今天面試被問到了快排與堆排的應用場景，思考了一下只答上來了資料基本有序的情況下堆排優於快排以及topk問題選擇堆排，更進一步卻答不上來。
後來發現其實堆排序和快速排序平均複雜度雖然都是o(nlogn)但是在最差情況下堆排複雜度也是o(nlogn)這一點比快排要好。但是稍微實驗一下就能發現，堆排序雖然平均複雜度和快排是一樣的，但是它平均交換元素次數是要比快排高出很多的，所以雖然時間開銷都是nlogn但是堆排序的常數要大出不少，所以在元素基本無續的情況下快排速度還是會快一些。
還有就是在資料量逐漸增大的情況下，堆排序的交換元素次數隨著資料量的增大而增大，所以效能開銷也會越來越大，跟快速排序的差距就慢慢拉開了。所以在資料量較大的情況下選擇快速排序是乙個比較正確的選擇。
這裡不得不提一下stl演算法中的std::sort這個排序函式了。這個標準庫的排序演算法還是十分高效的，底層實現是插入排序 + 快排 + 堆排。
首先講一下為什麼插入排序平均時間複雜度為o(n^2)的排序演算法也能上榜吧。
插入排序：
插入排序雖然平均時間複雜度不是很樂觀，但是在元素基本有序的情況下它的時間複雜度是接近o(n)的
快速排序：
我們都知道快速排序是基於分治的思想，需要通過遞迴來實現。當分段很小的情況下，快速排序還需要進行遞迴來交換資料，而遞迴需要將函式壓棧，出棧，這一系列額外的負荷。所以在這種情況下快排的缺點就會被放大。
std::sort集合了三種演算法的優點：
所以std::sort就是採用這種思路來實現的。下面貼上**
template inline void sort(randomaccessiterator first, randomaccessiterator last)
}template void __introsort_loop(randomaccessiterator first,
randomaccessiterator last, t*,
size depth_limit)
--depth_limit;
randomaccessiterator cut = __unguarded_partition
(first, last, t(__median(*first, *(first + (last - first)/2),
*(last - 1))));
__introsort_loop(cut, last, value_type(first), depth_limit);
last = cut;
}}// 分割 快排部分
template randomaccessiterator __unguarded_partition(randomaccessiterator first,
randomaccessiterator last,
t pivot)
} // 堆排部分
template void __partial_sort(randomaccessiterator first, randomaccessiterator middle,
randomaccessiterator last, t*, compare comp)
template inline void partial_sort(randomaccessiterator first,
randomaccessiterator middle,
randomaccessiterator last, compare comp)
快排與堆排
本文複習一下快速排序和堆排序 2 種排序演算法 為了多快好省地刷 leetcode 主要思想 通過一趟排序將要排序的資料分割成獨立的兩部分，其中一部分的所有資料都比另外一部分的所有資料都要小，然後再按此方法對這兩部分資料分別進行快速排序，整個排序過程可以遞迴進行，以此達到整個資料變成有序序列。時間複...
快排和堆排
一 快速排序 最常用的排序演算法，速度通常也是最快的。時間複雜度 o nlogn 最壞 o n 2 空間複雜度 o nlgn 不穩定 比如 5 3 3 4 3 8 9 10 11 這個序列，在中樞元素5和3交換就會把元素3的穩定性打亂 實現原理 快排主要是通過選擇乙個關鍵值作為基準值。比基準值小的都...
快排 歸併 堆排
快排 include include include includeusing namespace std void quicksort vector a,int l,int r 終止遞迴的條件，子串行長度為1 int mid low high low 2 取得序列中間的元素 mergesort a...