常见排序算法总结（不详细）
常见的排序算法有如下几种：
- 插入排序
- 直接插入排序
- 折半插入排序
- 希尔排序
- 选择排序
- 简单选择排序
- 堆排序
- 交换排序
- 冒泡排序
- 快速排序
- 二路归并排序
- 基数排序
- 外部排序
直接插入排序
直接插入排序：新建一个队列（当然也可以不新建，只是麻烦点），将元素依次插入新队列中，保证新队列里的元素是按序插入的。
时间复杂度：O(n^2)，空间复杂度O(1)，稳定
折半插入排序
折半插入排序：和直接插入排序类似，只是在寻找插入点的时候使用的是二分查找法。对效率略有提高。
时间复杂度：O(n^2)，空间复杂度O(1)，稳定
希尔排序
希尔排序：按某种分法将待排序列分成几个子序列，对每个子序列进行直接插入排序。但必须保证最后一次的增量是1。
时间复杂度：O(n^2) 或 O(n^1.5)，空间复杂度O(1)，不稳定
冒泡排序
冒泡排序：每次都是两个两个相邻元素比较，每一轮下来总能选出一个元素其位置是固定的。而且，冒泡排序的结束条件是某一轮中没有元素交换。
时间复杂度：O(n^2) ，空间复杂度O(1)，稳定
快速排序
快速排序：算是分冶法吧，每次选一个元素出来（通常是第一个），然后将比它小的元素全放它左边，比它大的元素全放它右边。然后再分别对左右两边使用快排（递归）。
时间复杂度：O(nlog2n)，空间复杂度O(log2n)，不稳定
简单选择排序
希尔排序：从待排序列中选择最小（或最大）值与第一个元素交换（当然这个得依次往后挪），因为是交换，所以这也导致了不稳定，不过如果采用的不是交换，而是插入，那么又是稳定的。
时间复杂度：O(n^2) ，空间复杂度O(1)，不稳定
堆排序
堆排序：数据结构里的堆和栈是有区别的，当然其他地方也有，但是不一样。这里的堆是指一个完全二叉树，它总能根据一定的变形，使得能很轻松地找出最大（或最小）值。
时间复杂度：O(log2n) ，空间复杂度O(1)，不稳定
二路归并排序
二路归并排序：就是通常说的归并排序，将待排序列一分为二，二分为四…这样分下去挨个排好序再合起来。
时间复杂度：O(log2n) ，空间复杂度O(n)，稳定
基数排序
基数排序：不是桶排序。不过也使用了“桶”，所谓“桶”其实就是栈，不过是很多个栈，待排序列中最小单位有几个就需要几个栈…三言两语讲不清，请自行查询资料
时间复杂度：O(d(n+rd)) ，空间复杂度O(rd)，稳定
注：d为关键字的关键字位数；n为关键字数；rd为关键字基的个数
外部排序
外部排序和上面的所有排序算法都不一样。
上述排序都是把数据加载到内存中进行排序，而外部排序之所以不放到内存上是因为数据太多，内存装不下。
常见的方法我们可以采用归并算法，毕竟归并算法是可以先对某一部分排序，最后再来整合即可。
我们这里采用的确实也算归并排序，不过是k路归并排序，不是上面的2路归并了。想来也很好理解，只要我们将数据分为m个部分，每个部分内部是排好序的，那么每次从这m个部分中的最小值中选出一个最小值，就是整个数据的最小值了，就是这样进行排序的。
上述算法当然够了，但是不够好，因此才引出了一些更加高级的算法。
他们的名称和作用分别如下：
- 置换-选择算法：上面将数据分成m个部分了，可是怎么分合适呢？如果m太多的话，想从m个部分中选出一个最小值岂不是也非常耗时，因此我们可以考虑让m尽量小，这时就可以使用这个算法了。它可以从内存读不下的数据中进行排序并生成初始归并段。
- 最佳归并树：数据分成的m个部分长度不一样，而每次归并可能只能进行n路归并(n<=m)，如果n<m，则如果数据很多的那一个部分进行I/O的次数就会不同了。这时候应该想到的就是哈弗曼树了，这里就应该是n叉哈夫曼树。
- 败者树：败者树是用来在n个部分中选择最小值用的，正常的话从n个部分中选出最小值需要比较n-1次，而如果是败者树就只要log2n次了。败者树推荐看：https://www.cnblogs.com/iyjhabc/p/3141665.html
总结
时间复杂度：快排、归并、堆排序都是O(nlog2n)，而希尔排序奇葩点（O(n^2)或者O(n^1.5))，了解即可），其他均为O(n^2)，哦对了，那个基数排序也是奇葩，它是O(d(n+rd))
空间复杂度：快排是O(log2n)，归并是O(n)，基数排序是O(rd)，其他都是O(1)
稳定性：希尔、快排、简单选择（使用交换而不是插入的情况）、堆排序 不稳定，其他都稳定
注：当只需要查询最大（或最小）的100个的这种情况的时候，如果数据量远大于100，那么使用堆排序效率最高。
上述只是一个总结，并不详细，嘻嘻见谅~~
