【0】README

0.1） 本文總結于 數據結構與算法分析+個人的學習心得體會，源代碼均為原創；
0.2） 本文列出了數據結構中基本上所有的數據結構排序算法， 整理了相關的博文（源代碼）；
0.3）對于數據結構排序的遺憾是， 這個排序，哥子已經搞了整整1周了，搞乏了，所以沒有實現 以 Sedgewick 增量序列 { 或者是 9*4^i - 9*2^i + 1或者是 4^i - 3*2^i + 1； 如，1， 5， 19， 41，……} 的希爾排序 源代碼， 其時間復雜度為O(N^(7/6))，等有時間再來實現；其實也不難，因為我已經實現了希爾排序的 hibbard增量序列 {1, 3, …, 2^k-1}，其時間復雜度為O(N^(3/2))；所以還是有必要實現Sedgewick 增量序列 的希爾排序的（等心情好了，哈哈，心情好了，對的，就來實現它），哎，確實該換換口味了；

---

【1】總結（Conclusion）：

C1）對于最一般的內部排序，選用的方法不是插入排序、希爾排序，就是快速排序，它們的選用主要是根據輸入的大小來決定的； 下圖顯示了每個算法運行的時間對比：

• （對上述圖片的說明）（Declaration）
  
  • D1）選擇N個整數組成一些隨機排序，而表中給出 的各項僅僅是 排序的實際時間；
  • D2）我們看到，快速排序的性能是比較高的（待排序元素個數大于10），其次是希爾排序， 然后插入排序（待排序元素個數小于10）；
  • D3）數據結構排序算法性能排行榜

C2）希爾排序： http://blog.csdn.net/pacosonswjtu/article/details/49660799

• C2.1）該程序如果改為使用 Sedgewick 增量 { 或者是 9*4^i - 9*2^i + 1或者是 4^i - 3*2^i + 1； 如，1， 5， 19， 41，109, …… } 運行，基于數以百萬次計排序的話， 大小從100~ 25 000 000 不等， 使用這種增量的希爾排序預計的運行時間估計為 O(N^(7/6))；（而如果使用 hibbard增量序列 的話， 最壞情況是 Ω（N^(3/2)） ）
• C2.2）對輸入數據隨機的假設是不安全的。如果你不想過多考慮這個問題，那么你就使用希爾排序。希爾排序的最壞情況也只不過是 O(N^(4/3))；

C3）堆排序： 堆排序要比希爾排序慢， 盡管它是一個帶有明顯緊湊內循環的 O（NlogN）算法。對該算法的深入考察揭示出， 為了移動數據，堆排序需要進行兩次比較； http://blog.csdn.net/pacosonswjtu/article/details/49660909
C4）快速排序：注意它選取樞紐元 時 所使用的方法是 三數中值分割法，截止范圍為10（也就是，如果排序的數組個數小于10， 就不選擇快速排序， 而是選擇其他排序方法， 如希爾排序或插入排序）； http://blog.csdn.net/pacosonswjtu/article/details/48879419

• C4.1）快速排序的改進算法仍然有 O（N^2）的最壞情況， 但是，這種最壞情況出現的機會是如此地微不足道，以至于并不影響算法的性能；
• C4.2）切記，永遠不要圖省事，把第一個元素作為樞紐元（而是采用三數中值分割法）；
• C4.3） 而且由 快速排序，我們還引入 了 快速選擇算法，參見： http://blog.csdn.net/pacosonswjtu/article/details/48915197
  C5）插入排序：插入排序只用在小的或是非常接近排好序的輸入數據上。 http://blog.csdn.net/pacosonswjtu/article/details/48879263
  C6）歸并排序：我們并沒有包含進來歸并排序，　因為它的性能對于主存排序不如快速排序那么好，　而且他的編程一點也不省事； http://blog.csdn.net/pacosonswjtu/article/details/49661005
  C7）外部排序：合并是外部排序 的思想；
  C8）桶排序+基數排序： 在某些特殊情況下以線性時間運行仍然是可能的，比如桶排序或者 基數排序（等同于多次桶排序）；
  http://blog.csdn.net/pacosonswjtu/article/details/49687193 + http://blog.csdn.net/pacosonswjtu/article/details/49685749

總結

以上是生活随笔為你收集整理的数据结构排序总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。