1楼:
二分归并排序是一种分治算法
主定理方法
符合主定理 case 2
动动你的小手点个赞。
2楼:伟大的小天同学
o(nlogn)和o(nlog2n)是一样的。。归并排序如果不借助辅助空间的话,复杂度为o(n^2),借助的话就是o(nlogn)(o(nlog2n))
3楼:
o(n * 以2为底的n的对数)。
归并排序的时间复杂度o是怎么算出来的呢
4楼:匿名用户
归并排序每次会把当前的序列一分为二,然后两部分各自排好序之后再合并,这样的话你可以手动模拟出一颗二叉树来,每一层的总计算量是o(n)的,总的层数是o(logn)的,所以总的复杂度是nlogn
关于快速排序和归并排序的时间复杂度
5楼:匿名用户
首先你说归并排序最坏的情形为o(nlogn),这是不正确的归并排序如果不借助辅助空间的话,复杂度为o(n^2),借助的话就是o(nlogn)(o(nlog2n))归并排序 平均复杂度是 o(nlogn) 比较快
快速排序快速排序的最坏情况基于每次划分对主元的选择。基本的快速排序选取第一个元素作为主元。这样在数组已经有序的情况下,每次划分将得到最坏的结果。
一种比较常见的优化方法是随机化算法,即随机选取一个元素作为主元。这种情况下虽然最坏情况仍然是o(n^2),但最坏情况不再依赖于输入数据,而是由于随机函数取值不佳。实际上,随机化快速排序得到理论最坏情况的可能性仅为1/(2^n)。
所以随机化快速排序可以对于绝大多数输入数据达到o(nlogn)的期望时间复杂度。一位前辈做出了一个精辟的总结:“随机化快速排序可以满足一个人一辈子的人品需求。
”随机化快速排序的唯一缺点在于,一旦输入数据中有很多的相同数据,随机化的效果将直接减弱。对于极限情况,即对于n个相同的数排序,随机化快速排序的时间复杂度将毫无疑问的降低到o(n^2)。解决方法是用一种方法进行扫描,使没有交换的情况下主元保留在原位置。
综合来说快速排序速度最快,时间复杂度最小。希望对你有所帮助!
归并排序的时间复杂度o(n*log n)是怎么得来的,求大神详细的讲解一下 30
6楼:碧血玉叶花
首先你说归并排序最坏的情形为o(nlogn),这是不正确的归并排序如果不借助辅助空间的话,复杂度为o(n^2),借助的话就是o(nlogn)(o(nlog2n))归并排序 平均复杂度是 o(nlogn) 比较快
快速排序快速排序的最坏情况基于每次划分对主元的选择。基本的快速排序选取第一个元素作为主元。这样在数组已经有序的情况下,每次划分将得到最坏的结果。
一种比较常见的优化方法是随机化算法,即随机选取一个元素作为主元。这种情况下虽然最坏情况仍然是o(n^2),但最坏情况不再依赖于输入数据,而是由于随机函数取值不佳。实际上,随机化快速排序得到理论最坏情况的可能性仅为1/(2^n)。
所以随机化快速排序可以对于绝大多数输入数据达到o(nlogn)的期望时间复杂度。一位前辈做出了一个精辟的总结:“随机化快速排序可以满足一个人一辈子的人品需求。
”随机化快速排序的唯一缺点在于,一旦输入数据中有很多的相同数据,随机化的效果将直接减弱。对于极限情况,即对于n个相同的数排序,随机化快速排序的时间复杂度将毫无疑问的降低到o(n^2)。解决方法是用一种方法进行扫描,使没有交换的情况下主元保留在原位置。
综合来说快速排序速度最快,时间复杂度最小。希望对你有所帮助!
7楼:汗涤袁希月
搜一下:归并排序的时间复杂度o(n*log
n)是怎么得来的,求大神详细的讲解一下
8楼:兔子s岁月
首先,你要理解两个长度为n/2的的数组做归并,这个时间复杂度是o(n)。
然后,因为归并排序要不断的把原来数组分成两份,这个递归的过程是o(logn)。比如说你想要排序的数组长度为8,然后不断一的一分为二,就是8——>4——>2——>1。一共拆了3次,2^3 = 8,或者3是以二为底的8的对数。
log就是这样来的。
然后两个再相乘,时间复杂度了就是o(nlogn)了。
归并排序分解子问题的时间复杂度为什么是θ(1)?
9楼:匿名用户
例如来6 5 4 7 3 8 10 2
会分成6 5 4 7和3 8 10 2
6 5 4 7又分源成6 5 和4 7
3 8 10 2又分成 3 8 和10 2然后对两个长度的序列进行排序
变成 5 6 4 7 3 8 2 10
根据划分的结果
对5 6和4 7进行归并 对3 8和2 10也进行归并变成 4 5 6 7和2 3 8 10
在对这两个序列归并,变成2 3 4 5 6 7 8 10显然要归并lgn次
应该是对的
归并排序c++时间复杂度怎么算
10楼:听不清啊
归并排序的时间复杂度为o(nlog2n)
二分法插入排序 快速排序 归并排序 堆排序 的时间复杂度分别是多少?
11楼:carry_小小
二分法插入排序 复杂度 o(nlogn)
快速排序 o(nlogn) 有可能退化归并排序 o(nlogn) 比较快
堆排序 o(nlogn)最稳定的
12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)的。 快速排序 现在开始,我们要接触高效排序算法了。
实践证明,快速排序是所有排序算法中最高效的一种。它采用了分治的思想:先保证列表的前半部分都小于后半部分,然后分别对前半部分和后半部分排序,这样整个列表就有序了。
这是一种先进的思想,也是它高效的原因。因为在排序算法中,算法的高效与否与列表中数字间的比较次数有直接的关系,而"保证列表的前半部分都小于后半部分"就使得前半部分的任何一个数从此以后都不再跟后半部分的数进行比较了,大大减少了数字间不必要的比较。但查找数据得另当别论了。
堆排序 堆排序与前面的算法都不同,它是这样的: 首先新建一个空列表,作用与插入排序中的"有序列表"相同。 找到数列中最大的数字,将其加在"有序列表"的末尾,并将其从原数列中删除。
重复2号步骤,直至原数列为空。 堆排序的平均时间复杂度为nlogn,效率高(因为有堆这种数据结构以及它奇妙的特征,使得"找到数列中最大的数字"这样的操作只需要o(1)的时间复杂度,维护需要logn的时间复杂度),但是实现相对复杂(可以说是这里7种算法中比较难实现的)。 看起来似乎堆排序与插入排序有些相像,但他们其实是本质不同的算法。
至少,他们的时间复杂度差了一个数量级,一个是平方级的,一个是对数级的。 平均时间复杂度 插入排序 o(n2) 冒泡排序 o(n2) 选择排序 o(n2) 快速排序 o(n log n) 堆排序 o(n log n) 归并排序 o(n log n) 基数排序 o(n) 希尔排序 o(n1.25)
各种排序法的时间复杂度到底多少,各种排序法的时间复杂度到底多少 10
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 2 n 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...
数据结构中各种排序的时间复杂度与空间复杂度比较
1楼 匿名用户 冒泡排序 是稳定的,算法时间复杂度是o n 2 。 2 2 选择排序 selection sort 选择排序的基本思想是对待排序的记录序列进行n 1遍的处理,第i遍处理是将l i n 中最小者与l i 交换位置。这样,经过i遍处理之后,前i个记录的位置已经是正确的了。 选择排序是不稳...
直接选择排序算法在最好情况下的时间复杂度为多少
1楼 q给你毛起 关键字比较次数永远是n n 1 2,记录移动次数最多为3 n 1 ,最少0次,前者起主导作用,因此实际上时间复杂度还是o n 2 。 在直接选择排序中,共需要进行n 1次选择和交换,每次选择需要进行 n i 次比较 1 i n 1 而每次交换最多需要3次移动,因此,总的比较次数c ...