ขั้นตอนวิธีการเรียงลำดับแต่ละครั้งจะถูกใช้เมื่อใด [ปิด]

กรณีการใช้งานอะไรบ้างเมื่ออัลกอริทึมการเรียงลำดับเฉพาะเจาะจงเหนือสิ่งอื่น - ผสานการเรียงลำดับกับ QuickSort เทียบกับ heapsort เทียบกับ 'การเรียงลำดับบทนำ' ฯลฯ

มีคำแนะนำในการใช้งานหรือไม่ขึ้นอยู่กับขนาดชนิดของโครงสร้างข้อมูลหน่วยความจำและแคชที่มีอยู่และประสิทธิภาพของ CPU

ก่อนอื่นคำจำกัดความเนื่องจากมันค่อนข้างสำคัญ: การเรียงที่เสถียรนั้นเป็นสิ่งที่รับประกันได้ว่าจะไม่เรียงลำดับองค์ประกอบด้วยปุ่มเหมือนกัน

คำแนะนำ:

การจัดเรียงอย่างรวดเร็ว: เมื่อคุณไม่ต้องการการเรียงลำดับที่เสถียรและประสิทธิภาพตัวพิมพ์เล็กโดยทั่วไปนั้นสำคัญกว่าประสิทธิภาพของตัวพิมพ์เล็กที่สุด การเรียงลำดับแบบด่วนคือ O (N log N) โดยเฉลี่ย O (N ^ 2) ในกรณีที่เลวร้ายที่สุด การใช้งานที่ดีใช้หน่วยเก็บข้อมูลสำรอง O (log N) ในรูปแบบของพื้นที่สแต็กสำหรับการเรียกซ้ำ

ผสานการเรียงลำดับ: เมื่อคุณต้องการความเสถียรการเรียงลำดับ O (N log N) นี่เป็นเพียงตัวเลือกเดียวของคุณ ข้อเสียเพียงอย่างเดียวคือมันใช้พื้นที่เสริม O (N) และมีค่าคงที่ที่ใหญ่กว่าการจัดเรียงอย่างรวดเร็วเล็กน้อย มีบางอย่างในสถานที่ผสาน แต่ AFAIK ทั้งหมดไม่เสถียรหรือแย่กว่า O (N log N) แม้แต่ O (N log N) ในสถานที่ต่าง ๆ ก็มีค่าคงที่มากกว่าการรวมแบบเก่าแบบธรรมดามากจนพวกมันน่าสนใจทางทฤษฎีมากกว่าอัลกอริธึมที่มีประโยชน์

การเรียงลำดับฮีป: เมื่อคุณไม่ต้องการการจัดเรียงที่เสถียรและคุณให้ความสำคัญกับประสิทธิภาพของเคสที่แย่ที่สุดกว่าประสิทธิภาพเคสโดยเฉลี่ย มันรับประกันว่าจะเป็น O (N log N) และใช้พื้นที่เสริม O (1) ซึ่งหมายความว่าคุณจะไม่ใช้พื้นที่ฮีปหรือสแต็กโดยไม่คาดคิดในอินพุตที่มีขนาดใหญ่มาก

Introsort: นี่คือการเรียงลำดับอย่างรวดเร็วที่สลับไปยังการเรียงลำดับฮีปหลังจากความลึกการวนซ้ำที่แน่นอนเพื่อหลีกเลี่ยงกรณีที่เลวร้ายที่สุดของ O (N ^ 2) มันเกือบจะดีกว่าการจัดเรียงแบบเร็วแบบเก่า ๆ เกือบทุกครั้งเนื่องจากคุณได้รับตัวพิมพ์เร็วโดยเฉลี่ยด้วยประสิทธิภาพ O (N log N) อาจเป็นเหตุผลเดียวที่จะใช้การเรียงลำดับฮีพแทนสิ่งนี้คือในระบบที่ จำกัด หน่วยความจำอย่างรุนแรงซึ่งพื้นที่สแต็ก O (log N) มีความสำคัญในทางปฏิบัติ

การเรียงลำดับการแทรก : เมื่อรับประกันว่า N จะมีขนาดเล็กรวมถึงเป็นกรณีพื้นฐานของการจัดเรียงอย่างรวดเร็วหรือการจัดเรียงผสาน แม้ว่านี่จะเป็น O (N ^ 2) แต่ก็มีค่าคงที่ที่เล็กมากและมีความเสถียร

การเรียงลำดับฟองการเรียงลำดับการเลือก : เมื่อคุณทำสิ่งที่รวดเร็วและสกปรกและด้วยเหตุผลบางอย่างคุณไม่สามารถใช้อัลกอริทึมการเรียงลำดับของไลบรารีมาตรฐานได้ ข้อได้เปรียบเพียงอย่างเดียวที่มีมากกว่าการเรียงลำดับการแทรกนั้นง่ายกว่าเล็กน้อยที่จะนำไปใช้

การเรียงลำดับที่ไม่ใช่การเปรียบเทียบ: ภายใต้เงื่อนไขที่ จำกัด บางอย่างเป็นไปได้ที่จะทำลายสิ่งกีดขวาง O (N log N) และเรียงลำดับใน O (N) ต่อไปนี้เป็นกรณีที่ควรลอง:

การเรียงลำดับการนับ: เมื่อคุณเรียงลำดับเลขจำนวนเต็มด้วยช่วง จำกัด

การจัดเรียง Radix: เมื่อ log (N) มีขนาดใหญ่กว่า K อย่างมีนัยสำคัญที่ K คือจำนวนของตัวเลขฐานราก

ถังเรียง: เมื่อคุณสามารถรับประกันได้ว่าการป้อนข้อมูลของคุณมีการกระจายอย่างสม่ำเสมอ

Quicksortมักจะเร็วที่สุดโดยเฉลี่ย แต่มันมีพฤติกรรมที่เลวร้ายที่สุดที่น่ารังเกียจ ดังนั้นหากคุณต้องรับประกันว่าจะไม่มีข้อมูลที่ไม่ดีมาให้O(N^2)คุณควรหลีกเลี่ยง

Merge-sortใช้หน่วยความจำเพิ่มเติม แต่เหมาะอย่างยิ่งสำหรับการจัดเรียงภายนอก (เช่นไฟล์ขนาดใหญ่ที่ไม่พอดีกับหน่วยความจำ)

Heap-sortสามารถเรียงลำดับในตำแหน่งและไม่มีพฤติกรรมกำลังสองกรณีที่เลวร้ายที่สุด แต่โดยเฉลี่ยจะช้ากว่า quicksort ในกรณีส่วนใหญ่

ในกรณีที่มีเฉพาะจำนวนเต็มในช่วงที่ จำกัด คุณสามารถใช้การเรียงลำดับแบบ Radix บางประเภทเพื่อทำให้รวดเร็วมาก

ใน 99% ของกรณีคุณจะไม่เป็นไรกับห้องสมุดซึ่งมักจะอิงจากการเรียงลำดับแบบด่วน

หน้า Wikipedia เกี่ยวกับอัลกอริทึมการเรียงลำดับมีแผนภูมิเปรียบเทียบที่ยอดเยี่ยม

http://en.wikipedia.org/wiki/Sorting_algorithm#Comparison_of_algorithms

สิ่งที่ลิงก์ที่ให้ไว้เพื่อเปรียบเทียบ / แอนิเมชั่นไม่ได้พิจารณาคือเมื่อปริมาณข้อมูลเกินกว่าหน่วยความจำที่มีอยู่ --- ณ จุดที่จำนวนการส่งผ่านข้อมูลเช่น I / O-cost จะควบคุมรันไทม์ หากคุณจำเป็นต้องทำเช่นนั้นอ่านได้ที่ "การเรียงลำดับภายนอก" ซึ่งมักจะครอบคลุมหลากหลายรูปแบบของการผสานและฮีป

http://corte.si/posts/code/visualisingsorting/index.htmlและhttp://corte.si/posts/code/timsort/index.htmlนอกจากนี้ยังมีรูปภาพเจ๋ง ๆ เปรียบเทียบกับอัลกอริทึมการเรียงลำดับต่างๆ

@dsimcha wrote: การเรียงลำดับการนับ: เมื่อคุณเรียงลำดับจำนวนเต็มด้วยช่วงที่ จำกัด

ฉันจะเปลี่ยนเป็น:

การเรียงลำดับการนับ: เมื่อคุณเรียงลำดับจำนวนเต็มบวก (0 - Integer.MAX_VALUE-2 เนื่องจากช่องว่าง)

คุณสามารถรับค่าสูงสุดและต่ำสุดเป็นวิธีแก้ปัญหาประสิทธิภาพในเวลาเชิงเส้นเช่นกัน
นอกจากนี้คุณต้องมีพื้นที่พิเศษอย่างน้อย n สำหรับอาร์เรย์กลางและมีความเสถียรอย่างเห็นได้ชัด

/**
* Some VMs reserve some header words in an array.
* Attempts to allocate larger arrays may result in
* OutOfMemoryError: Requested array size exceeds VM limit
*/
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;

(แม้ว่าจริง ๆ แล้วจะอนุญาตให้ MAX_VALUE-2) ดู: อาร์เรย์ Java มีขนาดสูงสุดหรือไม่

นอกจากนี้ฉันจะอธิบายว่าความซับซ้อนในการจัดเรียงของ Radix คือ O (wn) สำหรับ n keys ซึ่งเป็นจำนวนเต็มของขนาดคำ w บางครั้ง w ถูกนำเสนอเป็นค่าคงที่ซึ่งจะทำให้การเรียงลำดับแบบ radix ดีขึ้น (สำหรับขนาดใหญ่พอ n) กว่าอัลกอริทึมการเรียงลำดับแบบอิงการเปรียบเทียบที่ดีที่สุดซึ่งทั้งหมดทำการเปรียบเทียบ O (n log n) เพื่อเรียงลำดับปุ่ม n อย่างไรก็ตามโดยทั่วไป w ไม่สามารถพิจารณาค่าคงที่ได้: หากปุ่ม n ทั้งหมดแตกต่างกันดังนั้นอย่างน้อย w จะต้องมี log n อย่างน้อยสำหรับเครื่องที่เข้าถึงแบบสุ่มเพื่อให้สามารถเก็บไว้ในหน่วยความจำได้ (n บันทึก n) (จากวิกิพีเดีย)