选择排序算法的标准是什么？

Question

我正在阅读排序方法，包括冒泡排序，选择排序，合并排序，堆排序，桶排序等。它们还包含时间复杂度，这有助于我们了解哪种排序是有效的。所以我有一个基本问题。如果我们包含数据，那么我们将如何选择排序。时间复杂度是帮助我们决定排序方法的参数之一。但是我们还有另一个参数来选择排序方法吗？

试图找出排序以便更好地理解。

对堆排序有一些疑问：

1. 我们在哪里使用堆排序？

2. 堆排序的更大优势是什么（时间复杂度O（n log n）除外）？

3. 堆排序的缺点是什么？

4. 什么是堆的构建时间？ （我听说O（n），但我不确定。）

5. 我们必须使用堆排序或堆排序的任何情况都是更好的选择（优先队列除外）？

6. 在对数据应用堆排序之前，我们会查看数据的参数是什么？

Answer 1

排序算法的两个主要理论特征是时间复杂度和空间复杂度。

通常，time complexity让我们知道算法的性能随着数据集大小的增加而变化。需要考虑的事项：

• 您希望排序多少数据？这将帮助您了解是否需要查找时间复杂度非常低的算法。
• 您的数据已经排序了多久？是否会对其进行部分排序？随机排序？这会影响排序算法的时间复杂度。大多数算法都会有最差和最好的情况 - 你想确保你没有在最坏情况的数据集上使用算法。
• 时间复杂度与运行时间不同。请记住，时间复杂度仅描述算法性能随数据集大小的增加而变化的方式。一直通过所有输入的算法将是O（n） - 它的性能与输入的大小线性相关。但是，总是对数据集进行两次传递的算法也是O（n） - 即使常量（和实际运行时间）不同，相关性仍然是线性的。

类似地，空间复杂性描述了算法需要运行多少空间。例如，诸如insertion sort的简单排序需要额外的固定空间量来存储当前插入的元素的值。这是O（1）的辅助空间复杂度 - 它不随输入的大小而变化。但是，merge sort在运行时会在内存中创建额外的数组，辅助空间复杂度为O（n）。这意味着它所需的额外空间量与输入的大小呈线性相关。

当然，算法设计通常需要在时间和空间之间进行权衡 - 具有低空间复杂度的算法可能需要更多时间，而时间复杂度低的算法可能需要更多空间。

有关详情，您可能会发现this tutorial有用。

---

要回答您更新的问题，您可能会发现Heap Sort上的维基百科页面很有用。

Answer 2

如果您指的是选择何种类型的排序标准，则可以考虑以下其他一些项目。

您拥有的数据量：您要分类十个，一百个，一千个或数百万个项目。

算法的复杂性：越复杂，需要做更多的测试才能确保它是正确的。对于少量，冒泡排序或快速排序很容易编码和测试，其他类型可能对您必须排序的数据量过大。

排序需要多长时间：如果你有一大套，泡泡/快速排序会花费很多时间，但如果你有很多时间，那可能不是问题。但是，使用更复杂的算法会缩短排序时间，但代价是编码和测试需要付出更多努力，如果排序从长（小时/天）到较短的时间，这可能是值得的。

数据本身：数据是否接近于一切。对于某些类型，您最终可能会得到一个线性列表，因此，如果您对数据的组成有所了解，则可能有助于确定选择哪种算法。

可用资源量：您是否有大量存储所有项目的内存，或者是否需要将项目存储到磁盘。如果一切都不能适合内存，合并排序可能是最好的，如果你使用内存中的所有内容，其他可能会更好。