复杂度为nlogn的排序算法（快速排序的复杂度怎么算，是多少）

本文目录

• 快速排序的复杂度怎么算，是多少
• 快速排序的时间复杂度
• 二路归并排序时间复杂度
• 以下哪个排序算法的最坏时间复杂度是O（nlogn）
• 堆排序的时间复杂度
• 快速排序法的平均时间复杂度是多少
• 以下哪个排序算法的最坏时间复杂度是O（nlogn）

快速排序的复杂度怎么算，是多少

这个，我确实一点也不懂，帮你搜索。
1.
快速排序-时空复杂度：
快速排序每次将待排序数组分为两个部分，在理想状况下，每一次都将待排序数组划分成等长两个部分，则需要logn次划分。
而在最坏情况下，即数组已经有序或大致有序的情况下，每次划分只能减少一个元素，快速排序将不幸退化为冒泡排序，所以快速排序时间复杂度下界为O(nlogn)，最坏情况为O(n^2)。在实际应用中，快速排序的平均时间复杂度为O(nlogn)。
快速排序在对序列的操作过程中只需花费常数级的空间。空间复杂度S(1)。
但需要注意递归栈上需要花费最少logn最多n的空间。
2.快速排序-随机化算法：
快速排序的实现需要消耗递归栈的空间，而大多数情况下都会通过使用系统递归栈来完成递归求解。在元素数量较大时，对系统栈的频繁存取会影响到排序的效率。
一种常见的办法是设置一个阈值，在每次递归求解中，如果元素总数不足这个阈值，则放弃快速排序，调用一个简单的排序过程完成该子序列的排序。这样的方法减少了对系统递归栈的频繁存取，节省了时间的消费。
一般的经验表明，阈值取一个较小的值，排序算法采用选择、插入等紧凑、简洁的排序。一个可以参考的具体方案：阈值T=10，排序算法用选择排序。
阈值不要太大，否则省下的存取系统栈的时间，将会被简单排序算法较多的时间花费所抵消。
另一个可以参考的方法，是自行建栈模拟递归过程。但实际经验表明，收效明显不如设置阈值。
3.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。
4.设要排序的数组是A，首先任意选取一个数据（通常选用第一个数据）作为关键数据，然后将所有比它小的数都放到它前面，所有比它大的数都放到它后面，这个过程称为一趟快速排序。一趟快速排序的算法是：
1）设置两个变量I、J，排序开始的时候：I=0，J=N-1；
2）以第一个数组元素作为关键数据，赋值给key，即 key=A；
3）从J开始向前搜索，即由后开始向前搜索（J=J-1），找到第一个小于key的值A交换；
4）从I开始向后搜索，即由前开始向后搜索（I=I+1），找到第一个大于key的A交换；
5）重复第3、4、5步，直到 I=J； (3,4步是在程序中没找到时候j=j-1，i=i+1。找到并交换的时候i， j指针位置不变。另外当i=j这过程一定正好是i+或j+完成的最后另循环结束)
例如：待排序的数组A的值分别是：（初始关键数据：X=49） 注意关键X永远不变，永远是和X进行比较，无论在什么位子，最后的目的就是把X放在中间，小的放前面大的放后面。
A：
49 38 65 97 76 13 27
进行第一次交换后： 27 38 65 97 76 13 49
( 按照算法的第三步从后面开始找)
进行第二次交换后： 27 38 49 97 76 13 65
( 按照算法的第四步从前面开始找》X的值，65》49,两者交换，此时：I=3 )
进行第三次交换后： 27 38 13 97 76 49 65
( 按照算法的第五步将又一次执行算法的第三步从后开始找
进行第四次交换后： 27 38 13 49 76 97 65
( 按照算法的第四步从前面开始找大于X的值，97》49,两者交换，此时：I=4,J=6 )
此时再执行第三步的时候就发现I=J，从而结束一趟快速排序，那么经过一趟快速排序之后的结果是：27 38 13 49 76 97 65，即所以大于49的数全部在49的后面，所以小于49的数全部在49的前面。
快速排序就是递归调用此过程——在以49为中点分割这个数据序列，分别对前面一部分和后面一部分进行类似的快速排序，从而完成全部数据序列的快速排序，最

快速排序的时间复杂度

• 快排的平均时间为：T(n) = k*n*lnn
  时间复杂度为：O(n*logn)

• 1.
  快速排序-时空复杂度：
  快速排序每次将待排序数组分为两个部分，在理想状况下，每一次都将待排序数组划分成等长两个部分，则需要logn次划分。
  而在最坏情况下，即数组已经有序或大致有序的情况下，每次划分只能减少一个元素，快速排序将不幸退化为冒泡排序，所以快速排序时间复杂度下界为O(nlogn)，最坏情况为O(n^2)。在实际应用中，快速排序的平均时间复杂度为O(nlogn)。
  快速排序在对序列的操作过程中只需花费常数级的空间。空间复杂度S(1)。
  但需要注意递归栈上需要花费最少logn最多n的空间。
  2.快速排序-随机化算法：
  快速排序的实现需要消耗递归栈的空间，而大多数情况下都会通过使用系统递归栈来完成递归求解。在元素数量较大时，对系统栈的频繁存取会影响到排序的效率。
  一种常见的办法是设置一个阈值，在每次递归求解中，如果元素总数不足这个阈值，则放弃快速排序，调用一个简单的排序过程完成该子序列的排序。这样的方法减少了对系统递归栈的频繁存取，节省了时间的消费。
  一般的经验表明，阈值取一个较小的值，排序算法采用选择、插入等紧凑、简洁的排序。一个可以参考的具体方案：阈值T=10，排序算法用选择排序。
  阈值不要太大，否则省下的存取系统栈的时间，将会被简单排序算法较多的时间花费所抵消。
  另一个可以参考的方法，是自行建栈模拟递归过程。但实际经验表明，收效明显不如设置阈值。
  3.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。
  4.设要排序的数组是A，首先任意选取一个数据（通常选用第一个数据）作为关键数据，然后将所有比它小的数都放到它前面，所有比它大的数都放到它后面，这个过程称为一趟快速排序。一趟快速排序的算法是：
  1）设置两个变量I、J，排序开始的时候：I=0，J=N-1；
  2）以第一个数组元素作为关键数据，赋值给key，即 key=A；
  3）从J开始向前搜索，即由后开始向前搜索（J=J-1），找到第一个小于key的值A交换；
  4）从I开始向后搜索，即由前开始向后搜索（I=I+1），找到第一个大于key的A交换；
  5）重复第3、4、5步，直到 I=J； (3,4步是在程序中没找到时候j=j-1，i=i+1。找到并交换的时候i， j指针位置不变。另外当i=j这过程一定正好是i+或j+完成的最后另循环结束)
  例如：待排序的数组A的值分别是：（初始关键数据：X=49） 注意关键X永远不变，永远是和X进行比较，无论在什么位子，最后的目的就是把X放在中间，小的放前面大的放后面。
  A：
  49 38 65 97 76 13 27
  进行第一次交换后： 27 38 65 97 76 13 49
  ( 按照算法的第三步从后面开始找)
  进行第二次交换后： 27 38 49 97 76 13 65
  ( 按照算法的第四步从前面开始找》X的值，65》49,两者交换，此时：I=3 )
  进行第三次交换后： 27 38 13 97 76 49 65
  ( 按照算法的第五步将又一次执行算法的第三步从后开始找
  进行第四次交换后： 27 38 13 49 76 97 65
  ( 按照算法的第四步从前面开始找大于X的值，97》49,两者交换，此时：I=4,J=6 )
  此时再执行第三步的时候就发现I=J，从而结束一趟快速排序，那么经过一趟快速排序之后的结果是：27 38 13 49 76 97 65，即所以大于49的数全部在49的后面，所以小于49的数全部在49的前面。
  快速排序就是递归调用此过程——在以49为中点分割这个数据序列，分别对前面一部分和后面一部分进行类似的快速排序，从而完成全部数据序列的快速排序，最后把此数据序列变成一个有序的序列，根据这种思想对于上述数组A的快速排序的全过程如图6所示：
  初始状态 {49 38 65 97 76 13 27}
  进行一次快速排序之后划分为 {27 38 13} 49 {76 97 65}
  分别对前后两部分进行快速排序 {27 38 13} 经第三步和第四步交换后变成 {13 27 38} 完成排序。
  {76 97 65} 经第三步和第四步交换后变成 {65 76 97} 完成排序。

二路归并排序时间复杂度

二路归并排序时间复杂度是O（nlogn）。

对于每一层来说，在合并所有子区间的过程中，n个元素都会被操作一次，所以每一层的时间复杂度都是O（n）。而之前说过，归并排序划分子区间，将子区间划分为只剩1个元素，需要划分logn次。每一层的时间复杂度为O（n），共有logn层，所以归并排序的时间复杂度就是O（nlogn）

归并排序是一种借助”归并“进行排序的方法。归并的含义是将两个或两个以上的有序序列归并为一个有序序列的过程。归并排序的主要思想是：将若干有序序列逐步归并，最终归并为一个有序序列。

其中最常见的是二路归并排序。二路归并排序是一种稳定的排序方法，其基本思想是：将若干个有序序列两两归并，直到形成一个有序序列为止。方法如下：将一个长度为n的无序序列看作是n个长度为1的有序序列的集合。然后两两归并，直到整个序列有序。

在归并的过程中，可能会破坏原序列的有序性，所以需要一个新的数组在存储归并后的结果。一次归并的算法是从开始同时遍历两个序列，将较小的值放入结果序列中，直到遍历结束，成为一个有序序列。

以下哪个排序算法的最坏时间复杂度是O（nlogn）

对于排序算法，平均时间复杂度
插入排序 O(n^2)
冒泡排序 O(n^2)
选择排序 O(n^2)
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(n^1.25)
有一个时间复杂度的排列顺序，依次为
Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜…＜Ο(2n)＜Ο(n!)Ο(1)表示基本语句的执行次数是一个常数，一般来说，只要算法中不存在循环语句，其时间复杂度就是Ο(1)。Ο(log2n)、Ο(n)、Ο(nlog2n)、Ο(n2)和Ο(n3)称为多项式时间，而Ο(2n)和Ο(n!)称为指数时间。计算机科学家普遍认为前者是有效算法，把这类问题称为P类问题，而把后者称为NP问题。

堆排序的时间复杂度

堆排序的时间复杂度为O(nlogn)。

堆排序的最坏时间复杂度和平均时间复杂度都为O(n*log2n)，而对N个元素建堆的时间复杂度为O(N)，删除堆顶元素的时间复杂度为O(logN)，因此删除堆所有元素的时间复杂度为O(NlogN)。

不管数组初始时是有序的还是逆序的，堆排序都会先建堆，变成了堆序的性质。从这点上分析，堆排序是一个非常稳定的算法。总而言之，建堆的时间复杂度为O(n)，调整堆的时间复杂度为O(logn)，其中调用了n-1次，因此堆排序的时间复杂度为O(n)+O(nlogn) ~ O(nlogn）

快速排序法的平均时间复杂度是多少

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：

以下哪个排序算法的最坏时间复杂度是O（nlogn）

这个首先要明确一点，只用到比较的排序算法最低时间复杂度是O(nlogn)，而像桶排这样的只需要O(R)(R为桶的大小)。

为了证明只用到比较的排序算法最低时间复杂度是O(nlogn)，首先要引入决策树。

首先决策树是一颗二叉树，每个节点表示元素之间一组可能的排序，它予以京进行的比较相一致，比较的结果是树的边。

先来说明一些二叉树的性质，令T是深度为d的二叉树，则T最多有2^片树叶。

具有L片树叶的二叉树的深度至少是logL。

所以，对n个元素排序的决策树必然有n!片树叶（因为n个数有n!种不同的大小关系），所以决策树的深度至少是log(n!)，即至少需要log(n!)次比较。