2. 程式人生 > >常用的排序演算法和時間複雜度

常用的排序演算法和時間複雜度

阿新 • • 發佈：2019-01-14

1. 資料結構部分

資料結構中常用的操作的效率表

通用資料結構

查詢 

插入 

 刪除

遍歷 

陣列

O(N)

O(1)

O(N)

—

有序陣列

O(logN)

O(N)

O(N)

O(N)

連結串列

O(N)

O(1)

O(N)

—

有序連結串列

O(N)

O(N)

O(N)

O(N)

二叉樹

O(logN)

O(logN)

O(logN)

O(N)

二叉樹（最壞）

O(N)

O(N)

O(N)

O(N)

紅黑樹

O(logN)

O(logN)

O(logN)

O(N)

O(logN)

O(logN)

O(logN)

O(N)

雜湊表

O(1)

O(1)

O(1)

—

專用資料結構

棧

—

O(1)

O(1)

—

佇列

—

O(1)

O(1)

—

優先順序佇列

—

O(N)

O(1)

—

—

O(logN)

O(logN)


2. 排序演算法

常見的排序演算法比較表

排序

平均情況

最好情況

最壞情況

穩定與否

空間複雜度

氣泡排序

O(N2)

O(N)

O(N2)

穩定

1

選擇排序

O(N2)

O(N2)

O(N2)

不穩定

1

插入排序

O(N2)

O(N)

O(N2)

穩定

1

希爾排序

O(NlogN)

（依賴於增量序列）

不穩定

1

快速排序

O(NlogN)

O(NlogN)

O(N2)

不穩定

O(logN)

歸併排序

O(NlogN)

O(NlogN)

O(NlogN)

穩定

O(N)

二叉樹排序

O(NlogN)

O(NlogN)

O(N2)

穩定

O(N)

堆排序

O(NlogN)

O(NlogN)

O(NlogN)

不穩定

1

拓撲排序

O(N+E)

—

—

—

O(N)

首先先給出我們常用的演算法的時間複雜度，後面會具體講解每一個演算法，以及在不同的場合下哪種時間複雜度很高效

相關推薦

常用排序演算法的時間複雜度和空間複雜度及特點

一、常用排序演算法的時間複雜度和空間複雜度表格 二、特點 1.歸併排序： （1）n大時好，歸併比較佔用記憶體，記憶體隨n的增大而增大，但卻是效率高且穩定的排序演算法。 （2）歸併排序每次遞迴都要用到一個輔助表，長度與待排序的表長度相同，雖然遞迴次數是O(log2n)，但每次

常用的排序演算法和時間複雜度

1. 資料結構部分資料結構中常用的操作的效率表通用資料結構查詢 插入  刪除遍歷 陣列O(N)O(1)O(N)—有序陣列O(logN)O(N)O(N)O(N)連結串列O(N)O(1)O(N)—有序連結串

常用排序演算法的時間複雜度和空間複雜度

總結： （1）當排序記錄個數n較大，關鍵碼分佈較隨機，且對穩定性不作要求時，採用快速排序為宜。 （2）當待排序記錄個數n較大，記憶體空間允許，且要求穩定排序時，採用歸併排序。 （3）當待排序記錄個數n較大，關鍵碼分佈可能出現正序或逆序的情況，且對穩定性

常用排序演算法以及時間複雜度

希爾排序 快速排序 二叉樹排序 氣泡排序 選擇排序 堆排序 #include <iostream.h> #include <conio.h> #include <stdlib.h> #include <time.h>

常用的排序演算法的時間複雜度和空間複雜度

排序法 最差時間分析 平均時間複雜度 穩定度 空間複雜度 氣泡排序 O(n2) O(n2) 穩定 O(1) 快速排序 O(n2) O(n*log2n) 不穩定 O(log2n)~O(n) 選擇排序 O(n2) O(n2) 穩定 O(1) 二叉樹排序 O(n2) O(n*log2

常用幾種排序演算法的時間複雜度和空間複雜度

 常用的排序演算法的時間複雜度和空間複雜度 排序法  最差時間分析 平均時間複雜度  穩定度  空間複雜度  氣泡排序 O(n2) O(n2)  穩定  O(

氣泡排序演算法、時間複雜度和穩定性

氣泡排序 氣泡排序一般是我們學習排序演算法時第一個接觸的演算法，下面來介紹一下氣泡排序。 演算法原理 比較相鄰的元素。如果第一個比第二個大，就交換他們兩個。 對每一對相鄰元素做同樣的工作，從開始第一對到結尾的最後一對。在這一步，最後的元素應該會是最大

排序演算法的時間複雜度和空間複雜度-----總結

演算法的時間複雜度是指：演算法執行過程中所需要的基本運算次數。 常見的演算法時間複雜度由小到大依次為：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n^2)＜Ο(n^3)＜…＜Ο(2^n)＜Ο(n!)。其中O(1)表示基本語句的執行次數是一個常數，一般來說，

插入排序演算法、時間複雜度和穩定性

插入排序 演算法原理 將資料分為有序部分和無序部分。 在無序部分選擇一個元素，按照順序插入到有序部分，使之有序。 直到無序部分都插入到有序部分結束。 演算法分析 排序的思想就是維護一個有序的部分，將無序部分的資料按照順序插入到有序部分。 通

八種排序演算法的時間複雜度複雜度

https://www.cnblogs.com/dll-ft/p/5861210.html 轉載 1、穩定性 歸併排序、氣泡排序、插入排序。基數排序是穩定的 選擇排序、快速排序、希爾排序、堆排序是不穩定的   2、時間複雜度 最基礎的四個演算法：冒泡、選擇

初學者學演演算法｜談什麼是演演算法和時間複雜度

進階篇：深入時間複雜度的實際情況到目前為止，我們認識了何謂演演算法，以及評斷演演算法設計好壞的工具：時間複雜度。接下來的部分，屬於比較進階的練功，對剛接觸的新手可能會覺得有點難度或沒辦法完全理解。小小的建議是，如果你看第一次沒辦法完全體會，可以留到對程式設計更熟悉後再回頭複習。而當然，如果有任何問題也都歡迎討

各種排序演算法的時間複雜度

選擇排序、快速排序、希爾排序、堆排序不是穩定的排序演算法， 氣泡排序、插入排序、歸併排序和基數排序是穩定的排序演算法。 排序演算法不穩定的含義是:在排序之前,有兩個數相等. 但是在排序結束之後,它們兩個有可能改變順序. 比如說:  在一個待排序佇列中,A和B相等,且A排在

實現排序演算法，時間複雜度為O(n)

我們常用的排序氣泡排序 O(n^2); 快速排序O(nlogn);堆排序O(nlogn);選擇排序O(n^2); 我們常用的排序都不符合時間複雜度的要求； 經常聽說一個說法  用空間代替時間 現在要排序的陣列為陣列 a；例如a數組裡面有  1，1，2，2，3，3，2，2，5

【整理】常見排序演算法及其時間複雜度總結

原文出處： 本篇主要整理了氣泡排序，直接插入排序，直接選擇排序，希爾排序，歸併排序，快速排序，堆排序七種常見演算法，是從上面三篇博文中摘抄整理的，非原創。 一、氣泡排序 主要思路是： 通過交換相鄰的兩個數變成小數在前大數在後，這樣每次遍歷後，最大的數就“沉”到最後面了。重複N次即可以使陣列有序。 氣泡

各個排序演算法的時間複雜度、空間複雜度、穩定性

排序演算法分類 排序演算法比較表格填空 排序演算法比較表格 1 歸併排序可以通過手搖演算法將空間複雜度降到O（1），但是時間複雜度會提高。注： 2 基數排序時間複雜度為O（N*M），其中N為資料個數，M為資料位數。 輔助記憶 時間複雜度記憶-

關於基於比較的排序演算法，時間複雜度“最壞”下界o(nlogn)與“最優”下界o(n)說明

前言            之前在查詢基於比較排序演算法的時間複雜度時發現，好多博主對“最壞”下界與“最優”下界沒有分清，而是預設的把時間複雜度o(nlogn)當成了“最優”下界。這樣很是誤導大家，影響很不好。所以特此寫一篇說明文章，能讓大家理解得更透徹。 下界    

八大排序演算法的時間複雜度

排序演算法的穩定性： 假定在待排序的記錄序列中，存在多個具有相同的關鍵字的記錄，若經過排序，這些記錄的相對次序保持不變，即在原序列中，ri=rj，且ri在rj之前，而在排序後的序列中，ri仍

快速排序演算法及時間複雜度分析（原地in-place分割槽版本）

快速排序演算法一般來說是採用遞迴來實現，其最關鍵的函式是partition分割函式，其功能是將陣列劃分為兩部分，一部分小於選定的pivot，另一部分大於選定的pivot。我們將重點放在該函式上面。 partition函式總體思路是自從一邊查詢，找到小於pivot的元素，則將

經典排序演算法（時間複雜度詳解）

動畫網站 主要術語解釋： 穩定：如果a原本在b前面，而a=b，排序之後a仍然在b的前面； 不穩定：如果a原本在b的前面，而a=b，排序之後a可能會出現在b的後面； 內排序：所有排序操作都在記憶體中完成； 外排序：由於資料太大，因此把資料放在磁碟中，

堆排序演算法及時間複雜度分析

堆其實通常是通過一維陣列來實現的，在陣列起始下標為0的情況下，父節點i的左右子節點分別為2*i+1和2*i+2，子節點i的父節點為(i-1)/2。對堆的操作主要有建堆、調整堆、堆排序、插入和刪除堆中元素。其中調整堆是核心。下面將重點介紹兩種調整堆的方法。 向下調整堆（shi