2、常用排序算法
输入“/”快速插入内容
2、常用排序算法
2、常用排序算法
飞书用户59852024年9月7日修改
常用排序算法
这几种算法都是常见的排序算法，它们的优劣和适用场景如下：
冒泡排序（Bubble Sort）：简单易懂，时间复杂度较高，适用于小规模数据排序。
选择排序（Selection Sort）：简单易懂，时间复杂度较高，适用于小规模数据排序。
插入排序（Insertion Sort）：对于部分有序的数据，插入排序的效率比较高，适合排序部分有序的小规模数据。
快速排序（Quick Sort）：时间复杂度较低，适合排序大规模的数据，但对于有序数据排序，时间复杂度较高。
归并排序（Merge Sort）：时间复杂度稳定，适用于大规模数据排序。
堆排序（Heap Sort）：时间复杂度较低，但需要额外的空间存储堆。
计数排序（Counting Sort）：时间复杂度较低，但需要额外的空间存储计数数组，适用于数据范围较小的排序。
桶排序（Bucket Sort）：时间复杂度较低，但需要额外的空间存储桶，适用于数据范围较小的排序。
基数排序（Radix Sort）：时间复杂度较低，但需要额外的空间存储桶，适用于数据范围较小的排序。
时间复杂度和空间复杂度
算法时间/空间复杂度是用来衡量算法执行时间和所需空间的一个指标。
它描述了算法在处理数据时所需的时间/空间量随着数据规模的增加而增加的速度。通常用大O符号（O）来表示。
代码块
时间复杂度是指算法执行所需的时间与问题规模之间的关系。
例如：
如果一个算法的时间复杂度是O(n^2)，那么执行该算法所需的时间将随着问题规模n的增加而呈平方级增长。
如果一个算法的时间复杂度是O(n)，那么执行该算法所需的时间将随着问题规模n的增加而线性增加。
如果一个算法的时间复杂度是O(logn)，logn表示以2为底n的对数，比如，当数据增大256倍时，耗时只增大8倍，256/2除尽的次数。
如果一个算法的时间复杂度是O(1)，也就是耗时与输入数据大小无关，无论输入数据增大多少倍，耗时都不变。
对数是一种数学函数，用来描述一个数在另一个数的幂次方中的指数。
具体来说，如果我们有一个正数 b（称为“底数”）和一个正数 x（称为“真数”），
那么 b 的 y 次幂等于 x，即 b^y = x。这时，我们就可以用对数函数来表示 y，即 y = logb(x)。
这里的“log”表示对数，“b”表示底数，“x”表示真数，“y”表示指数。
log₂256=log₂(2^8)=8*(log₂2)=8*1=8 利用的是公式：log₂M^N=N*(log₂M)
算法的稳定性什么意思？
假定在待排序的记录序列中，存在多个具有相同的关键字的记录，若经过排序，这些记录的相对次序保持不变，即在原序列中，A1=A2，且A1在A2之前，而在排序后的序列中，A1仍在A2之前，则称这种排序算法是稳定的；否则称为不稳定的。
代码块
1、6、3、a1、9、a2、5、0，假设a1=a2 ；排序后：0、1、3、a1、a2、5、6、9
稳定也可以理解为一切皆在掌握中,元素的位置处在你在控制中.而不稳定算法有时就有点碰运气,随机的成分.当两元素相等时它们的位置在排序后可能仍然相同.但也可能不同.是未可知的.
综上所述，不同的排序算法适用于不同的场景。在实际应用中，应根据数据规模、排序稳定性、时间复杂度、空间需求等因素选择合适的排序算法。
冒泡排序
比较相邻的元素，把大的交换到右边，从第一对到最后一对，这步做完后，最后的元素会是最大的数。
对剩余数据重复以上步骤，找第二大的数、第三大的数直至最后。