数据结构第十天（排序算法总结）

目录

前言

常数时间复杂度：O(1)

线性时间复杂度：O(n)

线性对数时间复杂度：O(n log n)

平方时间复杂度：O(n^2)

对数时间复杂度：O(log n)

---

 

前言

排序算法的学习可以告一段落了。但算法的学习永不停止。

今天，喵喵就为大家总结一下各种排序算法的时间复杂度以及他们之间的平均用时比较：

1. 常数时间复杂度：O(1)

   • 桶排序（Bucket Sort）
   • 计数排序（Counting Sort）
   • 基数排序（Radix Sort）

2. 线性时间复杂度：O(n)

   • 冒泡排序（Bubble Sort）
   • 插入排序（Insertion Sort）
   • 选择排序（Selection Sort）

3. 线性对数时间复杂度：O(n log n)

   • 快速排序（Quick Sort）
   • 归并排序（Merge Sort）
   • 堆排序（Heap Sort）

4. 平方时间复杂度：O(n^2)

   • 冒泡排序（Bubble Sort）
   • 插入排序（Insertion Sort）
   • 选择排序（Selection Sort）

5. 对数时间复杂度：O(log n)

   • 二分查找（Binary Search）

需要注意的是，以上时间复杂度仅表示排序阶段的比较次数，不包括额外的操作（如数据移动等）。

当涉及大规模数据排序时，以下算法更具实用性：

• 快速排序：具有较好的平均时间复杂度和空间效率。
• 归并排序：具有稳定的时间复杂度和较好的最坏情况下的性能。
• 堆排序：具有较好的最坏情况下的时间复杂度和空间效率。

然而，实际选择哪种排序算法取决于具体问题的规模、要求和特点。有时可以根据数据特征选择更适合的算法，例如对于小规模数据可以选择插入排序等简单算法。