓一遍处理,就是自底向上检查一遍这个序列,并时刻注意两个相邻的元素的顺序是否正确。如果发现两个相邻元素的顺序不对,即“轻”的元素在下面,就交换它们的位置。显然,处理一遍之后,“最轻”的元素就浮到了最高位置;处理二遍之后,“次轻”的元素就浮到了次高位置。在作第二遍处理时,由于最高位置上的元素已是“最轻”元素,所以不必检查。一般地,第i遍处理时,不必检查第i高位置以上的元素,因为经过前面i-1遍的处理,它们已正确地排好序。
4.堆排序:不稳定,时间复杂度 O(nlog n)
堆排序是一种树形选择排序,在排序过程中,将A[n]看成是完全二叉树的顺序存储结构,利用完全二叉树中双亲结点和孩子结点之间的内在关系来选择最小的元素。
5.归并排序:稳定,时间复杂度 O(nlog n)
设有两个有序(升序)序列存储在同一数组中相邻的位置上,不妨设为A[l..m],A[m+1..h],将它们归并为一个有序数列,并存储在A[l..h]。
6.快速排序:不稳定,时间复杂度 最理想 O(nlogn) 最差时间O(n^2)
快速排序是对冒泡排序的一种本质改进。它的基本思想是通过一趟扫描后,使得排序序列的长度能大幅度地减少。在冒泡排序中,一次扫描只能确保最大数值的数移到正确位置,而待排序序列的长度可能只减少1。快速排序通过一趟扫描,就能确保某个数(以它为基准点吧)的左边各数都比它小,右边各数都比它大。然后又用同样的方法处理它左右两边的数,直到基准点的左右只有一个元素为止。
7.希尔排序:不稳定,时间复杂度 平均时间 O(nlogn) 最差时间O(n^s) 1<s<2
在直接插入排序算法中,每次插入一个数,使有序序列只增加1个节点,并且对插入下一个数没有提供任何帮助。如果比较相隔较远距离(称为 增量)的数,使得数移动时能跨过多个元素,则进行一次比较就可能消除多个元素交换。D.L.shell于1959年在以他名字命名的排序算法中实现了这一思想。算法先将要排序的一组数按某个增量d分成若干组,每组中记录的下标相差d.对每组中全部元素进行排序,然后再用一个较小的增量对它进行,在每组中再进行排序。当增量减到1时,整个要排序的数被分成一组,排序完成。
排序类别 |
排序名称 |
时间复杂度 |
空间复杂度 稳定否 |
|
1 |
插入排序 |
O(n2) |
1 |
√ |
2 |
希尔排序 |
O(n2) |
1 |
× |
3 |
冒泡排序 |
O(n2) |
1 |
√ |
4 |
选择排序 |
O(n2) |
1 |
× |
5 |
快速排序 |
O(Nlogn) |
O(logn) |
× |
6 |
堆排序 |
O(Nlogn) |
1 |
× |
7 |
归并排序 |
O(Nlogn) |
O(n) |
√ |
相关推荐
稳定性和时间复杂度是评估排序算法性能的两个关键指标。 【稳定排序算法】指的是在排序过程中,相等元素的相对顺序不会改变。例如,冒泡排序、插入排序、归并排序和基数排序都是稳定的。冒泡排序通过相邻元素的比较...
以下是对选择排序、冒泡排序、归并排序、快速排序和插入排序这五种常见排序算法的详细介绍,以及如何分析它们的时间复杂度。 1. **选择排序(Selection Sort)** - 原理:选择排序是一种简单直观的排序算法,它...
排序算法时间复杂度比较 本文将比较几种排序算法的时间复杂度,包括快速排序、选择排序、直接插入排序和堆排序算法,并在排序数据中快速查找某一数据,给出查找是否成功,以及数据所在的位置信息。 在详细设计中,...
桶排序的时间复杂度分为两个部分:桶内排序的时间复杂度和合并桶的时间复杂度。 1. 桶内排序的时间复杂度:如果每个桶都使用插入排序,那么每个桶的时间复杂度为O((n/k)²),因为插入排序在最坏情况下需要O(n²)的...
本文将深入探讨几种常见的排序算法,并分析它们的时间复杂度,以帮助理解不同排序算法的效率和适用场景。源代码文件"比较各种排序的复杂度.c"正是实现这一目标的实践示例。 1. 冒泡排序 (Bubble Sort) 冒泡排序是一...
### 各种排序算法的稳定性和时间复杂度总结 #### 排序算法的稳定性与时间复杂度概述 在计算机科学中,排序算法是基础且重要的组成部分,用于将一系列数据按照特定顺序排列。排序算法的效率通常由其时间复杂度决定...
比较了两种排序的时间复杂度,序列一般大于10000,采用非递归的快速排序
本文将深入探讨基于C语言实现的八种常见排序算法,并分析它们的时间复杂度,旨在帮助读者更好地理解各种排序方法的优劣。 1. 冒泡排序(Bubble Sort) 冒泡排序是一种简单的排序算法,它重复地遍历待排序的数列,一...
### 排序算法时间复杂度的研究 #### 引言 排序是计算机科学中的基础操作之一,主要用于对数据集中的元素按照特定的顺序进行排列。排序算法的效率直接关系到计算机程序的整体性能。根据数据是否完全加载到内存中,...
各种内部排序算法的时间复杂度分析结果只给出了算法执行时间的阶,或大概执行时间。试通过随机的数据比较各算法的关键字比较次数和关键字移动次数,以取得直观感受。
在计算机科学领域,排序算法是数据结构课程中的核心部分,其性能主要由时间复杂度来衡量。时间复杂度是分析算法效率的一种方式,它描述了算法执行时间与输入数据量之间的关系。本主题将深入探讨选择排序、冒泡排序和...
快速排序的时间复杂度在最好情况下为O(n log n),最坏情况下为O(n^2),平均情况也是O(n log n)。由于在每一轮划分中,元素的移动次数可能小于比较次数,所以快速排序通常被认为是实际应用中效率较高的排序算法。但其...
总的来说,通过对选择排序法的时间复杂度进行分析,我们可以更好地理解和评估其在各种数据集下的性能,进而为更高效地处理大量数据提供理论依据。同时,这也为我们学习和比较其他排序算法提供了基础,有助于我们在...
C/C++排序算法 计时 时间复杂度分析
【排序算法时间复杂度】 排序算法是计算机科学中不可或缺的一部分,它们用于组织和优化数据,使其按照特定顺序排列。不同的排序算法有不同的时间复杂度,这决定了它们在处理大量数据时的效率。时间复杂度通常用来...
对于每个单独的段,由于其大小不超过sqrt(n),我们可以使用线性时间复杂度O(sqrt(n))的简单排序方法(如插入排序)来对它们进行排序。然后,我们开始自底向上的归并过程,将相邻的两个已排序的段合并。每次合并操作...
排序算法的效率是衡量其性能的关键指标,通常由时间复杂度来衡量。以下是标题和描述中提到的12种排序算法及其时间复杂度和稳定性特点的详细解释: 1. 计数排序(Counting Sort): 这是一种非基于比较的排序算法,...
本文将深入探讨五种常见的排序算法:堆排序、归并排序、选择排序、快速排序以及插入排序,并分析它们在不同数组状态下的时间复杂度。 1. **堆排序**: 堆排序是一种基于比较的排序算法,它利用了完全二叉树的特性...
Python 算法 11插入排序时间复杂度.mp4