排序算法

十大排序算法可分为两类：
比较类排序：通过比较来决定元素间的相对次序，由于其时间复杂度不能突破O(nlogn)，因此也称为非线性时间比较类排序。
非比较类排序：不通过比较来决定元素间的相对次序，它可以突破基于比较排序的时间下界，以线性时间运行，因此也称为线性时间非比较类排序。
计数排序：第一次循环遍历数组，对每个值计数；第二次循环遍历每个值，形成排序数组。k为值个数。适用于值在一定可数范围，如公司员工年龄

桶排序：第一次循环遍历数组，对应值放入桶；第二次循环遍历每个桶，桶内排序，一般桶内值较少，可直接用插入，或者桶递归。最坏情况是全分入一个桶。对于相同数量的数据，桶的数量越多，数据分散得越平均，桶排序的效率越高，可以说，桶排序的效率是空间的牺牲换来的。
对于N个待排数据，M个桶，平均每个桶[N/M]个数据的桶排序平均时间复杂度为：O(N+C)，其中C=N*(logN-logM)
O(N)+O(M*(N/M)log(N/M))=O(N+N(logN-logM))=O(N+NlogN-NlogM)
当N=M时，即极限情况下每个桶只有一个数据时。桶排序的最好效率能够达到O(N)。
当然桶排序的空间复杂度为O(N+M)，如果输入数据非常庞大，而桶的数量也非常多，则空间代价无疑是昂贵的。计数排序相当于每个桶存个数，而现在每个桶存多个数字。
上方表平均时间是O(N+C)，最好是O(N)，空间是O(N+M)

基数排序：每一位计数排序；k为最大位数

冒泡和选择排序最慢，很少用

插入排序比冒泡快两倍，用于数据少，重复少

Shell排序比插入排序大致快2倍。Shell排序比起快速排序，归并排序，堆排序慢很多。但shell算法比较简单，特别适合数据量在5000以下且性能要求不是很高的场合。
希尔：{1,2,4,8,…}这种序列并不是很好的增量序列，使用这个增量序列的时间复杂度（最坏情形）是O(n^2)
Hibbard提出了另一个增量序列{1,3,7，…,2^{k-1}，这种序列的时间复杂度(最坏情形)为O(n}1.5)
Sedgewick提出了几种增量序列，其最坏情形运行时间为O（n^1.3）,其中最好的一个序列是{1,5,19,41,109,…}

归并排序合并排序比堆排序稍微快一点，由于它需要一个额外的数组，因此需要比堆排序多一些内存空间。
归并排序应该算是链表排序最佳的选择了，保证了最好和最坏时间复杂度都是nlogn，而且它在数组排序中广受诟病的空间复杂度在链表排序中也从O(n)降到了O(1)。

快速排序：一般情况下，没有比它更快的

堆排序：不需要大量的递归或者多维的暂存数组，因此这对于数据量非常巨大的序列是很合适的，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。
一个节点的左节点是其父节点下标的2k+1，右节点是其父节点下标的2K+2
一般升序采用大顶堆，降序采用小顶堆