Currybeefer的博客

快排3.0随机选择的一个数，与最尾巴数字交换，并以这个新的尾巴数字为基准做划分，这样就无法人为构建最差情况，这样时间复杂度就是O(nlogn)归并排序需要借助额外数组完成merge的过程所以空间复杂度为O(n)，归并排序的时间复杂度是根据master公式计算的，为O(nlogn)归并排序的时间复杂度是基于master公式算出来的，空间复杂度为O(n)，因为merge的时候需要借助额外数组完成。桶排序和之前说的排序不同，其是不是基于比较排序，时间复杂度是O(n)，不受O(nlogn)下限的影响。.......

堆排序（英语:Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。 堆排序的时间复杂度为nlogn，堆排序是一种不稳定的排序算法。 以下是堆排序的代码，思路都在注释里了，记得从下往上看。 如果还没有搞懂，点击这里进行参考 /// 大顶堆调整方法 void MaxHeapify(int arr[],int start, int end) { //start代表需要调整的节点 //end

计数排序是一个非基于比较的排序算法，该算法于1954年由 Harold H. Seward 提出。它的优势在于在对一定范围内的整数排序时，它的复杂度为Ο(n+k)（其中k是整数的范围），快于任何比较排序算法。 当然这是一种牺牲空间换取时间的做法，而且当O(k)>O(nlog(n))的时候其效率反而不如基于比较的排序（基于比较的排序的时间复杂度在理论上的下限是O(nlog(n)), 如归并排序，堆排序） 算法代码如下，原理都写在注释中了 参考文章 void CountSort(int array[],i

插入排序算法的讲解和实现 插入排序，时间复杂度为O(n),且是稳定的排序算法 动图演示: 在这里插入代码片 ``` //插入排序，时间复杂度为O(n),且是稳定的排序算法 static void InsertSort(int[] array) { //将数组分为两组，一组是已经排好序的（我们称为A组）另一组是还没有排好序的（称为B组） //在数组的刚开始，我们把数组的第一个元素array[0]将入A组，剩下的放入B组

选择排序(Selection-sort)是一种简单直观的排序算法。它的工作原理：首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕 **简单选择排序算法的时间复杂度是O（n），且是一种不稳定的算法 动图演示： 代码示例： /* * 选择排序(Selection-sort)是一种简单直观的排序算法。 * 它的工作原理：首先在未排序序列中

先挖个坑，写的不是特别详细，有时间我再来接着写 /*快速排序的平均时间复杂度是O(nlogn)，且它是一种不稳定的排序*/ /// <summary> /// 快速排序 /// </summary> /// <param name="array">要排序的数组</param> /// <param name="left">数组要排序部分的左端</param> /// <param n

冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。 冒泡排序的时间复杂度是o(n²)，是一种稳定的排序算法 /*冒泡排序的时间复杂度是o(n²)，是一种稳定的排序算法*/ static void BubbleSort(int[] array) {

1959年Shell发明，第一个突破O(n2)的排序算法，是直接插入排序的改进版。它与插入排序的不同之处在于，它会优先比较距离较远的元素。希尔排序又叫缩小增量排序。 希尔排序的大致思路是把数组的元素按照一定的间隔进行逻辑分组，分组后针对每一组进行插入排序。并且渐渐减小间隔，随着间隔的缩小，整个数组就变得越来越有序。这个间隔叫做希尔增量。 希尔排序的时间复杂度难以测算，大概是O(n^（1.3—2）)这么一个范围。希尔排序是一种不稳定的排序算法。 下面是希尔排序的代码演示，所有的注释都在代码里。 为了辅助理解

归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为2-路归并。 归并排序是一种稳定的排序算法，和选择排序一样，归并排序的性能不受输入数据的影响，但表现比选择排序好的多，因为始终都是O(nlogn）的时间复杂度。代价是需要额外的内存空间。 /// <summary> /