直接插入排序的方法是？插入排序,选择排序,快速排序,归并排序的原理都是是什么哪个要求内存量最大

本文目录

• 直接插入排序的方法是
• 插入排序,选择排序,快速排序,归并排序的原理都是是什么哪个要求内存量最大
• 对于一个数组进行排序，排序次数和数组初始状态无关的是 归并排序 快速排序 堆排序 插入排序
• 常用的排序算法特点和逻辑数据模型特点
• 下面哪一种排序每一趟排序结束都能确定一个元素最终位置的方法有哪些
• “二分法插入排序”、“快速排序”、“归并排序”和“堆排序”的时间复杂度分别是多少

直接插入排序的方法是

直接插入排序的方法是：第一趟比较前两个数，然后把第二个数按大小插入到有序表中； 第二趟把第三个数据与前两个数从前向后扫描，把第三个数按大小插入到有序表中；依次进行下去，进行了（n-1）趟扫描以后就完成了整个排序过程。

直接插入排序含义： 

直接插入排序（Straight Insertion Sort）是一种最简单的排序方法，其基本操作是将一条记录插入到已排好的有序表中，从而得到一个新的、记录数量增1的有序表。

直接插入排序算法思路分析： 

1、从第二个位置开始，将会进行n-1次操作；

2、若第当前位置比前一个位置的值小的话，设置一个中间变量来记录当前位置的值，进入下一层循环；

3、第二层循环的目的是比较和移动；

4、对于升序数组来说，第二层循环从数组的最后一位开始，不断地比较a比它大，这时第一层循环结束。 

5、在第一层循环的末尾，使a=temp，一次循环结束。 

6、下一次循环从i+1开始，而数组下标为0～i已经排好序了。

直接插入排序特点： 

1、稳定排序；

2、适用于数组（顺序存储结构），也适用于链式存储结构PS：对于这种比较简单的排序方式，时间复杂度都会比较高，当n比较大时，不适用！

插入排序,选择排序,快速排序,归并排序的原理都是是什么哪个要求内存量最大

***隐藏网址***
排序是计算机内经常进行的一种操作，其目的是将一组“无序”的记录序列调整为“有序”的记录序列。
内部排序和外部排序：
若整个排序过程不需要访问外存便能完成，则称此类排序问题为内部排序；
反之，若参加排序的记录数量很大，整个序列的排序过程不可能在内存中完成，则称此类排序问题为外部排序。
内部排序的过程是一个逐步扩大记录的有序序列长度的过程。
内排序的方法有许多种，按所用策略不同，可归纳为五类：插入排序、选择排序、交换排序、归并排序和分配排序。
其中，插入排序主要包括直接插入排序和希尔排序两种；选择排序主要包括直接选择排序和堆排序；交换排序主要包括气（冒）泡排序和快速排序。
一、冒泡排序
已知一组无序数据a就以升序排列了。
优点：稳定，比较次数已知；
缺点：慢，每次只能移动相邻两个数据，移动数据的次数多。
二、选择排序
已知一组无序数据a就以升序排列了。
优点：稳定，比较次数与冒泡排序一样；
缺点：相对之下还是慢。
三、插入排序
已知一组升序排列数据a当作n=1的数组a）
优点：稳定，快；
缺点：比较次数不一定，比较次数越少，插入点后的数据移动越多，特别是当数据总量庞大的时候，但用链表可以解决这个问题。
四、缩小增量排序
由希尔在1959年提出，又称希尔排序(shell排序)。
已知一组无序数据a……列为最后一组以次类推，在各组内用插入排序，然后取d’《d，重复上述操作，直到d=1。
优点：快，数据移动少；
缺点：不稳定，d的取值是多少，应取多少个不同的值，都无法确切知道，只能凭经验来取。
五、快速排序
快速排序是冒泡排序的改进版，是目前已知的最快的排序方法。
已知一组无序数据a两组数据进行快速排序。
优点：极快，数据移动少；
缺点：不稳定。
六、箱排序
已知一组无序正整数数据a++.
优点：快，效率达到O(1)
缺点：数据范围必须为正整数并且比较小

对于一个数组进行排序，排序次数和数组初始状态无关的是 归并排序 快速排序 堆排序 插入排序

在所有排序方法中,关键字比较的次数与记录的初始排列次序无关的是折半插入排序。

原因：

一、直接插入排序很明显，在完全有序的情况下每个元素只需要与他左边的元素比较一次就可以确定他最终的位置；

二、折半插入排序，比较次数是固定的，与初始排序无关；

三、快速排序，初始排序不影响每次划分时的比较次数，都要比较n次，但是初始排序会影响划分次数，所以会影响总的比较次数；

四、归并排序在归并的时候，如果右路最小值比左路最大值还大，那么只需要比较n次，如果右路每个元素分别比左路对应位置的元素大，那么需要比较2*n-1次，所以与初始排序有关。

归并排序

假设二路归并

1234

12  34   2次

2《4  2《3  2次   不用再继续  共4次

1 2 3 4 有序

2314 

23  14  2次

3《4  3》1  2次   再用2比较

2》1       1次   插入

1 2 3 4 有序  共5次

可见归并排序的比较次数就不固定，随着初始状态不同而不同。

常用的排序算法特点和逻辑数据模型特点

常用的排序算法有插入排序，希尔排序，冒泡排序，快速排序，归并排序，堆排序还有基数排序。
排序算法一般考虑的就是两个方面，即时间复杂度和空间复杂度。
其中插入排序，冒泡排序是简单排序，排序的平均时间复杂度是O（n^2）, 最坏的情况是O(n^2)，辅助存储空间是O(1)。
快速排序的平均时间复杂度是O(nlogn), 最坏的情况是O(n^2), 辅助存储空间是O(logn)
归并排序的平均时间复杂度是O(nlogn), 最坏的情况是O(nlogn), 辅助存储空间是O(n)
堆排序平均时间复杂度是O(nlogn), 最坏的情况是O(nlogn), 辅助存储空间是O(1)
基数排序平均时间复杂度是O(d(n+rd)), 最坏的情况是O(d(n+rd)), 辅助存储空间是O(rd),其中d关键字的个数，rd是关键字的取值的个数。
从平均性能上来而言，快速排序最佳，其所需的时间最省，但快排在最坏的情况下的时间性能不如堆排序和归并排序。而后者相比的结果是，在n较大的时候，归并排序需要的时间比堆排序省，但它需要的辅助存储空间比较多。
从方法的稳定性来比较，基数排序是稳定的内排序，所有时间复杂度为O（n^2）的简单排序都是稳定的。然而，快速排序，归并排序，堆排序等时间性能较好的排序方法都是不稳定的。
具体每个排序的思想，楼主可以百度一下，百度百科都有相应的词条。

下面哪一种排序每一趟排序结束都能确定一个元素最终位置的方法有哪些

　　每一趟排序结束都能确定一个元素最终位置的方法有:
　　1.简单选择排序
　　2.快速排序
　　3.堆排序
　　4.插入排序
　　化学元素就是具有相同的核电荷数（即核内质子数）的一类原子的总称。从哲学角度解析，是原子的电子数目发生量变而导致质变的结果。
　　关于元素的学说，即把元素看成构成自然界中一切实在物体的最简单的组成部分的学说。早在远古就已经产生了，不过，在古代把元素看作是物质的一种具体形式的这种近代观念是不存在的。无论在我国古代的哲学中还是在印度或西方的古代哲学中，都把元素看作是抽象的、原始精神的一种表现形式，或是物质所具有的基本性质。

“二分法插入排序”、“快速排序”、“归并排序”和“堆排序”的时间复杂度分别是多少

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 在这个表格中，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 Comb sort — O(n log n)
堆排序 （heapsort）— O(n log n) Smoothsort — 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(n²)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)