冒泡排序算法复杂度
快速排序的时间复杂度是怎么算出来的？
快速排序的时间复杂度是怎么算出来的？
快速排序法的时间复杂度是nlogn（n×log以2为底n的对数）
拓展：
快速排序（Quicksort）是对冒泡排序的一种改进。
快速排序由C. A. R. Hoare在1962年提出。它的基本思想是：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。
附各种排序法的时间复杂度如下：
sort函数排序属于什么排序方法？
sort函数用于C 中，对给定区间所有元素进行排序，默认为升序，也可进行降序排序。一般是直接对数组进行排序，例如对数组a[10]排序，sort（a,a 10）。而sort函数的强大之处在可与cmp函数结合使用，即排序方法的选择。
为什么要用c 标准库里的排序函数？sort（）函数是c 一种排序方法之一，相较冒泡排序和选择排序所带来的执行效率不高的问题，sort（）函数使用的排序方法是类似于快速排序的方法，时间复杂度为n*log2(n)，执行效率较高。
算法的时间复杂度表征的是？
在描述算法复杂度时,经常用到o(1), o(n), o(logn), o(nlogn)来表示对应算法的时间复杂度。这里进行归纳一下它们代表的含义:这是算法的时空复杂度的表示。不仅仅用于表示时间复杂度，也用于表示空间复杂度。
O后面的括号中有一个函数，指明某个算法的耗时/耗空间与数据增长量之间的关系。其中的n代表输入数据的量。
比如时间复杂度为O(n)，就代表数据量增大几倍，耗时也增大几倍。比如常见的遍历算法。
再比如时间复杂度O(n^2)，就代表数据量增大n倍时，耗时增大n的平方倍，这是比线性更高的时间复杂度。比如冒泡排序，就是典型的O(n^2)的算法，对n个数排序，需要扫描n×n次。
再比如O(logn)，当数据增大n倍时，耗时增大logn倍（这里的log是以2为底的，比如，当数据增大256倍时，耗时只增大8倍，是比线性还要低的时间复杂度）。二分查找就是O(logn)的算法，每找一次排除一半的可能，256个数据中查找只要找8次就可以找到目标。
O(nlogn)同理，就是n乘以logn，当数据增大256倍时，耗时增大256*82048倍。这个复杂度高于线性低于平方。归并排序就是O(nlogn)的时间复杂度。
O(1)就是最低的时空复杂度了，也就是耗时/耗空间与输入数据大小无关，无论输入数据增大多少倍，耗时/耗空间都不变。 哈希算法就是典型的O(1)时间复杂度，无论数据规模多大，都可以在一次计算后找到目标（不考虑冲突的话）