认识达内从这里开始

我们在前几期的文章中给大家简单介绍了程序员需要学习和掌握的算法类型都有哪些等内容，而本文我们就继续来了解一下，选择排序算法的方法都有哪些。

执行效率

对于排序算法执行效率的分析，不仅仅只是简简单单的一个时间复杂度。

还需要从以下方面进行分析：

好情况、坏情况、平均情况时间复杂度。对于排序算法来说，有序度不同的数据，对于排序的执行时间有一定的影响，从多个方面分析时间复杂度会更加准确

时间复杂度的系数、常数、低阶。在实际开发中，大多是对一些规模较小的数据进行排序，实际运行速度是非常快的，这时候也可以把系数、常数、低阶考虑进来

比较次数或交换(移动)次数。常见的排序算法都是基于比较的，这时候会涉及到元素比较大小和元素交换或移动，这时候比较次数和交换次数也会影响到执行效率

内存消耗

在算法中，内存消耗基本上通过空间复杂度来衡量。

但是，在排序算法中，会有一个新的概念用来衡量内存消耗，即原地排序。原地排序算法特指不需要另外空间存储的排序算法，空间复杂度能达到O(1)。

稳定性

针对排序算法，还有稳定性这样一个重要的度量指标。

这个概念是指，如果待排序的序列中存在值相等的元素，经过排序之后，相等元素之间原有的先后顺序不变。

常见排序算法

常见的排序算法有很多，这里列出10种排序算法作比较。而这10种常见的排序算法会根据是否进行比较分为两种：

比较类排序：冒泡排序、选择排序、插入排序、希尔排序、堆排序、快速排序、归并排序

非比较排序：计数排序、桶排序、基数排序

如何选择合适的排序算法?

选择依据

在实际开发的时候，并不是时间复杂度低的排序算法就能适用于任何场景。

比如说，计数排序算法适用于较集中的小范围整数序列，桶排序算法适用于容易划分为桶的均匀整数序列，计数排序适用于可划分为具有递进关系的“位”的整数序列。

一般来说，对于小规模的数据进行排序时，可以选择时间复杂度是O(n2)的排序算法;对于大规模的数据进行排序时，需要选择时间复杂度是O(nlog⁡n)的排序算法;对于非比较类排序算法，主要应用于特定的场景。

这样选择的原因是，时间复杂度为O(n2)的排序算法会比O(nlog⁡n)的排序算法的效率低，一般指的都是时间复杂度在没有系数、常数、低阶介入比较的情况，当真正使用的时候，这些是不可避免的。

因此，在实际使用时，有些时候O(n2)的排序算法也会比O(nlog⁡n)的排序算法的效率高。

通常，为了兼顾任意规模数据的排序，在一个方法中会使用到多种排序算法。

排序实现-Glibc

例如Glibc的qsort()函数，数据量较小时会优先使用归并排序算法来对输入数据排序，当数据量比较大时，qsort()会改用快速排序算法来排序。

在归并排序中，每个元素小于32时，会直接进行归并排序;当有元素大于32时，则先将元素的指针拷贝到临时空间，再使用归并排序对指针进行排序。

在快排过程中，元素个数小于等于4个时候，会使用插入排序代替快速排序。

排序实现-Java

例如JDK8中Arrays.sort()的底层实现，也根据不同的情况使用到多种排序算法。

对于元素个数小于47的序列，使用的是插入排序算法;对于元素个数大于47而小于286的序列，使用的则是快速排序算法。

而对于超过286个元素的序列，还会判断这个序列是否结构化(数据是否时升时降)，结构化的序列会使用归并排序算法，而非结构化的序列仍然会使用快速排序算法。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销，赚更多好礼。