我现在一直在寻找这个问题的答案......“对一百万个32位整数进行排序的最有效方法是什么？”
我觉得快速排序是最有效的排序..平均运行时间为O（n * log n）。 （最糟糕的情况是O（n²））..
但是一些搜索结果表明Radix sort / Merge排序对于排序百万整数是有效的。
任何指针？
答案 0 :(得分：3)
Mergesort被保证为O（n lg n），但内存占用比快速排序更高。
Quicksort通常比mergesort运行得更快，但在某些情况下它会降低到二次运行时间。
基数排序是O（n * r），其中r是数字的长度。
要确定基数是否优于您选择的lg-n方法，请执行以下操作：
n * r < n * lg (n)
divide by n on both sides
r < lg(n)
We know r is 32 bits
32 < lg(n)
for both sides, take 2^x
2^32 < 2^(lg(n)
2^32 < n
因此，如果n小于2 ^ 32（40亿），则使用lg-n算法。
就个人而言，我会使用快速排序，如果必须的话，将其改组以防止它降级。
答案 1 :(得分：1)
如果你有足够的空间，也许你可以尝试一下排序（http://en.wikipedia.org/wiki/Bucket_sort）。它效率更高，但需要额外的内存来存储数据。
答案 2 :(得分：0)
如果对于大数字，Radix会更好，特别是当您知道数字的范围时。
计算修正：
基数 O（kN）其中 k 是最大数字中的位数。 （实际上它是关于 d * k * N ，其中 d 是数字基数，将使用的桶数... Alphabet = 26，decimal = 10，binary = 2）
Maxint = 4,294,967,296
32位：k = 32 / log（d）
基础10基数：
d*k*n = 10*10*n < nlogn .... 100 < logn ... n > 2^100
Base 2 Radix：
d*k*n = 2*32*n < nlogn .... 64 < logn ... n > 2^64
对于32位数字，如果你有超过2 ^ 64个数字 n * k * N 优于 nlogn
但是，如果您知道范围最多为1024，而不是MAXINT，例如：
MaxNumber = 1024
基础10基数：
d*k*n = 10*4*n < nlogn .... 40 < logn ... n > 2^40
Base 2 Radix：
d*k*n = 2*10*n < nlogn .... 20 < logn ... n > 2^20
对于数字高达1024，如果你有超过2 ^ 20个数字 n * k * N 优于 nlogn
因为大O符号丢弃 乘法上的乘法常数 运行时间，而忽略了效率 对于低输入尺寸，它没有 总是揭示最快的算法 练习或实际大小的数据 套，但方法仍然很好 有效的比较 各种算法的可扩展性 输入大小变大。
答案 3 :(得分：0)
在最坏的情况下，合并排序是O（n log n），所以它在大多数情况下比快速排序更好。 Radix排序，iirc，只有在每个被排序的东西长度相同时才真正有用。其时间为O（K * N），即（项目长度）*（项目数）。我认为我不需要使用Radix排序。