Algorithm 我在什么情况下使用这些排序算法？

我知道大多数算法的实现，但我不知道使用它们的数据集大小（以及包含的数据）：

合并排序

气泡排序（我知道，不经常）

快速排序

插入排序

选择排序

基数排序

使用与数组大小相等的额外空间不是问题

仅在非常小的数据集上

如果需要就地排序，则不需要稳定排序

仅在非常小的数据集上，或者如果数组已经被排序的概率很高

仅在非常小的数据集上

当值与项目数比率的范围较小时（建议进行实验）

---

请注意，对于子数组非常小的子例程部分，通常合并或快速排序实现使用插入排序。

首先，将所有具有

O（n2）

复杂性的排序算法丢弃

然后，您必须研究排序算法的一些特性，并确定它们中的每一个是否更适合您要解决的问题。最重要的是：

算法到位了吗？这意味着排序算法不使用任何（

O（1）

实际上）额外内存。在运行内存关键型应用程序时，这种适当性非常重要

冒号排序、插入排序和选择排序使用恒定内存。 合并排序也有一个就地变量

算法稳定吗？这意味着，如果给定比较方法，两个元素

x

和

y

相等，并且在输入中

x

在

y

之前，那么在输出中

x

将在

y

之前找到

合并排序、冒泡排序和插入排序是稳定的

算法可以并行化吗？如果您正在构建的应用程序可以使用并行计算，您可能希望选择可并行化的排序算法

---

更多信息。

仅当要排序的数据存储在转鼓存储器中时，才使用气泡排序。它是用于该目的的最佳选择，但不是用于随机访问内存。如今，这相当于“不要使用冒泡排序”

使用“插入排序”或“选择排序”，使其达到您通过与其他可用排序进行比较来确定的大小。这通常是约20-30个项目，但YMMV。特别是，在实现诸如合并排序和快速排序之类的分治排序时，当当前数据块足够小时，应该“突破”到插入排序或选择排序

还可以对几乎已排序的数据使用插入排序，例如，如果您不知何故知道您的数据曾经被排序过，并且此后没有太大变化

在需要稳定排序时使用合并排序（在对链表排序时也很好），注意数组会占用大量额外内存

通常，您根本不使用“普通”快速排序，因为即使使用智能选择的枢轴，它仍然有

Omega（n^2）

最坏情况，但与插入排序不同，它没有任何有用的最佳情况。“杀手”案例可以系统地构建，因此，如果您对“不受信任”的数据进行排序，则某些用户可能会故意破坏您的性能，而且可能存在某些特定领域的原因，导致您的数据接近杀手案例。如果你选择随机支点，那么致命病例的概率可以忽略不计，所以这是一种选择，但通常的方法是“IntroSort”——一种检测坏病例并切换到HeapSort的快速排序

基数排序有点奇怪。很难找到最适合的常见问题，但它对固定宽度数据有很好的渐近极限（

O（n）

，其中比较排序是

Omega（n logn）

）。如果您的数据是固定宽度的，并且输入大于可能值的数量（例如，超过40亿个32位整数），则开始有可能使用各种基数排序