1. 插入排序演算法
void sortt(int a,int length) // 插入排序演算法
a[j + 1] = temp;
} }}
我們假設計算機執行一行基礎**需要執行一次運算。
int afunc(void)int afunc(int n) {
for(int i = 0; i這個方法需要 (n + 1 + n + 1) = 2n + 2 次運算。
我們把 演算法需要執行的運算次數 用 輸入大小n 的函式 表示，即 t(n) 。
此時為了 估算演算法需要的執行時間 和 簡化演算法分析，我們引入時間複雜度的概念。
定義： 存在常數 c，使得當 n >= c 時 t(n) <= f(n)，表示為 t(n) = o(f(n)) 。
如圖：
當 n >= 2 的時候，f(n) = n^2 總是大於 t(n) = n + 2 的，於是我們說 f(n) 的增長速度是大於或者等於 t(n) 的，也說 f(n) 是 t(n) 的上界，可以表示為 t(n) = o(f(n))。
因為f(n) 的增長速度是大於或者等於 t(n) 的，即t(n) = o(f(n))，所以我們可以用 f(n) 的增長速度來度量 t(n) 的增長速度，所以我們說這個演算法的時間複雜度是 o(f(n))。
演算法的時間複雜度，用來度量演算法的執行時間，記作: t(n) = o(f(n))。它表示隨著 輸入大小n 的增大，演算法執行需要的時間的增長速度可以用 f(n) 來描述。
顯然如果 t(n) = n^2，那麼 t(n) = o(n^2)，t(n) = o(n^3)，t(n) = o(n^4) 都是成立的，但是因為第乙個 f(n) 的增長速度與 t(n) 是最接近的，所以第乙個是最好的選擇，所以我們說這個演算法的複雜度是 o(n^2) 。
ps： 分析的時候可以省去常數次，只保留最高次即可 （有 * 乘法的話還需要用到 log 計算）
排序演算法 插入排序的時間複雜度分析
插入排序的原理是，將陣列分為已排序區間和未排序區間兩部分，從未排序區間中依次取元素跟已排序區間的元素一一對比，找到適合插入的位置。拿陣列 4,5,6,1,3,2 來舉例，如圖所示是排序的 過程。這個過程比上邊的原理詳細的多，本以為可以按照原理來寫出插入排序的 嘗試了幾次發現原理的資訊量並不足以寫出來...
氣泡排序 選擇排序 插入排序演算法及時間複雜度詳解
流程 把0到n個元素中的最大值放在n位置 把0到n 1個元素中的最大值放在n 1位置 把0到n 2個元素中的最大值放在n 2位置 時間複雜度 嚴格的o n2 的演算法 即使資料已經排好序，還要全部按照程式流程比較 交換一遍，所以稱為嚴格o n2 氣泡排序演算法 defbubbling sort ls...
插入排序演算法 時間複雜度和穩定性
排序的思想就是維護乙個有序的部分，將無序部分的資料按照順序插入到有序部分。通俗的講，插入排序的原理就是 先將最後乙個元素作為有序部分，前面元素作為無序部分，將倒數第二個元素和最後乙個元素比較，如果倒數第二個元素大於最後乙個元素，則將倒數第二個元素查到最後乙個元素的位置。此時無序部分是第乙個元素到倒數...