排序算法

关于时间复杂度
平方阶 (O(n2)) 排序 各类简单排序：直接插入、直接选择和冒泡排序。

线性对数阶 (O(nlog2n)) 排序 快速排序、堆排序和归并排序；

O(n1+§)) 排序，§ 是介于 0 和 1 之间的常数。 希尔排序

线性阶 (O(n)) 排序 基数排序，此外还有桶、箱排序。

关于稳定性

稳定的排序算法：冒泡排序、插入排序、归并排序和基数排序。

不稳定的排序算法：选择排序、快速排序、希尔排序、堆排序。

名词解释：

n：数据规模
k："桶"的个数
In-place：占用常数内存，不占用额外内存
Out-place：占用额外内存
稳定性：排序后 2 个相等键值的顺序和排序之前它们的顺序相同
包含以下内容：

1、冒泡排序
2、选择排序
3、插入排序
4、希尔排序
5、归并排序
6、快速排序
7、堆排序
8、计数排序
9、桶排序
10、基数排序

(以上是从菜鸟教程复制过来的，写的很好)
特别鸣谢

好文章推荐

实际场合中，快排对于数据量大，数据分布随机的平均效率高于堆排序，但如果数据大部分有序发现快排明显退化的时候会切换到堆排，快排递归到比较小的数据量的时候为了节约递归产生的空间，也会切换成插入排序;

1.冒泡排序
1）正序O（n）
2）反序O（n^2）
3）原地排序
4）交换次数少

也就是说，当基本正序时使用冒泡排序很快。

2、选择排序

1）无论什么数据进去都是 O(n²) 的时间复杂度。所以用到它的时候，数据规模越小越好。
2）优点：不占用额外的内存空间。（即原地操作）
3）使用场景：当空间复杂度要求较高时，可以考虑选择排序。
4）原地排序

3、插入排序

1）正序O（n）
2）反序O（n^2）
3）可以用二分查找来优化插入的过程
4）使用场景：当数据量小，并且已经趋于有序的时候
5）原地排序

4、希尔排序
（缩小增量排序）
用插入排序将局部有序的数组排序


1）希尔排序的时间的时间复杂度：

2）使用场景：希尔排序没有快速排序算法快 ，在中等大小规模表现良好
3）希尔算法在最坏的情况下和平均情况下执行效率相差不是很多
4）专家们提倡：几乎任何排序工作在开始时都可以用希尔排序，若在实际使用中证明它不够快，再改成快速排序这样更高级的排序算法

5、归并排序

1）始终都是 O(nlogn) 的时间复杂度。代价是需要额外的内存空间。
2）使用场景
+适用于链表排序，可以在O(nLogn)时间内排序。通常是链表排序的首选
+计算逆序对个数（每次归并都会出现新的逆序对，因为以前它们两未曾相见）
+用于外部排序(External Sorting)
归并在外部排序，比如磁盘文件的情况下比快排好，因为快排很依赖数据的随机存取，而归并是顺序存取，对磁盘这种外存比较友好

6、快速排序
这里就不贴图了，大一时手撕了快排的代码，一直印象很深刻。（主要动图描述的不清楚）
1）平均状况，Ο(nlogn) 。
2）最坏，Ο(n2) （但这种状况并不常见）（比如说顺序数列的快排）
3）大多数情况下都比平均时间复杂度为 O(n logn) 的排序算法表现要更好
4） O(nlogn) 记号中隐含的常数因子很小，比复杂度稳定等于 O(nlogn) 的归并排序要小很多。所以，对绝大多数顺序性较弱的随机数列而言，快速排序总是优于归并排序。
（就是说nlogn前面的常数很小）
5）适用场景：
适用于大量数据的比较
比较的元素越多，快速排序比冒泡排序越快
当对于数据量大，数据分布高度随机的场景，快速排序的平均效率要高于 堆排序和 归并排序

7、堆排序
就是用堆来排序。

1）原地排序
2）对于Top- K问题，堆排序性能的下限(时间复杂度O(nlogn)要高于快排；
3）快排和堆排都是不稳定排序
4）使用场景;
+优先级队列
+利用堆求topK
5)缺点：在堆排序中有较多次数的交换

8、计数排序
++cnt[i]

9、桶排序
先各自装入桶中，再在桶内进行排序
桶内排序可以选择不同的排序方式
1）尽量增加桶的数量
2）映射函数能够将输入的 N 个数据均匀的分配到 K 个桶中
3）桶内排序算法影响性能
4）最快：均匀分配到各个桶中
5）最慢：分配到一个桶中

10、基数排序
对数位排序