排序问题

稳定的

冒泡排序（bubble sort） — O(n^2）

鸡尾酒排序(Cocktail sort，双向的 冒泡排序) — O( n^2）

插入排序（insertion sort）— O( n^2)

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( nlog   n); 需要 O( n) 额外空间

原地 合并排序— O( n^2)

二叉排序树排序 （Binary tree sort） — O( nlog   n)期望时间； O( n^2)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( n^2)

图书馆排序— O( nlog   n) with high probability，需要 （1+ε) n额外空间

不稳定的

选择排序（selection sort）— O( n^2)

希尔排序（shell sort）— O( nlog   n) 如果使用最佳的现在版本

组合排序— O( nlog   n)

堆排序（heapsort）— O( nlog   n)

平滑排序— O( nlog   n)

快速排序（quicksort）— O( nlog   n) 期望时间，O( n^2) 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( nlog   n)

Patience sorting— O( nlog   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串行（longest increasing subsequence）

不实用的排序算法

Bogo排序— O( n×   n!) 期望时间，无穷的最坏情况。

Stupid sort— O( n^3); 递归版本需要 O( n^2) 额外 存储器

珠排序（Bead sort） — O( n) or O（√ n)，但需要特别的硬件

Pancake sorting— O( n)，但需要特别的硬件

stooge sort——O（n^2.7）很漂亮但是很耗时