博客
关于我
2020-03-25:快排、堆排和归并都是O(nlog n)的算法,为何JDK选择快速排序?
阅读量:306 次
发布时间:2019-03-01

本文共 652 字,大约阅读时间需要 2 分钟。

口诀解析:以下内容为多种排序算法的名称及相关性能指标分析。

口诀解析:

  • 冒泡排序(冒泡,选择,插入,希尔,快速,堆,归并,计数,桶,基数)
    • 最坏时间复杂度:O(n²)
    • 平均时间复杂度:O(n²)
    • 稳定性:不稳定
    • 空间复杂度:O(1)
    1. 插入排序(插线,平平,稳常序)
      • 最坏时间复杂度:O(n²)
      • 平均时间复杂度:O(n²)
      • 稳定性:稳定
      • 空间复杂度:O(n)
      1. 希尔排序(希线,四组,不常组)
        • 最坏时间复杂度:O(n log n)
        • 平均时间复杂度:O(n log n)
        • 稳定性:稳定
        • 空间复杂度:O(n)
        1. 快速排序(快四,四平,不对大)
          • 最坏时间复杂度:O(n²)
          • 平均时间复杂度:O(n log n)
          • 稳定性:不稳定
          • 空间复杂度:O(log n)
          1. 堆排序(堆四,四四,不常大)
            • 最坏时间复杂度:O(n log n)
            • 平均时间复杂度:O(n log n)
            • 稳定性:稳定
            • 空间复杂度:O(1)
            1. 归并排序(归四,四四,稳线大)
              • 最坏时间复杂度:O(n log n)
              • 平均时间复杂度:O(n log n)
              • 稳定性:稳定
              • 空间复杂度:O(n)
              1. 计数排序(计加,加加,稳k空)
                • 最坏时间复杂度:O(n)
                • 平均时间复杂度:O(n)
                • 稳定性:稳定
                • 空间复杂度:O(k)
                1. 桶排序(桶加,加平,稳加空)
                  • 最坏时间复杂度:O(n + k)
                  • 平均时间复杂度:O(n)
                  • 稳定性:稳定
                  • 空间复杂度:O(k)
                  1. 基数排序(基乘,乘乘,稳加空)
                    • 最坏时间复杂度:O(n k)
                    • 平均时间复杂度:O(n k)
                    • 稳定性:稳定
                    • 空间复杂度:O(k)

    转载地址:http://klmo.baihongyu.com/

    你可能感兴趣的文章
    python基础之---函数式编程
    查看>>
    python基础之---函数
    查看>>
    Python基础之(一)基本数据类型
    查看>>
    Python基础【os】
    查看>>
    Python基础——面向对象
    查看>>
    Python基础——线程锁
    查看>>
    python基础——线程与进程
    查看>>
    Python基础——构造方法和特殊成员方法
    查看>>
    Python基础——多线程值从Thread类继承
    查看>>
    Python基础——多线程之信号量
    查看>>
    Python基础——_thread多线程
    查看>>
    Python基础——Thread类与线程对象
    查看>>
    Python基础——Thread创建管理多线程
    查看>>
    Python基础——SQLite数据库基本操作
    查看>>
    Python基础——MySQL数据库基本操作
    查看>>
    Python基础_列表 list
    查看>>
    python系列【仅供参考】:python异步库调用gevent和asyncio对比
    查看>>
    python基础3
    查看>>
    Python基础08 面向对象的基本概念
    查看>>
    Python基础-函数篇
    查看>>