为什么不平滑更普遍？
从阅读维基百科关于sortingalgorithm的文章，似乎smoothsort是最好的sortingalgorithm。 它在所有类别中都有顶级的performance：最好的，平均的和最差的。 没有什么比它在任何类别中都要好。 它也有不断的内存需求。 唯一的缺点是它不稳定。
它在内存中击败timsort，在最坏的情况下性能和内存都能快速跳动。
但是我从来没有听说过smoothsort。 没有人提到过，大多数讨论似乎围绕着其他sortingalgorithm。
这是为什么？
大O的performance非常适合发表论文，但在现实世界中，我们也必须看看常数。 快速sorting一直是不稳定的，原地的，内存中sorting的algorithm，因为我们可以非常有效地实现其内部循环，并且非常caching友好。 即使你可以像使用快速sorting一样有效地或几乎有效地实现smoothsort的内部循环，你可能会发现它的caching缺失率会使它变慢。
我们通过花费更多的精力来select好的支架（减less病理病例的数量）和检测病理情况，从而减轻快速排便的最差情况。 查找introsort 。 Introsort首先运行快速sorting，但如果检测到过度recursion（表示快速sorting的病态），则切换到堆sorting。
更好的渐近并不意味着更好的性能（虽然通常情况下是如此）。 隐藏的常量可能会大几倍，导致在相对较小的数组（ 相对较小的数组，实际上可能是任意大小，10 100 ）的另一个algorithm（具有相同或甚至最差的渐近复杂度）例如，这是渐近分析）。 但是我对平滑隐藏的常量一无所知。
例如， 有一个O（n）最差时间algorithm用于查找第k阶统计量，但是如此复杂，O（n log n）最坏情况版本在大多数情况下胜过它。
另外还有一个有趣的比较 ：
…你可以看到，Timsort和Smoothsort都没有切芥末。 在所有情况下，即使std：bitset被replace为原始位操作，SmoothSort也比STL更差…
那么首先我会说，这不是像Smoothsort不出名。 这取决于用户的需要，也取决于用户是否使用它。
smoothsort的优点在于，如果input已经被sorting到一定程度，它会更接近O（n）时间，而sorting平均O（n log n），而不pipe最初的sorting状态如何。
从文档 ： –
smoothsortalgorithm需要能够在内存中保存string中所有堆的大小。 由于所有这些值是不同的，所以通常使用一个位向量来完成。 而且，由于在序列中最多有O（log n）个数字，所以这些比特可以用O（1）个机器字编码，假设是一个双向机器模型。
