排序算法简介（时间频度，时间复杂度，空间复杂度）

排序算法

内部排序：直接使用内存的排序

直接插入排序，希尔排序，简单选择排序，堆排序，冒泡排序，快速排序，归并排序，基数排序

测试算法运行的时间

这里是用的是输出算法执行前的时间，和算法执行之后的时间，来查看算法实际花费的时间。

代码：

import java.text.SimpleDateFormat;
import java.util.Date;
				
				//排序前的时间输出
        Date date = new Date();
        SimpleDateFormat  simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
        String Date1 = simpleDateFormat.format(date);
        System.out.println("排序前的时间为"+Date1);
        
        //排序之后的时间的输出
        Date date_after = new Date();
        String Date2 = simpleDateFormat.format(date_after);
        System.out.println("排序前的时间为"+Date2);

时间频度

一个算法中的语句执行次数称为语句频度和时间频度，记为T（n）。

一般来说，T（n）可以忽略常数项，忽略低次项，忽略系数。

时间复杂度

1. 常数阶O（1）

   只要没有循环等复杂结构，都是O（1）。

   所消耗的时间并不会随着某个变量的增长而增长。

2. 对数阶O（log2N）

   int i = 1;
   while(i<n){
   	i = i*2;
   }
   

   这段代码就是循环log2N次，结束循环。

3. 线性阶O（n）

   for(int i = 0;i<n;i++)
   

   单层的for循环就是线性阶。

4. 线性对数阶O（nlogN）

   实际上就是对数阶循环了n遍

   for(int j = 1;j<=n;j++){
   
   int i = 1
   while(i<n){
   	i = i*2;
   }
   
   }
   

5. 平方阶O（n^ 2）

   实际上就是两个for循环嵌套

   for(i = 1;i<=n;i++){
   	for(j = 1;j<=n;j++){
   	
   	}
   }
   

常见时间复杂度排序：

O(1) < O(log2N) < O(n) < O(nlog2n) < O(n^2) < O(2^n)

算法的空间复杂度

定义为该算法所耗费的存储空间，有的算法需要占用的临时工作单元数与解决问题的规模n有关，随着n的增大，占用的存储单元也增大。

一般来说，从用户体验来说，更看重时间复杂度，一些缓存产品和算法本质上就是空间换时间。