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
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>