这篇文章主要为大家展示了“Go语言排序算法之如何实现插入排序与生成随机数”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“Go语言排序算法之如何实现插入排序与生成随机数”这篇文章吧。
十年的乌海海南网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。全网营销推广的优势是能够根据用户设备显示端的尺寸不同，自动调整乌海海南建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。创新互联从事“乌海海南网站设计”,“乌海海南网站推广”以来，每个客户项目都认真落实执行。
经典排序算法
算法的学习非常重要，是检验一个程序员水平的重要标准。学习算法不能死记硬背，需要理解其中的思想，这样才能灵活应用到实际的开发中。
七大经典排序算法
插入排序
选择排序
冒泡排序
希尔排序
归并排序
堆排序
快速排序
插入排序
先考虑一个问题：对于长度为n的数组，前n-1位都是递增有序的，如何排序？
1.从第1位至第n-1位遍历数组，发现第n位数字应该放在第k位
2.把第k位至第n-1位的数字依次向后挪一位
3.这样长度为n的数组就是递增有序的了
具体实现方法：
package main
import "fmt"
func insertionSort(arr []int) {
for i := 1; i < len(arr); i++ {
value := arr[i]
for j := i - 1; j >= 0; j-- {
if value < arr[j] {
arr[j+1], arr[j] = arr[j], value
} else {
break
}
}
}
}
func main() {
arr := []int{6, 5, 4, 3, 2, 1, 0}
insertionSort(arr)
fmt.Println("Sorted arr: ", arr)
}复杂度：
时间复杂度：O(n*n）
空间复杂度：额外空间O(1)
O表达式（Big O notation）通常用来在计算机科学中表示算法的复杂度，包括：
时间复杂度：衡量算法的运行时间
空间复杂度：衡量算法运行所占的空间，比如内存或硬盘等
一般情况下，O表达式代表的是最坏情况下的复杂度。
算法分析也是如此，在n个随即数中查找某个数字，最好的情况是第一个数字就是，此时时间复杂度为O(1)，若最后一个数字才是我们要找的，那么时间复杂度是O(n)，这是最坏的情况。而平均运行时间是从概率的角度看，若数字在每一个位置都可能出现，则平均查找次数为n/2次。
平均运行时间是所有情况中最有意义的，因为它是期望的运行时间。可现实中，平均运行时间很难通过分析得到，一般都是通过运行一定数量的实验数据后估算而来的。而最坏运行时间是一种保证，那就是运行时间不会再坏了。在应用中，这是最重要的需求，通常，除非特别指定，我们提到的运行时间都是最坏情况下的运行时间。即，时间复杂度是最坏情况下的时间复杂度。
常见的算法时间复杂度由小到大依次为：
