排序算法总结

时间复杂度为$O(n^2)$的排序算法：

1. 名次排序：n(n-1)/2次比较排出名次，n次交换排好序；
2. 选择排序：不断找出未排序元素中的最大值，将其移到数组末尾。找最大值的算法进行size-1次比较，总的比较次数为n-1+n-2+…+1=n(n-1)/2;
3. 冒泡排序：和选择排序类似，只是找未排序元素最大值的方法是“冒泡策略”，即从数组头部开始，不断比较相邻元素的，如果左边的元素大于右边，则两者交换位置，直到把最大的元素交换到数组末尾。n次冒泡过程比较次数为n(n-1)/2
4. 插入排序：不断往有序数组里插入新的值，从单元素数组开始。每次插入时间复杂度为$O(n)$，插入n次，总的复杂度为$O(n^2)$。

时间复杂度为$O(nlogn)$的算法

1.堆排序：首先用待排序的元素初始化一个大根堆，时间复杂度为$O(n)$，每次删除大根堆的根元素，并把剩余的元素重排，时间为$O(logn)$，执行n次这样的操作，总的时间复杂度为$O(nlogn)$。
2.归并排序：（二路归并排序）利用分而治之的思想，把每个待排序的数据段，分为大致相等的两段，分别进行排序，然后再把排序后的结果归并起来，每一小段都可以继续分成两端再归并，直到分成单个元素，从而实现分而治之。算法复杂度为$O(nlogn)$。是一种稳定排序。
3.快速排序：（三值取中，或取最左端元素为支点）同样利用分而治之的思想，把待排数据分为三段，中间一段只有一个元素，左边段的元素都小于等于中间段，右边的元素都大于等于中间段，然后每一小段继续这样划分。算法复杂度为$O(nlogn)$**。是一种不稳定排序。**普通的快排再序列本身有序的情况下，左端或有段总是空的，这是最坏情况，时间复杂度为$O(n^2)$；三值取中解决了这个问题，最坏情况下的时间复杂度为$O(nlogn)$

时间复杂度为$O(n)$的排序算法

1.箱子排序：将要排序的元素的所有range个取值可能，设计为range个箱子，从输入个数为n的链表的头部开始，把每个元素输出到对应值的箱子里，相同的元素在同一个箱子里，采用链表储存。最后再从箱子里把元素收集起来，即可得到一个有序的链表。把n个元素放到箱子里，时间为$\Theta (n)$,把箱子里的元素收集起来，时间最为$\Theta (range)$,总的时间复杂度为$\Theta (n+range)$。当range和n是一个数量级的时候，时间复杂度为$\Theta (n)$
此方法适用于箱子的range小于等于和输入元素n的情况。如果输入了10个范围在0-999内的数，即n=10,range=1000,那这个方法会很耗时。
2.基数排序：这是改进版的箱子排序。先将要排序的数根据一个基数r分解之后再对分解得到的每一部分进行箱子排序，例如，输入了10个范围在0-999的数，我们以r=10为基数，将输入的数分为个位，十位，百位，然后对于每一位分别进行箱子排序。每一位的范围都是r，时间复杂度为$\Theta (r+n)$。当基数和输入数的数目在同一数量级时，时间复杂度变为$\Theta (r)$。
此方法适用于输入的range和远远大于n的情况。然后将range以r=$\Theta (n)$（基数和输入的数的数目在同一数量级时）为基数分解后程序的时间复杂度最低。

需要注意的是，虽然插入排序等时间复杂度为$O(n^2)$在渐进情况下耗时很多，但在n比较小的时候性能反而比$O(nlogn)$复杂度的要好。
所以STL设计的sort排序算法，把这两种综合了起来，合并成一个分段函数，当n<c(某个常数)时，采用插入排序，当n>c时采用堆排序。（不稳定排序）
stable_sort在n<c时，采用插入排序，n>c时采用归并排序（稳定排序）