درک زمان و پیچیدگی فضا الگوریتم های مرتب سازی برای انتخاب روش مناسب برای برنامه های خاص ضروری است.این پیچیدگی ها به ارزیابی بهره وری و استفاده از منابع الگوریتم ها در شرایط مختلف کمک می کنند.

پیچیدگی زمان الگوریتم های مرتب سازی

پیچیدگی زمان اندازه گیری می کند که چگونه زمان اجرای یک الگوریتم با اندازه داده های ورودی افزایش می یابد.این معمولا با استفاده از بزرگ Onotation بیان می شود.

به عنوان مثال، حبابی دارای پیچیدگی زمانی سخت است که [FLT] [FLT:] ، و آن را برای مجموعه داده های بزرگ ناکارآمد است.در مقابل، Merge مرتب بدترین پیچیدگی از O (n n] است.

پیچیدگی فضایی الگوریتم های مرتب سازی

پیچیدگی فضایی به مقدار حافظه اضافی که یک الگوریتم به آن نیاز دارد، نسبت به اندازه ورودی، برخی الگوریتم ها در محل، با استفاده از حداقل فضای اضافی، در حالی که دیگران نیاز به آرایه های اضافی یا ساختارهای داده دارند.

به طور کلی، QuickType دارای پیچیدگی فضایی است که از آن استفاده می شود.(۰)[۱۰] [۱] [۱۰] [۱] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [براى [براى [براى [براى [براى [براى [براى [براى [براى [براى [براى [و [و [براى [و [و [براى [براى [براى [براى [و [و [براى [بر

نمونه هایی از الگوریتم های مرتب سازی

  • حباب های حبابی
  • انتخاب دسته بندی
  • بازی بازی
  • دسته بندی Merge
  • Quick مرتب سازی