排序算法总结

1、十大排序算法

冒泡排序（Bubble Sort）
插入排序（Insertion Sort）
希尔排序（Shell Sort）
选择排序（Selection Sort）
快速排序（Quick Sort）
归并排序（Merge Sort）
堆排序（Heap Sort）
计数排序（Counting Sort）
桶排序（Bucket Sort）
基数排序（Radix Sort）

2、应用场景

十大排序算法详细讲解，以及各种应用场景

• 数据特征
  大量重复的元素，三路快排是更好地选择
  取值范围非常有限，计数排序是更好的选择
  需要稳定排序，归并排序是更好的选择
• 存储状况
  快排是依赖于数组的随机存储
  链表存储的，归并排序是更好的选择，
  数据量很大或者内存很小，不足以装载在内存里，需要使用外排序算法。

2.1 冒泡排序（Bubble Sort）

一般作为学习理解排序原理时使用，实际应用中不会使用

2.2 插入排序（Insertion Sort）

如果大部分数据距离它正确的位置很近或者近乎有序？例如银行的业务完成的时间
如果是这样的话，插入排序是更好的选择。

2.2 希尔排序（Shell Sort）

相对于直接插入排序，希尔排序要高效很多，因为当gap 值较大时，对子数组进行插入排序时要移动的元素很少，元素移动的距离很大，这样效率很高；在gap逐渐减小过程中，数组中元素已逐渐接近排序的状态，所以需要移动的元素逐渐减少；当gap为1时，相当于进行一次直接插入排序，但是各元素已接近排序状态，需要移动的元素很少且移动的距离都很小。

2.2 选择排序（Selection Sort）

2.2 快速排序（Quick Sort）

2.2 归并排序（Merge Sort）

内存空间不足的时候使用归并排序，能够使用并行计算的时候使用归并排序。

2.2 堆排序（Heap Sort）

堆排序适合于数据量非常大的场合（百万数据）。
堆排序不需要大量的递归或者多维的暂存数组。这对于数据量非常巨大的序列是合适的。比如超过数百万条记录，因为快速排序，归并排序都使用递归来设计算法，在数据量非常大的时候，可能会发生堆栈溢出错误。
堆排序会将所有的数据建成一个堆，最大的数据在堆顶，然后将堆顶数据和序列的最后一个数据交换。接下来再次重建堆，交换数据，依次下去，就可以排序所有的数据。

2.2 计数排序（Counting Sort）

计数排序需要占用大量空间，它仅适用于数据比较集中的情况。比如 [0 100]，[10000 19999] 这样的数据。

2.2 桶排序（Bucket Sort）

2.2 基数排序（Radix Sort）