Arrays 我们如何根据两种排序算法的运行时性能在它们之间切换？

我正试图写一个程序，将采取一个输入数组作为输入，并将其排序。 排序将如下所示：

---

程序将开始使用下面提到的任何排序算法对数组的前20%进行排序。如果在20%之后，程序确定排序算法占用最坏情况时间，则程序将切换到其他排序算法，并继续使用该排序算法对数组进行排序。 我在这里面临的问题是如何知道排序算法是否占用了最坏的时间

我将使用的排序算法有：

快速排序， 合并排序， 荞麦

任何形式的帮助都会非常感激。

您所说的“排序数组的前20%”是什么意思

我认为，无论您的意思是什么，都需要首先拥有数组的排序版本，以便您可以检查数组的排序程度。那么，如何在不必首先对数组进行排序的情况下得到排序后的版本呢？这就像鸡和蛋的问题

回到你的主要问题，据我记忆所及，大多数排序算法都根据复制操作的数量来分析其运行时复杂性。例如，插入排序需要许多复制操作，因为当需要在正确的位置插入图元时，必须移动图元。根据交换操作的数量分析其他算法，交换操作也可以分解为3个复制操作

但是，正如我上面提到的，我不知道如何将数组定义为x%已排序，也不知道如何在没有先排序数组的情况下测量这样的排序级别。

你所说的“排序数组的前20%”是什么意思

我认为，无论您的意思是什么，都需要首先拥有数组的排序版本，以便您可以检查数组的排序程度。那么，如何在不必首先对数组进行排序的情况下得到排序后的版本呢？这就像鸡和蛋的问题

回到你的主要问题，据我记忆所及，大多数排序算法都根据复制操作的数量来分析其运行时复杂性。例如，插入排序需要许多复制操作，因为当需要在正确的位置插入图元时，必须移动图元。根据交换操作的数量分析其他算法，交换操作也可以分解为3个复制操作

---

但是，正如我上面提到的，我不知道如何将数组定义为x%排序，也不知道如何在没有排序数组的情况下测量排序级别。

使用堆排序最坏情况下的时间复杂度nlogn和常量空间

使用堆排序最坏情况时间复杂度nlogn和常量空间

首先，快速排序是数组的首选算法，而合并是列表的首选算法，主要是因为合并排序需要O（N）个额外内存

解决这个问题的一个方法可能是首先进行快速排序，然后每次拆分时，首先检查数组中有多少不同的元素。如果该数字相对较小，则执行bucketsort，否则继续快速排序

要找到阈值，可以对不同长度和分布的随机数组进行大量测试，并比较快速排序和桶排序的性能。在制作测试阵列时，尽量模拟您的使用场景。这样，您就可以在一定程度上错误地确定数组中不同元素数量的阈值

---

在大多数情况下，我使用了1000个不同元素的阈值，但是这取决于您的使用场景，因此执行测试是最好的选择。

首先，快速排序是数组的首选算法，而合并是列表的首选算法，主要是因为mergesort需要O（N）个额外内存

解决这个问题的一个方法可能是首先进行快速排序，然后每次拆分时，首先检查数组中有多少不同的元素。如果该数字相对较小，则执行bucketsort，否则继续快速排序

要找到阈值，可以对不同长度和分布的随机数组进行大量测试，并比较快速排序和桶排序的性能。在制作测试阵列时，尽量模拟您的使用场景。这样，您就可以在一定程度上错误地确定数组中不同元素数量的阈值

---

在大多数情况下，我使用了1000个不同元素的阈值，但是这取决于您的使用场景，因此执行测试是最好的选择。

查找“introsort”。对于bucket sort，您可以查找元素在各个bucket中的分布。对于快速排序，您可以在分区步骤之后查看轴的位置。合并排序的最坏情况复杂度与其平均复杂度相同，因此它实际上不适合作为这种混合方法中的第一个算法。计算反转数只需要一次线性过程。查找“introsort”。对于bucket sort，您可以查找元素在bucket中的分布。对于快速排序，您可以在分区步骤之后查看轴的位置。合并排序的最坏情况复杂度与其平均复杂度相同，因此它并不适合作为此混合方法中的第一个算法。计算反转数只需一次线性过程。感谢您的建议。我计划随机选择第一个算法，一旦算法对数组的前20%进行排序，我就有了时间复杂度和执行时间。现在我被困在这里，因为我无法将时间复杂度与实际执行时间进行比较，从而切换到其他算法。感谢您的建议。我计划随机选择第一个算法，一旦算法对数组的前20%进行排序，我就有了时间复杂度