b.選擇排序，效率較低，但經常用它內部的迴圈方式來找最大值和最小值——怎麼一次性求出陣列的最大值和最小值
o(n²)
c.插排，雖然平均效率低，但是在序列基本有序時，它很快，所以也有其適用範圍
arrays這個工具類在1.7裡面做了較大改動
d.希爾（縮小增量排序），是插排的改良，對空間思維訓練有幫助
#分治法
1.子問題拆分
2.遞迴求解子問題
3.合併子問題的解
e.快排是軟體工業中最常見的常規排序法，其雙向指標掃瞄和分割槽演算法是核心，
往往用於解決類似問題，特別地partition演算法用來劃分不同性質的元素，
partition->selectk,也用於著名的top問題
o(nlgn)，但是如果主元不是中位數的話，特別地如果每次主元都在陣列區間的一側，複雜度將退化為n²
工業優化：三點取中法，絕對中值法，小資料量用插入排序
快排重視子問題拆分
f.歸併排序，空間換時間——逆序對數
歸併重視子問題的解的合併
g.堆排序，用到了二叉堆資料結構，是繼續掌握樹結構的起手式
=插排+二分查詢
上面三個都是nlgn的複雜度，其中快排表現最好，是原址的不用開闢輔助空間；堆排也是原址的，但是常數因子較大，不具備優勢。
上面7種都是基於比較的排序，可證明它們在元素隨機順序情況下最好是nlgn的，用決策樹證明
下面三個是非比較排序，在特定情況下會比基於比較的排序要快：
1.計數排序，可以說是最快的：o(n+k),k=maxof(sourcearr)，
用它來解決問題時必須注意如果序列中的值分布非常廣（最大值很大，元素分布很稀疏），
空間將會浪費很多
所以計數排序的適用範圍是：序列的關鍵字比較集中，已知邊界，且邊界較小
2.桶排序：先分桶，再用其他排序方法對桶內元素排序，按桶的編號依次檢出。（分配-收集）
用它解決問題必須注意序列的值是否均勻地分布在桶中。
如果不均勻，那麼個別桶中的元素會遠多於其他桶，桶內排序用比較排序，極端情況下，全部元素在乙個桶內
還是會退化成nlgn
其時間複雜度是：時間複雜度： o(n+c)，其中c=n*(logn-logm)，約等於n*lgn
n是元素個數，m是桶的個數。
3.基數排序，kn級別（k是最大數的位數）是整數數值型排序裡面又快又穩的，無論元素分布如何，
只開闢固定的輔助空間（10個桶）
對比桶排序，基數排序每次需要的桶的數量並不多。而且基數排序幾乎不需要任何「比較」操作，而桶排序在桶相對較少的情況下，
桶內多個資料必須進行基於比較操作的排序。
因此，在實際應用中，對十進位制整數來說，基數排序更好用。
十大演算法總結
排序演算法的總結 基礎排序 a.冒泡 誰大誰上，每一輪都把最大的頂到天花板 效率太低o n 掌握swap b.選擇排序，效率較低，但經常用它內部的迴圈方式來找最大值和最小值 怎麼一次性求出陣列的最大值和最小值 o n c.插排，雖然平均效率低，但是在序列基本有序時，它很快，所以也有其適用範圍 arr...
十大排序演算法速記總結
選取第乙個數為哨兵 將比哨兵小的數都交換到前面，比哨兵大的數都交換到後面 返回哨兵位置，根據哨兵位置劃分左右區間重複第二步，直到各區間只有乙個數。int partition vector nums,int left,int right 再找左邊，只要左邊的數 哨兵就繼續 while i j nums...
十大排序演算法
1.非線性時間類排序 時間複雜度未突破 0 nlog 2n 不穩定的四個排序演算法 選擇排序 0 n2 希爾排序 0 n1.3 希爾排序實現python 快速排序 0 n log2 n 0 nlog 2n 0 nlog 2 n 快速排序實現c python 堆排序 0 n log2 n 0 nlog...