데이터의 인접 요소끼리 비교하고 swap 연산을 수행하며 정렬하는 방식
- 버블 정렬은 두 인접한 데이터의 크기를 비교해 정렬하는 방법이다
- 간단하게 구현할 순 있지만 시간 복잡도는
$O(n^2)$ 으로 다른 정렬 알고리즘보다 속도가 느린 편이다
- 비교 연산이 필요한 루프 범위를 설정한다
- 인접한 데이터 값을 비교한다
- swap 조건에 부합하면 swap 연산을 수행한다
- 루프 범위가 끝날 때까지 2~3을 반복한다
- 정렬된 영역을 설정한다. 다음 루프를 실행할 때는 이 영역을 제외한다
- 비교 대상이 없을 때까지 1~5를 반복한다
대상에서 가장 크거나 작은 데이터를 찾아가 선택을 반복하면서 정렬하는 방식
- 선택정렬은 대상 데이터에서 최대나 최소 데이터를 나열된 순으로 찾아가며 선택하는 방법
- 구현이 복잡하고 시간 복잡도도
$O(n^2)$ 으로 비효율적이다
- 남은 정렬 부분에서 최솟값 또는 최댓값을 찾는다
- 남은 정렬 부분에서 가장 앞에 있는 데이터와 선택된 데이터를 swab한다.
- 가장 앞에 있는 데이터의 위치를 변경해(index++) 남은 정렬 부분위 범위를 축소한다
- 전체 데이터 크기만큼 index가 커질 때까지, 즉 남은 정렬 부분이 없을때까지 반복한다.
대상을 선택해 정렬된 영역에서 선택 데이터의 적절한 위치를 찾아 삽입하면서 정렬하는 방식
- 이미 정렬된 데이터 범위에 정렬되지 않은 데이터를 적절한 위치에 삽입해 정렬하는 방식
- 시간 복잡도가
$O(n^2)$ 으로 느린 편이지만 구현은 쉽다
- 현대 index에 있는 데이터 값을 선택한다
- 현재 선택한 데이터가 정렬된 데이터 범위에 삽입될 위치를 탐색한다.
- 삽입 위치부터 index에 있는 위치까지 shift 연산을 수행한다
- 삽입 위치에 현재 선택한 데이터를 삽입하고 index++ 연산을 수행한다
- 전체 데이터의 크기만큼 index가 커질 때까지, 즉 선택할 데이터가 없을 때까지 반복한다.
pivot 값을 선정해 해당 값을 기준으로 정렬하는 방식
- 퀵 정렬은 기준값을 설정해 해당 값보다 작은 데이터와 큰 데이터로 분류하는 것을 반복해 정렬하는 알고리즘
- 기준값이 어떻게 선정되는지가 시간 복잡도에 많은 영향을 미친다
- 평균 시간 복잡도는
$O(nlogn)$ 이며 최악의 경우는$O(n^2)$ 이다
- 데이터를 분할하는 vipot을 설정한다
- pivot을 기준으로 다음 1~5 과정을 거쳐 데이터를 2개의 집합으로 분리한다
- start가 가르키는 데이터가 pivot이 가르키는 데이터보다 작으면 start를 오른쪽으로 1칸 이동한다
- end가 가리키는 데이터가 pivot이 가리키는 데이터보다 크면 end를 왼쪽으로 1칸 이동한다
- start가 가리키는 데이터가 pivot이 가리키는 데이터보다 크고, end가 가리키는 데이터가 pivot이 가리키는 데이터보다 작으면 start, end가 가리키는 데이터를 swap하고 start는 오른쪽, end는 왼쪽으로 1칸씩 이동한다
- start와 end가 만날 때까지 1~3을 반복한다
- start와 end가 만나면 만난 지점에서 가리키는 데이터와 pivot이 가리키는 데이터를 비교하여 pivot이 가리키는 데이터가 크면 만난 지점의 오른쪽에, 작으면 만난 지점의 왼쪽에 pivot이 가리키는 데이터를 삽입한다
- 분리 집합에서 각각 다시 pivot을 선정한다
- 분리 집합이 1개 이하가 될 때까지 과정 1~3을 반복한다
이미 정렬된 부분 집합들을 효율적으로 병합해 전체를 정렬하는 방식
- 병합 정렬은 분할 정복 방식을 사용해 데이터를 분할하고 분할한 집합을 정렬하며 합치는 알고리즘
- 시간 복잡도는
$O(nlogn)$ 이다
데이터의 자릿수를 바탕으로 비교해 데이터를 정렬하는 방식
- 기수 정렬은 값을 비교하지 않는 특이한 정렬이다
- 값을 놓고 비교할 자릿수를 정한 다음 해당 자릿수만 비교한다
- 시간 복잡도는
$O(kn)$ 으로 k는 데이터의 자릿수를 말한다 - 10개의 큐를 사용하며 각 큐는 값의 자릿수를 대표한다














