算法核心知识复习:排序算法对比 + 递归与递推深度解析(根据GESP四级题目总结)

算法核心知识复习:排序算法对比 + 递归与递推深度解析

摘要:本文整合排序算法的复杂度/稳定性对比,以及递归与递推的核心区别,助你高效备战面试与考试!


一、排序算法关键特性对比

排序算法 时间复杂度 空间复杂度 稳定性
冒泡排序 最坏/平均:O(n²);最好:O(n) O(1) 稳定 ✅
选择排序 最坏/平均/最好:O(n²) O(1) 不稳定 ❌
插入排序 最坏/平均:O(n²);最好:O(n) O(1) 稳定 ✅
归并排序 最坏/平均/最好:O(n log n) O(n) 稳定 ✅
快速排序 最坏:O(n²);平均/最好:O(n log n) 平均 O(log n),最坏 O(n) 不稳定 ❌
堆排序 最坏/平均/最好:O(n log n) O(1) 不稳定 ❌
基数排序 最坏/平均/最好:O(nk)★ O(n + k) 稳定 ✅☆

关键说明

  • 稳定性:稳定算法保持相等元素的原始顺序(如冒泡排序),不稳定算法可能打乱顺序(如选择排序)。
  • 基数排序 :★k为最大数字的位数;☆需配合稳定的桶排序(如计数排序)。
  • 快速排序:实际应用中效率高,但最坏情况(如已排序数组)性能退化。

二、递归 vs 递推:本质区别与适用场景

1. 递归(Recursion)
  • 核心思想自顶向下分解问题,通过函数调用自身解决子问题(如树形结构)。
  • 特点
    • ✅ 代码简洁(如阶乘:n! = n * (n-1)!)。
    • ❌ 栈溢出风险(深度过大)、函数调用开销高。
  • 经典应用:二叉树遍历、汉诺塔问题。
2. 递推(迭代/动态规划)
  • 核心思想自底向上构建解,通过已知解逐步推导未知解(如填表法)。
  • 特点
    • ✅ 无栈溢出风险、性能更优(减少函数调用)。
    • ❌ 逻辑可能更复杂(需设计状态转移方程)。
  • 经典应用:斐波那契数列(DP版)、爬楼梯问题。
3. 对比总结
特性 递归 递推
问题分解 分解为相同子问题(分治) 分解为相互依赖的子问题(递推式)
方向 自顶向下 → 从目标到基线条件 自底向上 → 从基线到目标
性能 较差(栈开销) 更优(无调用开销)
适用场景 问题逻辑天然递归(如DFS) 子问题重叠(如DP问题)

形象比喻

  • 递归:站在山顶拆解任务(大问题→小问题),直到山脚直接解决。
  • 递推:从山脚逐步搭建阶梯(小解→大解),最终登顶。

三、如何选择?实战建议

  1. 排序算法
    • 优先快速排序 (平均高效)、归并排序(稳定且O(n log n))。
    • 小规模数据用插入排序(常数项低)。
  2. 递归/递推
    • 递归 → 代码简洁性优先(如非性能瓶颈)。
    • 递推 → 性能关键场景(如DP优化斐波那契)。
    • 递归转递推 :多数递归可用备忘录迭代DP优化!
相关推荐
Yzxs00910 分钟前
【8月优质EI会议合集|高录用|EI检索稳定】计算机、光学、通信技术、电子、建模、数学、通信工程...
大数据·人工智能·算法·计算机视觉·信息与通信
佳航张1 小时前
选择排序原理与C语言实现详解
算法
hans汉斯1 小时前
【建模与仿真】二阶邻居节点信息驱动的节点重要性排序算法
人工智能·python·算法·分类·数据挖掘·排序算法·xca
不会学习的小白O^O2 小时前
蛇形卷积介绍
算法
nov.5812 小时前
嵌入式学习日志——数据结构(一)
数据结构·学习·算法
橙小花3 小时前
C语言:函数指针、二级指针、常量指针常量、野指针
c语言·数据结构·算法
西猫雷婶3 小时前
python学智能算法(三十一)|SVM-Slater条件理解
人工智能·python·算法·机器学习·支持向量机
仪器科学与传感技术博士3 小时前
python:以支持向量机(SVM)为例,通过调整正则化参数C和核函数类型来控制欠拟合和过拟合
开发语言·python·算法·机器学习·支持向量机·过拟合·欠拟合
一只乔哇噻3 小时前
Java,八股,cv,算法——双非研0四修之路day24
java·开发语言·经验分享·学习·算法
codelancera4 小时前
算法-广度优先遍历-判断迷宫是否有出口
算法·宽度优先