选择排序算法的标准是什么？答案

【问题标题】：What are the criteria for choosing a sorting algorithm?选择排序算法的标准是什么？
【发布时间】：2012-03-21 03:05:19
【问题描述】：

我正在阅读排序方法，包括冒泡排序、选择排序、归并排序、堆排序、桶排序等。它们还包含时间复杂度，可以帮助我们了解哪种排序是有效的。所以我有一个基本的问题。如果我们包含数据，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。但是我们是否有另一个参数来选择排序方法？

只是想弄清楚排序以便更好地理解。

对堆排序有一些疑问：

我们在哪里使用堆排序？
堆排序的更大优势是什么（除了时间复杂度 O(n log n)）？
堆排序有什么缺点？
堆的构建时间是多少？（我听说过 O(n) 但我不确定。）
我们必须使用堆排序或堆排序的任何场景都是更好的选择（优先级队列除外）？
在对数据应用堆排序之前，我们将查看哪些参数？

【问题讨论】：

“如果我们包含数据”是什么意思？您是在问如何为特定数据集选择排序方法？
您尚未接受您之前问题的任何答案。这会让很多人无法帮助你。
您的问题是否更好地表达为选择排序算法的标准是什么？如果是，请编辑Q标题。
您更新的问题看起来很像家庭作业，所以我给了您一个链接，可能对我的回答有所帮助。如果是作业，可以加homework标签吗？如果没有，您可能想稍微缩小您的问题范围。
好读：Criteria for choosing a sorting algorithm

标签： c++ data-structures

【解决方案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。

一般来说，time complexity 让我们知道算法的性能如何随着数据集大小的增加而变化。需要考虑的事项：

您希望对多少数据进行排序？这将帮助您了解是否需要寻找时间复杂度非常低的算法。
您的数据已经排序到什么程度了？ 会部分排序吗？随机排序？这会影响排序算法的时间复杂度。大多数算法都有最坏和最好的情况 - 您要确保您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的性能如何随着数据集大小的增加而变化。总是对所有输入进行一次传递的算法将是 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遍历的算法也是 O(n) - 即使常数（和实际运行时间）不同，相关性仍然是线性的。

同样，空间复杂度描述了算法需要运行多少空间。例如，insertion sort 之类的简单排序需要额外的固定空间来存储当前插入的元素的值。这是 O(1) 的辅助空间复杂度——它不会随着输入的大小而改变。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)。这意味着它需要的额外空间量与输入的大小呈线性相关。

当然，算法设计往往是时间和空间之间的权衡——空间复杂度低的算法可能需要更多的时间，时间复杂度低的算法可能需要更多的空间。

如需更多信息，您可能会发现this tutorial 很有用。

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。

【讨论】：

【解决方案2】：

如果您的意思是选择哪种类型的标准，这里还有一些其他需要考虑的项目。

您拥有的数据量：您有十个、一百个、一千个或数百万个要排序的项目。

算法的复杂性：越复杂，需要进行越多的测试以确保其正确性。对于少量数据，冒泡排序或快速排序很容易编码和测试，而其他排序可能对您必须排序的数据量来说太过分了。

排序需要多少时间：如果您有一个大集合，冒泡/快速排序将需要很多时间，但如果您有很多时间，这可能不是问题。然而，使用更复杂的算法将减少排序时间，但代价是编码和测试方面的更多努力，如果排序时间从长（几小时/天）缩短到更短的时间，这可能是值得的。

数据本身：数据是否接近于所有事物的相同。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，它可能有助于确定为该工作选择哪种算法。

可用资源的数量：您是否有大量内存用于存储所有项目，或者您是否需要将项目存储到磁盘。如果所有内容都无法放入内存，则合并排序可能是最好的，如果您使用内存中的所有内容，其他可能会更好。

【讨论】：