【转】排序算法总结（摘至WIKI）

http://ywf676.blog.163.com/blog/static/16142158320122124324828/

（原文有wiki算法链接）

在计算机科学所使用的排序算法通常被分类为：

• 计算的复杂度（最差、平均、和最好性能），依据列表（list）的大小（n）。一般而言，好的性能是O(n log n)，且坏的性能是O(n²)。对于一个排序理想的性能是O(n)。仅使用一个抽象关键比较运算的排序算法总平均上总是至少需要O(n log n)。
• 内存使用量（以及其他电脑资源的使用）
• 稳定度：稳定排序算法会依照相等的关键（换言之就是值）维持纪录的相对次序。也就是一个排序算法是稳定的，就是当有两个有相等关键的纪录R和S，且在原本的列表中R出现在S之前，在排序过的列表中R也将会是在S之前。
• 一般的方法：插入、交换、选择、合并等等。交换排序包含冒泡排序和快速排序。选择排序包含希尔排序和堆排序

平均时间复杂度由高到低为：

• 冒泡排序 O(n²)
• 插入排序 O(n²)
• 选择排序 O(n²)
• 归并排序 O(n log n)
• 堆排序 O(n log n)
• 快速排序 O(n log n)
• 希尔排序 O(n^1.25)
• 基数排序 O(n)

稳定的

• 冒泡排序（bubble sort） — O(n²)
• 鸡尾酒排序 (Cocktail sort, 双向的冒泡排序) — O(n²)
• 插入排序 （insertion sort）— O(n²)
• 桶排序 （bucket sort）— O(n); 需要 O(k) 额外空间
• 计数排序 (counting sort) — O(n+k); 需要 O(n+k) 额外空间
• 合并排序 （merge sort）— O(n log n); 需要 O(n) 额外空间
• 原地合并排序 — O(n²)
• 二叉排序树排序 （Binary tree sort） — O(n log n)期望时间; O(n²)最坏时间; 需要 O(n) 额外空间
• 鸽巢排序 (Pigeonhole sort) — O(n+k); 需要 O(k) 额外空间
• 基数排序 （radix sort）— O(n·k); 需要 O(n) 额外空间
• Gnome 排序 — O(n²)
• 图书馆排序 — O(n log n) with high probability, 需要 (1+ε)n 额外空间

不稳定

• 选择排序 （selection sort）— O(n²)
• 希尔排序 （shell sort）— O(n log n) 如果使用最佳的现在版本
• 组合排序 — O(n log n)
• 堆排序 （heapsort）— O(n log n)
• 平滑排序 — O(n log n)
• 快速排序 （quicksort）— O(n log n) 期望时间, O(n²) 最坏情况; 对于大的、乱数列表一般相信是最快的已知排序
• Introsort — O(n log n)
• Patience sorting — O(n log n + k) 最坏情况时间，需要 额外的 O(n + k) 空间，也需要找到最长的递增子序列