1楼：世界文明导师
根据《算法导论（中文版）》p83**以及《算法（中文版）》部分章节版内容：
算法最坏情况运行时权间平均情况
冒泡&&插入&&选择排序 n^2n^2
快速排序n^2 n*log n
希尔排序（希尔增量） n^2 n^(1.3 - 2)
堆排序 n*log n n*log n
注：希尔排序的性能依赖于选择的增量。
快速排序法的平均时间复杂度是多少？
2楼：匿名用户
快速排序法的时间复杂度是nlogn（n×log以2为底n的对数）拓展：快速排序（quicksort）是对冒泡排序的一种改进。
快速排序由c. a. r.
hoare在1962年提出。它的基本思想是：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。
附各种排序法的时间复杂度如下：
3楼：匿名用户
平均时间复杂度是o(nlog2n).
4楼：匿名用户
平均时间复杂度o（nlogn），最坏时间复杂度o（n*n）,辅助空间o（logn）
5楼：
nlog2n
n倍以2为底n的对数。
几种常用的排序算法以及其时间复杂度
6楼：吕布是天下无敌
资料**：https://zh.wikipedia.***/wiki/排序算法
几种排序的时间复杂度
7楼：我不是他舅
冒泡排序是这样实现的：
首先将所有待排序的数字放入工作列表中。
从列表的第一个数字到倒数第二个数字，逐个检查：若某一位上的数字大于他的下一位，则将它与它的下一位交换。
重复2号步骤，直至再也不能交换。
冒泡排序的平均时间复杂度与插入排序相同，也是平方级的，但也是非常容易实现的算法。
选择排序
选择排序是这样实现的：
设数组内存放了n个待排数字，数组下标从1开始，到n结束。
i=1从数组的第i个元素开始到第n个元素，寻找最小的元素。
将上一步找到的最小元素和第i位元素交换。
如果i=n－1算法结束，否则回到第3步
选择排序的平均时间复杂度也是o(n^2)的。
各种排序的时间、空间复杂度是多少啊
8楼：匿名用户
排序算法
所谓排序，就是使一串记录，按照其中的某个或某些关键字的大小，递增或递减的排列起来的操作。
分类 在计算机科学所使用的排序算法通常被分类为：
计算的复杂度（最差、平均、和最好表现），依据串列（list）的大小（n）。一般而言，好的表现是o。(n log n)，且坏的行为是ω(n2)。
对於一个排序理想的表现是o(n)。仅使用一个抽象关键比较运算的排序算法总平均上总是至少需要ω(n log n)。
记忆体使用量（以及其他电脑资源的使用）
稳定度：稳定排序算法会依照相等的关键（换言之就是值）维持纪录的相对次序。也就是一个排序算法是稳定的，就是当有两个有相等关键的纪录r和s，且在原本的串列中r出现在s之前，在排序过的串列中r也将会是在s之前。
一般的方法：插入、交换、选择、合并等等。交换排序包含冒泡排序（bubble sort）和快速排序（quicksort）。
选择排序包含shaker排序和堆排序（heapsort）。
当相等的元素是无法分辨的，比如像是整数，稳定度并不是一个问题。然而，假设以下的数对将要以他们的第一个数字来排序。
(4, 1) (3, 1) (3, 7) (5, 6)
在这个状况下，有可能产生两种不同的结果，一个是依照相等的键值维持相对的次序，而另外一个则没有：
(3, 1) (3, 7) (4, 1) (5, 6) (维持次序)
(3, 7) (3, 1) (4, 1) (5, 6) (次序被改变)
不稳定排序算法可能会在相等的键值中改变纪录的相对次序，但是稳定排序算法从来不会如此。不稳定排序算法可以被特别地时作为稳定。作这件事情的一个方式是人工扩充键值的比较，如此在其他方面相同键值的两个物件间之比较，就会被决定使用在原先资料次序中的条目，当作一个同分决赛。
然而，要记住这种次序通常牵涉到额外的空间负担。
排列算法列表
在这个**中，n是要被排序的纪录数量以及k是不同键值的数量。
稳定的冒泡排序（bubble sort） — o(n2)
鸡尾酒排序 (cocktail sort, 双向的冒泡排序) — o(n2)
插入排序 （insertion sort）— o(n2)
桶排序 （bucket sort）— o(n); 需要 o(k) 额外 记忆体
计数排序 (counting sort) — o(n+k); 需要 o(n+k) 额外 记忆体
归并排序 （merge sort）— o(n log n); 需要 o(n) 额外记忆体
原地归并排序 — o(n2)
二叉树排序 （binary tree sort） — o(n log n); 需要 o(n) 额外记忆体
鸽巢排序 (pigeonhole sort) — o(n+k); 需要 o(k) 额外记忆体
基数排序 （radix sort）— o(n·k); 需要 o(n) 额外记忆体
gnome sort — o(n2)
library sort — o(n log n) with high probability, 需要 (1+ε)n 额外记忆体
不稳定选择排序 （selection sort）— o(n2)
希尔排序 （shell sort）— o(n log n) 如果使用最佳的现在版本
***b sort — o(n log n)
堆排序 （heapsort）— o(n log n)
**oothsort — o(n log n)
快速排序 （quicksort）— o(n log n) 期望时间, o(n2) 最坏情况; 对於大的、乱数串列一般相信是最快的已知排序
introsort — o(n log n)
patience sorting — o(n log n + k) 最外情况时间, 需要 额外的 o(n + k) 空间, 也需要找到最长的递增子序列（longest increasing subsequence）
不实用的排序算法
bogo排序 — o(n × n!) 期望时间, 无穷的最坏情况。
stupid sort — o(n3); 递回版本需要 o(n2) 额外记忆体
bead sort — o(n) or o(√n), 但需要特别的硬体
pancake sorting — o(n), 但需要特别的硬体
排序的算法
排序的算法有很多，对空间的要求及其时间效率也不尽相同。下面列出了一些常见的排序算法。这里面插入排序和冒泡排序又被称作简单排序，他们对空间的要求不高，但是时间效率却不稳定；而后面三种排序相对于简单排序对空间的要求稍高一点，但时间效率却能稳定在很高的水平。
基数排序是针对关键字在一个较小范围内的排序算法。
插入排序
冒泡排序
选择排序
快速排序
堆排序归并排序
基数排序
希尔排序
插入排序
插入排序是这样实现的：
首先新建一个空列表，用于保存已排序的有序数列（我们称之为"有序列表"）。
从原数列中取出一个数，将其插入"有序列表"中，使其仍旧保持有序状态。
重复2号步骤，直至原数列为空。
插入排序的平均时间复杂度为平方级的，效率不高，但是容易实现。它借助了"逐步扩大成果"的思想，使有序列表的长度逐渐增加，直至其长度等于原列表的长度。
冒泡排序
冒泡排序是这样实现的：
首先将所有待排序的数字放入工作列表中。
从列表的第一个数字到倒数第二个数字，逐个检查：若某一位上的数字大于他的下一位，则将它与它的下一位交换。
重复2号步骤，直至再也不能交换。
冒泡排序的平均时间复杂度与插入排序相同，也是平方级的，但也是非常容易实现的算法。
选择排序
选择排序是这样实现的：
设数组内存放了n个待排数字，数组下标从1开始，到n结束。
i=1从数组的第i个元素开始到第n个元素，寻找最小的元素。
将上一步找到的最小元素和第i位元素交换。
如果i=n－1算法结束，否则回到第3步
选择排序的平均时间复杂度也是o(n
排序算法的时间复杂度计算
9楼：匿名用户
你这个问题是自己想出来的吧？
第一，你指的时间复杂度是大o表示法的复杂度，也就是一个上界，但不是上确界，所以就算你以一种方式中断排序过程，时间复杂度还是o(n*logn)，假设排序过程还能执行的话。
第二，达到o(n*logn)的排序算法，以快速排序为例，快速排序不知道你看过没有，它不像选择排序或者冒泡排序那样，每一趟可以确定一直最大或者最小值，对于快速排序，每一趟排序后如果你删掉最后一个元素将导致整个算法失效。如果你要用这种删除元素方法的话，只能采用冒泡排序或者选择排序，时间复杂度是o(n^2)
所以，我猜想你是不是想做类似于在n个元素中寻找前k个最大者之类的事情（k=n-l）
如果是这样的话，有复杂度是o(n*logk)的算法，利用快速排序中的partition操作
经过partition后，pivot左边的序列sa都大于pivot右边的序列sb；
如果|sa|==k或者|sa|==k-1，则数组的前k个元素就是最大的前k个元素，算法终止;
如果|sa|k，则从sa中寻找前k大的元素。
一次partition(arr,begin,end)操作的复杂度为end-begin，也就是o(n)，最坏情况下一次partition操作只找到第1大的那个元素，则需要进行k次partition操作，总的复杂度为o(n*k)。平均情况下每次partition都把序列均分两半，需要logk次partition操作，总的复杂度为o(n*logk)。
由于k的上界是n，所以以n表示的总复杂度还是o(n*logn)