Algorithm 当数据项是传入的而不是已经存在时比较排序算法
我在算法方面处于中级水平。最近，当我比较不同的排序算法时，这件事一直困扰着我 当数据是传入的而不是已经存在时，如何比较不同的排序算法 我自己也比较了一些，但不太确定这是否是正确的方法 插入排序：顾名思义，它为O（n^2）复杂性问题提供了一个很好的解决方案 堆排序：技术是为推送的每个数据项构建堆。它对应于一个具有O（logn）复杂性的筛选操作，然后将第一个元素与最后一个元素交换，并使用Heapify恢复堆属性。Heapify又是O（logn），所以总体复杂度是O（nlogn logn）。但是如果我们已经有了所有的数据项，那么它只是O（nlogn），因为我们在构建堆之后只对数据项执行Heapify操作 选择排序：排序前需要所有数据项，因此我假设使用选择排序无法解决我们的问题 树排序：此技术的主要步骤是构建最坏情况时间复杂度为O（n^2）的树。然后按顺序遍历就可以了 我对其他算法不是很确定 我发布这个问题是因为我想完全掌握这些排序技术。Algorithm 当数据项是传入的而不是已经存在时比较排序算法,algorithm,sorting,complexity-theory,Algorithm,Sorting,Complexity Theory,我在算法方面处于中级水平。最近，当我比较不同的排序算法时，这件事一直困扰着我 当数据是传入的而不是已经存在时，如何比较不同的排序算法 我自己也比较了一些，但不太确定这是否是正确的方法 插入排序：顾名思义，它为O（n^2）复杂性问题提供了一个很好的解决方案 堆排序：技术是为推送的每个数据项构建堆。它对应于一个具有O（logn）复杂性的筛选操作，然后将第一个元素与最后一个元素交换，并使用Heapify恢复堆属性。Heapify又是O（logn），所以总体复杂度是O（nlogn logn）。但是如果我
如果你发现我的问题或比较中有任何不一致之处，请原谅 插入排序：顾名思义，它为O（n^2）复杂度问题提供了一个很好的解决方案 我同意，不管是哪种情况，都不是那么好 堆排序：该技术是为推送的每个数据项构建堆。它对应于一个具有O（logn）复杂性的筛选操作，然后将第一个元素与最后一个元素交换，并使用Heapify恢复堆属性。Heapify又是O（logn），所以总体复杂度是O（nlogn logn）。但是如果我们已经有了所有的数据项，那么它只是O（nlogn），因为我们在构建堆之后只对数据项执行Heapify操作 您可以使用最小堆二叉树来实现这一点，但如果您使用的是数组，这可能会很困难 选择排序：排序之前需要所有数据项，因此我假设使用选择排序无法解决我们的问题 这两种情况都很糟糕 树排序：该技术的主要步骤是构建最坏情况时间复杂度为O（n^2）的树。然后按顺序遍历就可以了 O（nlogn）如果使用基数排序。请参阅关于数组的堆排序注释 其他类别：
计数排序：如果你事先不知道数据，那就太糟糕了。因为你真的不知道在手之前你需要多少空间 基数排序：仍然令人惊讶，将是两种情况下最好的排序算法。特别是当你用字节排序的时候。您所要做的就是在数据输入时输入柱状图，然后将其存储到临时链接列表中。然后再进行基数排序
Bucket排序：可以任意选择，比计数排序好得多，不如基数排序。插入排序：顾名思义，它为O（n^2）复杂度问题提供了一个很好的解决方案 我同意，不管是哪种情况，都不是那么好 堆排序：该技术是为推送的每个数据项构建堆。它对应于一个具有O（logn）复杂性的筛选操作，然后将第一个元素与最后一个元素交换，并使用Heapify恢复堆属性。Heapify又是O（logn），所以总体复杂度是O（nlogn logn）。但是如果我们已经有了所有的数据项，那么它只是O（nlogn），因为我们在构建堆之后只对数据项执行Heapify操作 您可以使用最小堆二叉树来实现这一点，但如果您使用的是数组，这可能会很困难 选择排序：排序之前需要所有数据项，因此我假设使用选择排序无法解决我们的问题 这两种情况都很糟糕 树排序：该技术的主要步骤是构建最坏情况时间复杂度为O（n^2）的树。然后按顺序遍历就可以了 O（nlogn）如果使用基数排序。请参阅关于数组的堆排序注释 其他类别：
计数排序：如果你事先不知道数据，那就太糟糕了。因为你真的不知道在手之前你需要多少空间 基数排序：仍然令人惊讶，将是两种情况下最好的排序算法。特别是当你用字节排序的时候。您所要做的就是在数据输入时输入柱状图，然后将其存储到临时链接列表中。然后再进行基数排序
Bucket排序：可以任意选择，比计数排序好得多，不如基数排序好。一次一个项目构建一个堆不会增加任何额外的复杂性（而且您的
O（n log n log n）