常用排序算法的时间复杂度和空间复杂度

总结：
（1）当排序记录个数n较大，关键码分布较随机，且对稳定性不作要求时，采用快速排序为宜。
（2）当待排序记录个数n较大，内存空间允许，且要求稳定排序时，采用归并排序。
（3）当待排序记录个数n较大，关键码分布可能出现正序或逆序的情况，且对稳定性不作要求时，采用堆排序或归并排序。
（4）当待排序记录个数n较大，而只要找出最小的前几个记录，采用堆排序或简单选择排序。
（5）当待排序记录个数n较小（如小于100）时，记录已基本有序，且要求稳定时，采用直接插入排序。
（6）当待排序记录个数n较小，记录所含数据项较多，所占存储空间较大时，采用简单选择排序。

补充：
时间复杂度和空间复杂度
顾名思义，时间复杂度，就是说算法在运行过程中所耗用的时间，而空间复杂度，则是算法运行过程中所占用的空间（内存、硬盘等等）。

在算法中怎么去衡量【时间复杂度】、【空间复杂度】的复杂级别呢，这里有一个专业名词叫大O阶。
推导大O阶方法：
1、用常量1取代算法中的所有加减法操作。
2、在修改后的运行次数函数中，只保留最高阶项。
3、如果最高阶项存在的不是1，则去除与这个项相乘的参数。

例子

根据推导大O阶方法：
1、上面运行的次数3，用常量1表示。
2、没有最高阶

例子：

在这段程序中，会运行n/2次。
根据推导大O阶方法：
1、上面运行的次数n/2，不是常量。
2、最高阶，X=log2n。

再如下面平方阶的例子

一共循环 n x n 次
根据推导大O阶方法：
1、上面运行的次数n x n，不是常量。
2、最高阶，X=n2。

再看例子

根据推导大O阶方法：
这里要看我最后一个红框内容，他用到了推导方法中的第三点，如果最高阶项存在的不是1，则去除与这个项相乘的参数。
所以最终大O阶为：O(n2)

常见时间复杂度：

参考资料：数据结构–算法（时间复杂度和空间复杂度）