对于绝对最坏情况，最快的已知排序算法是什么？我不关心最好的情况，如果这很重要，我假设一个巨大的数据集。
答案 0 :(得分：17)
确保你已经看到了这个：
visualizing sort algorithms - 它帮助我决定使用什么类型的alg。
答案 1 :(得分：9)
取决于数据。例如，对于整数（或任何可以表示为整数的东西），最快的是radix sort，对于固定长度值，最坏情况复杂度为O（ n ）。最佳通用比较排序算法具有O（ n log n ）的复杂性。
答案 2 :(得分：7)
如果使用二进制比较，最好的排序算法需要完成O（N log N）比较。如果您正在寻找具有良好最差情况性能的内容，我会查看MergeSort和HeapSort，因为它们在所有情况下都是O（N log N）算法。
如果所有数据都适合内存，HeapSort很好，而MergeSort允许您更好地进行磁盘排序（但总体上需要更多空间）。
在Wikipedia排序算法页面上提到的其他不太知名的算法都具有O（n log n）最差情况性能。 （根据mmyers的评论）
答案 3 :(得分：5)
滑稽但正确： Sorting networks交易空间（以实际硬件术语表示）优于O（n log n）排序！
不使用这样的硬件（不太可能），你有一个最低comparison sorts O（n log n）的下限
如果您的数据适合它，您可以超过n log n限制，但也要关注输入数据中位的数量
Radix和Bucket可能就是最着名的例子。如果没有关于您的特定要求的更多信息，那么更深入地考虑这些要求并不富有成效。
答案 4 :(得分：2)
答案 5 :(得分：2)
如果您拥有一个巨大的数据集（即比可用内存大得多），您可能会将数据放在磁盘/磁带/某些东西上，而且需要进行外部排序。
合并排序在这种情况下效果很好;与大多数其他类别不同，它不涉及随机读/写。
答案 6 :(得分：1)
它主要与数据集的大小有关，以及该集合是否已经被排序（或者它当前处于什么顺序）。
整本书都是用搜索/排序算法编写的。假设最坏的情况，你不会找到“绝对最快”，因为不同种类的情况会有不同的情况。
答案 7 :(得分：1)
取决于尺寸，根据 Big O符号O（n）。
以下是您要比较的排序算法列表BEST AND WORST CASE。 我的偏好是2路MergeSort
答案 8 :(得分：1)
如果你有足够庞大的数据集，你可能正在考虑对单个数据库进行排序，然后使用merge-sort来合并这些数据库。但在这一点上，我们所说的数据集足够大，远远大于主存。
我想最正确的答案是“它取决于”。
答案 9 :(得分：1)
这取决于数据类型和资源类型。例如，有一些并行算法击败了Quicksort，但考虑到你如何提出问题，你不太可能访问它们。有时候，一种算法的“最坏情况”对于另一种算法来说是“最好的情况”（快速和合并几乎排序的数据是有问题的，但是使用更简单的技术会很快）。
答案 10 :(得分：0)
假设随机排序的数据，快速排序。
O（nlog n）平均情况，在最坏的情况下为O（n ^ 2），但需要高度非随机数据。
您可能想要描述数据集特征。
答案 11 :(得分：0)
有关Quicksort和Mergesort的比较，请参阅Quick Sort Vs Merge Sort，这是大多数情况下两种较好的算法。
答案 12 :(得分：0)
这一切都取决于您尝试排序的数据。不同的算法对不同的数据有不同的速度。 O（n）算法可能比O（n ^ 2）算法慢，具体取决于您正在使用的数据类型。
答案 13 :(得分：0)
我总是喜欢合并排序，因为它是稳定的（意味着如果两个元素从排序角度来看是相同的，那么它们的相对顺序是明确保留的），但是快速排序也很好。
答案 14 :(得分：0)
图灵机的最低上限是通过 merge sort 实现的，即O（n log n）。虽然在某些数据集上快速排序可能会更好。
除非您使用特殊硬件（例如硬件支持bead sort，其他非比较排序），否则不能低于O（n log n）。
答案 15 :(得分：0)
关于指定问题的重要性：基数排序可能是最快的，但只有当您的数据具有可以分解为独立小块的固定长度键时，它才可用。这限制了它在一般情况下的实用性，并解释了为什么更多人没有听说过它。
http://en.wikipedia.org/wiki/Radix_sort
P.S。这是一个O（k * n）算法，其中k是密钥的大小。