Algorithm 为什么冒泡、插入和选择排序具有相同的大O？

正如标题所问，为什么插入、冒泡和选择排序具有相同的大o？在我的算法课程中，我们已经介绍了四种算法——上面的算法和合并排序，为什么还要使用上面的任何一种算法来代替合并排序？

虽然它们是不同的算法，但它们具有相同的渐近复杂性，因为在某种程度上，每种算法都会通过一个长度为n的列表进行两次遍历。关键是Big-O是最坏情况下的性能度量。在最坏的情况下，插入排序是O（n^2），但在最好的情况下，当列表已经排序时，它将变成O（n）。不同的排序算法具有不同的优势，需要超出big-o复杂性的分析

---

也就是说，使用nlog（n）排序几乎总是更好的，而泡泡排序的主要功能可能是向人们介绍排序算法的概念

虽然它们是不同的算法，但它们具有相同的渐近复杂性，因为在某种程度上，每个算法通过长度为n的列表进行两次传递。关键是Big-O是最坏情况下的性能度量。在最坏的情况下，插入排序是O（n^2），但在最好的情况下，当列表已经排序时，它将变成O（n）。不同的排序算法具有不同的优势，需要超出big-o复杂性的分析

---

也就是说，使用nlog（n）排序几乎总是更好的，而泡泡排序的主要功能可能是向人们介绍排序算法的概念

尽管一些排序算法（如冒泡排序）对于大量项目来说非常慢，但当您只有少量项目时，它们非常快，部分原因是它们非常简单。当项目已接近正确位置时，气泡排序或插入排序也很有用。通常情况下，一个好的排序算法会使用一种技术将项目按课程规模进行排序，然后使用另一种算法进行精细排序。

尽管一些排序算法（如气泡排序）对于大量项目非常慢，但当您只有少量项目时，它们非常快，部分原因是它们太简单了。当项目已接近正确位置时，气泡排序或插入排序也很有用。通常情况下，一个好的排序算法会使用一种技术将项目按课程规模进行排序，然后使用另一种算法进行精细规模排序。

这是这里常见的问题之一。Big-O表示法是一种测量算法理论界的方法，在最佳情况下，你可以得到常数时间O（1），即使这种情况很少发生，因此是最佳情况。这三种算法具有相同的大O的原因是它们都以相同的方式处理排序问题，具有相同的大O并不意味着这些算法在工作方式上是完全等效的，即使过程是相似的。从纯学术的角度来看，教授这些课程的原因是为了让你能够从历史中学习，而不是认为你提出泡沫排序法会“震惊世界”。它还用于显示看似简单的概念，即排序，如何被证明比“幼稚”方法产生的问题复杂得多。

这是这里常见的问题之一。Big-O表示法是一种测量算法理论界的方法，在最佳情况下，你可以得到常数时间O（1），即使这种情况很少发生，因此是最佳情况。这三种算法具有相同的大O的原因是它们都以相同的方式处理排序问题，具有相同的大O并不意味着这些算法在工作方式上是完全等效的，即使过程是相似的。从纯学术的角度来看，教授这些课程的原因是为了让你能够从历史中学习，而不是认为你提出泡沫排序法会“震惊世界”。它还用于显示看似简单的概念，即排序，如何被证明比“幼稚”方法产生的结果要复杂得多。

我不确定您对这个问题的理解。你想知道这些算法有什么共同点使得它们都具有相同的复杂性，或者你想知道为什么复杂性不是其他东西？你在这里问了两个不同的问题1）为什么冒泡、插入和选择是O（n^2）和2）它们的有效用例是什么？在你自己研究之后，单独询问这些问题。投票结束时过于宽泛。我不确定你对这个问题的理解。你想知道这些算法有什么共同点使得它们都具有相同的复杂性，或者你想知道为什么复杂性不是其他东西？你在这里问了两个不同的问题1）为什么冒泡、插入和选择是O（n^2）和2）它们的有效用例是什么？在你自己研究之后，单独询问这些问题。投票结束时的范围太广。非常好的措辞和放置，谢谢。非常好的措辞和放置，谢谢。实际上，插入/选择排序在实践中非常有用，可以在对“小”数组进行排序时使用，作为递归O（logn）排序的基本情况，因为一旦n变得足够小，当n可以放入本地缓存时，它们实际上会更快（当N较小时）可以使用插入排序。TimSort中使用了类似的思想，即N logn，直到N变小，然后切换N^2算法。实际上，插入/选择排序在实践中非常有用，在对“小”数组进行排序时用作递归O（logn）的基本情况排序，因为当n变得足够小时，当n可以放入本地缓存时（w