如何基于迭代次数数据判定最优、平均及最差搜索算法？

• 我手头有4组数据集，每组包含30个整数，分别对应顺序查找（sequential search）、二分查找（binary search）、跳跃查找（jump search）、**三分查找（ternary search）**4种算法。每组里的数值，代表对应算法在ArrayList中查找特定键值时的迭代次数。
• 另外我还有键值数据集和ArrayList的大小，需要仅依靠这些数据，判定4种算法里的最优、平均、最差（以搜索速度为评判标准，迭代次数越少，搜索速度越快）。

• 计算每组数据的平均值，把平均值最低的算法定为最优，最高的定为最差；
• 再计算所有组平均值的均值，把最接近这个均值的组对应的算法定为平均算法；
• 不确定这个方法是否正确，想知道如果有误该怎么调整。

以下是5次算法运行的结果，键值随机取自ArrayList（数据来自CSV文件的ID列），ArrayList的大小为20972：

Sequential: 12525, 6829, 15194, 5212, 6461
Binary: 15, 14, 15, 14, 13
Jump: 227, 241, 179, 64, 169
Ternary: 9, 4, 10, 9, 9

keys taken from arraylist: 12526, 16830, 15195, 5213, 6462

ArrayList Size: 20972 (the list on which the algorithms operate)

• 我给出的判定结果：最优算法为三分查找（Ternary search），最差算法为顺序查找（Sequential search），平均算法为跳跃查找（Jump search）；
• 不确定这个结果是否正确，急需明确正确的判定方法。

你的核心思路是对的——用迭代次数的平均值衡量搜索速度，因为迭代次数直接对应算法的执行步骤，步骤越少速度越快。不过可以补充几个优化细节：

1. 最优/最差算法的判定
   • 用每组数据的平均值是合理的，尤其是当你有30个样本时，平均值能很好地反映算法的整体性能。如果数据里存在极端异常值（比如某次顺序查找刚好第一次就命中，迭代次数为1），可以考虑用中位数代替平均值，避免异常值拉低或拉高整体结果。
   • 拿你的示例数据计算：
     • 顺序查找平均值：(12525+6829+15194+5212+6461)/5 = 9244.2
     • 二分查找平均值：(15+14+15+14+13)/5 = 14.2
     • 跳跃查找平均值：(227+241+179+64+169)/5 = 176
     • 三分查找平均值：(9+4+10+9+9)/5 = 8.2
       显然三分查找迭代次数最少，顺序查找最多，你的判定完全正确。
2. 平均算法的判定
   • 你用“所有组平均值的均值”来匹配最接近的算法，这个逻辑没问题。按示例数据计算，所有组平均值的均值是(9244.2+14.2+176+8.2)/4 ≈ 2360.65，跳跃查找的176确实比二分查找的14.2更接近这个值，所以你的判定是对的。
   • 要注意：这个“平均”是基于你实际采样数据的表现，而非算法的理论时间复杂度。如果你的键值是随机采样的，这个统计结果能真实反映算法在当前数据集上的性能。

内容的提问来源于stack exchange，提问作者Blue