在此sorting animation中，我看到堆排序和合并排序最适合包含随机数的数组。但是，如果我们将这些排序算法与Radix和introsort进行比较会怎么样？
简而言之，哪种类型的排序算法最适合对由随机数组成的数组进行排序？
谢谢
答案 0 :(得分：1)
对于随机数数组，对于适合缓存的较小数组，基数排序的最低有效数字优先计数变化通常最快。对于较大的阵列，先使用一个最高有效数字将阵列分成适合缓存的较小子阵列会更快。由于数据是随机的，所以基数排序的主要时间开销是随机分布的写操作，如果数组远大于缓存，则这对缓存不友好。如果原始数组和工作数组适合高速缓存，那么对于大多数系统而言，随机访问写入不会造成明显的时间损失。
对于基数排序中使用的基数也有一个选择。例如，如果使用基数256（8位“数字”），则可以将4个遍中的32位数字分类。使用基数65536（16位“数字”）通常会超过L1和/或L2缓存的大小，因此，即使只需要两次通过，它在大多数情况下也不会更快。对于64位数字，可以使用四个11位“数字”和两个10位“数字”来进行6次通过排序，而不是使用八个8位“数字”来进行8次通过排序。但是，除非数组足够大且随机数的分布足够均匀，以至于用尽了用于保存计数/索引的大部分存储空间，否则11/10位数字的变化不会更快。
链接到有关基数排序变化的先前线程：
合并排序“最佳情况”
对于标准合并排序，移动次数始终是相同的，但是如果数据已经排序，则仅完成比较次数的一半。
快速排序/介绍性排序“最佳情况”
快速排序的最佳情况是随机数据。使用中间值进行分区对随机数据没有太大影响，但是如果数据已经排序，则以最佳情况结束。简介排序通常涉及额外的代码，以检查递归切换到堆排序的位置是否太深。对于随机数据，这种情况不应该发生，因此检查切换到堆排序的额外代码只是额外的开销。
答案 1 :(得分：0)
在这里您可以看到最佳，平均和最差情况下各种排序算法的时间复杂度：http://bigocheatsheet.com/
当您要比较排序算法与随机数的时间复杂度时，我们可以简单地比较其平均情况下的时间复杂度。 您可以进一步研究他们的算法并分析他们的时间复杂性。
https://www.geeksforgeeks.org/merge-sort/
https://www.geeksforgeeks.org/radix-sort/
https://www.geeksforgeeks.org/heap-sort/
https://www.geeksforgeeks.org/know-your-sorting-algorithm-set-2-introsort-cs-sorting-weapon/
合并排序是在各种具有排序功能的库中广泛使用的排序算法。
合并排序按O（nlogn）时间和O（n）空间排序。
堆排序按O（nlogn）时间和O（1）空间排序。
基数排序在O（nk）时间和O（n + k）空间中进行。
简介排序按O（nlogn）时间和O（logn）空间排序。
简介排序是快速排序，插入排序和堆排序的混合。 介绍排序可能是最好的一种。
没有完美的算法，不同的算法有不同的优缺点。
注意：所有时间复杂度都是平均情况。