我正在阅读此页面https://www.toptal.com/developers/sorting-algorithms，他们想要关注的重点之一是：
“表明最坏情况的渐近行为并不总是选择算法的决定因素。”
但是我相信它是决定性的，因为根据数组的长度，一种排序可能比另一种更好，并且它的渐近线以图形方式显示了这一点。你怎么看？谢谢
【问题讨论】：
标签： algorithm sorting complexity-theory
通常，对于某些问题，一种算法通常比另一种算法快，但最坏的情况却是渐近地慢。具体来说，对于您正在处理的特定数据，一种算法可能会更快，即使在最坏的情况下它会逐渐变慢。在某些情况下，内存使用也可能是一个问题。一个很好的例子是快速排序与归并排序。它们的平均运行时间都是 O(n log n)，但快速排序通常更快。然而，在最坏的情况下，快速排序的运行时间为 O(n^2)。此外，归并排序传统上需要 O(n) 的额外内存。有一个就地变体，但我认为它要慢得多。另一个考虑因素是合并排序更容易并行化。
总之，算法的选择取决于您正在处理的数据、多线程容量和内存使用情况。
【讨论】：
以哈希表为例。通常它们非常快，并且插入、查找、删除应该在恒定时间内工作，这很棒。这就是为什么每个人都使用它们。但是最坏的情况是，每个元素的哈希值都是相同的，然后运行时会变得更糟。有一些方法可以最大限度地减少损坏，例如 Cuckoo 哈希等，但在最坏的情况下，哈希表的运行时间或内存消耗会比其他数据结构更差。通常，您不会选择 Hashtable，因为它们的最坏情况渐近运行时，因为它不太可能发生。
编辑：对不起，我错过了这个问题是关于算法而不是一般的运行时复杂性。但我只需要一个小改动：假设您想要一个算法来查找数组中的所有重复项。您可以将所有元素插入 HashSet。如果你有一个好的散列函数，通常只有当你的元素相同时才会发生冲突。所以你会有 O(n) 运行时。但是如果你得到很多误报，其中元素具有相同的哈希值，即使它们不同，你的 findDuplicates 算法将占用二次运行时间。同样，这些碰撞不太可能发生，因此您可能无论如何都会采用这种方法。
【讨论】：
在现实世界中，K 和 M 也是一个主要因素，例如动画没有考虑这些因素。 K是算法中的常数因子，M是内存消耗。
这就是 Quicksort 主要在所有地方使用的原因，因为它们不仅具有良好的平均值，而且平均值的 K&M 非常低。
但是你必须减轻最坏情况仍然很糟糕的问题，使用像Introsort 这样的后备算法，如果递归太深，或者当值的数量变少时回退到堆排序切换到插入排序。
【讨论】：