写在最前面
能解算法题并不意味着这个人就有能力就能在工作中解决问题，你可以想想，小学奥数题可能比这些题更难，但并不意味着那些奥数能手就能解决实际问题。
对于算法题，我们太喜欢研究算法题的空间和时间复杂度了。我们希望做到空间和时间双丰收，这是算法学术界的风格。所以，习惯于标准答案的我们已经失去思考的能力，只会机械地思考算法之内的性能，而忽略了算法之外的性能。
当然，算法很重要，算法题能锻炼我们的思维，而且也有很多实际用处。所以，才有了下面的内容...
如果 Ai = Aj，排序前 Ai 在 Aj 前，排序后Ai还是在Aj前，则称排序算法是稳定的。
| 排序法 | 最差时间分析 | 平均时间复杂度 | 空间复杂度 | 稳定度 |
|---|---|---|---|---|
| 冒泡排序 | n^2 | n^2 | 1 | 稳定 |
| 选择排序 | n^2 | n^2 | 1 | 不稳定 |
| 插入排序 | n^2 | n^2 | 1 | 稳定 |
| 快速排序 | n^2 | nlogn | logn | 不稳定 |
| 希尔排序 | n^2 | nlogn | 1 | 不稳定 |
| 二叉树排序 | n^2 | nlogn | n | 不稳定 |
| 堆排序 | nlogn | nlogn | 1 | 不稳定 |
| 归并排序 | nlogn | nlogn | n | 稳定 |
| 基数排序 | d(r+n) | d(r+n) | rd+n | 稳定 |
排序算法的更多内容参见 Algorithm_Sort.md
［5排序函数，最大3位］
［大量数据中获取前十名］
［加减数字组成一个范围］
［找最大的两个数理论最少比较次数］
二分查找算法（binary search）是一种在有序数组中查找某一特定元素的算法。搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。如果在某一步骤数组为空，则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半，因此时间复杂度为 logn。
更多内容参见 BinarySearch.md
| 题目简单描述 | OJ来源 | Python | C++ |
|---|---|---|---|
| 数组中第 k 大的数 | LeetCode | py | cpp |
KMP 算法
对一个有向无环图 (Directed Acyclic Graph, DAG) G 进行拓扑排序，是将G中所有顶点排成一个线性序列，使得图中任意一对顶点u和v，若边(u,v)∈E(G)，则u在线性序列中出现在v之前。拓扑排序的结果不唯一。
拓扑排序算法主要是循环执行以下两步，直到不存在入度为0的顶点为止。
- 选择一个入度为0的顶点并输出之；
- 从图中删除此顶点及所有出边。
循环结束后，若输出的顶点数小于图的顶点数，则有向图中有回路，否则输出的顶点序列就是一种拓扑序列。
［可能的拓扑序列］
《剑指 Offer》
《编程之美》
数学之美番外篇：快排为什么那样快
为什么我反对纯算法面试题
十道海量数据处理面试题与十个方法大总结
Bloom Filter详解