一次性看懂10种排序算法（附代码）

常见的排序算法可以根据其实现原理分为以下几类，每种算法都有其特定的应用场景和性能特点：

---

1. 比较排序（基于元素比较）

• 冒泡排序（Bubble Sort）

  • 原理：通过相邻元素交换，逐步将最大值“冒泡”到数组末尾。
  • 时间复杂度：平均和最坏情况 (O(n^2))，最好情况 (O(n))（已排序时）。
  • 特点：简单但效率低，稳定排序。

• 选择排序（Selection Sort）

  • 原理：每次选择最小元素放到已排序区间的末尾。
  • 时间复杂度：始终 (O(n^2))。
  • 特点：不稳定，适合小规模数据。

• 插入排序（Insertion Sort）

  • 原理：逐个将元素插入已排序区间的正确位置。
  • 时间复杂度：平均和最坏 (O(n^2))，最好 (O(n))（已排序时）。
  • 特点：稳定，适合小规模或部分有序数据。

• 快速排序（Quick Sort）

  • 原理：分治法，选择一个基准元素，将数组分为两部分递归排序。
  • 时间复杂度：平均 (O(n \log n))，最坏 (O(n^2))（如已排序且基准选择不当）。
  • 特点：高效且原地排序，不稳定，实际应用广泛。

• 归并排序（Merge Sort）

  • 原理：分治法，将数组分为两半分别排序后合并。
  • 时间复杂度：始终 (O(n \log n))。
  • 特点：稳定，但需要额外空间，适合链表或外部排序。

• 堆排序（Heap Sort）

  • 原理：利用堆结构（完全二叉树）实现选择排序。
  • 时间复杂度：始终 (O(n \log n))。
  • 特点：原地排序，不稳定，适合大数据量。

• 希尔排序（Shell Sort）

  • 原理：改进的插入排序，通过分组逐步缩小间隔排序。
  • 时间复杂度：(O(n \log n)) 到 (O(n^2))，取决于增量序列。
  • 特点：不稳定，适合中等规模数据。

---

2. 非比较排序（基于元素分布特性）

• 计数排序（Counting Sort）

  • 原理：统计元素出现次数，适用于整数且范围较小的情况。
  • 时间复杂度：(O(n + k))（(k) 为数据范围