各种排序算法及其复杂度

• 稳定的

　　冒泡排序（bubble sort） — O(n^2）
　　鸡尾酒排序(Cocktail sort，双向的冒泡排序) — O(n^2）
　　插入排序（insertion sort）— O(n^2)
　　桶排序（bucket sort）— O(n); 需要 O(k) 额外空间
　　计数排序(counting sort) — O(n+k); 需要 O(n+k) 额外空间
　　合并排序（merge sort）— O(nlog n); 需要 O(n) 额外空间
　　原地合并排序— O(n^2)
　　二叉排序树排序 （Binary tree sort） — O(nlog n)期望时间； O(n^2)最坏时间； 需要 O(n) 额外空间
　　鸽巢排序(Pigeonhole sort) — O(n+k); 需要 O(k) 额外空间
　　基数排序（radix sort）— O(n·k); 需要 O(n) 额外空间
　　Gnome 排序— O(n^2)
　　图书馆排序— O(nlog n) with high probability，需要 （1+ε)n额外空间

• 不稳定的

　　选择排序（selection sort）— O(n^2)
　　希尔排序（shell sort）— O(nlog n) 如果使用最佳的现在版本
　　组合排序— O(nlog n)
　　堆排序（heapsort）— O(nlog n)
　　平滑排序— O(nlog n)
　　快速排序（quicksort）— O(nlog n) 期望时间，O(n^2) 最坏情况； 对于大的、乱数列表一般相信是最快的已知排序
　　Introsort— O(nlog n)
　　Patience sorting— O(nlog n+ k) 最坏情况时间，需要 额外的 O(n+ k) 空间，也需要找到最长的递增子串行（longest increasing subsequence）

• 不实用的排序算法

　　Bogo排序— O(n× n!) 期望时间，无穷的最坏情况。
　　Stupid sort— O(n^3); 递归版本需要 O(n^2) 额外存储器
　　珠排序（Bead sort） — O(n) or O（√n)，但需要特别的硬件
　　Pancake sorting— O(n)，但需要特别的硬件
　　stooge sort——O（n^2.7）很漂亮但是很耗时