冒泡排序(n^2)
第一遍，从第一个元素开始， 相邻两个分别比较，大的放到后面。（最后一个元素是最大的）
第二遍，从第二个元素开始...
void Bubblesort(int *a, int n)
{
int i, j, k;
for (i = 1;i < n;i++)
{
for (j = 1;j <= n - i;j++)
{
if (a[j] > a[j + 1])
k = a[j], a[j] = a[j + 1], a[j + 1] = k;
}
}
}
选择排序(n^2)
第一个和之后的比较，谁大谁放第一个。
第二个和之后的比较，谁大谁放第二个。
void Selectionsort(int *a, int n)
{
int i, j, k;
for (i = 1;i <= n;i++)
{
for (j = i + 1;j <= n;j++)
{
if (a[i] > a[j])
k = a[i], a[i] = a[j], a[j] = k;
}
}
}
快速排序
一趟快速排序的算法是：
1）设置两个变量i、j，排序开始的时候：i=0，j=N-1；
2）以第一个数组元素作为关键数据，赋值给key，即key=A[0]；
3）从j开始向前搜索，即由后开始向前搜索(j--)，找到第一个小于key的值A[j]，将A[j]和A[i]互换；
4）从i开始向后搜索，即由前开始向后搜索(i++)，找到第一个大于key的A[i]，将A[i]和A[j]互换；
5）重复第3、4步，直到i=j； (3,4步中，没找到符合条件的值，即3中A[j]不小于key,4中A[i]不大于key的时候改变j、i的值，使得j=j-1，i=i+1，直至找到为止。找到符合条件的值，进行交换的时候i， j指针位置不变。另外，i==j这一过程一定正好是i+或j-完成的时候，此时令循环结束）。
复杂度：O(nlogn)
void quicksort(int *a, int l, int r)
{
int i = l, j = r, k = a[l];
if (l < r)
{
while (i < j)
{
while (i < j&&a[j] >= k)
j--;
if (i < j) a[i++] = a[j];
while (i < j&&a[i] <= k)
i++;
if (i < j) a[j--] = a[i];
}
a[i] = k;
quicksort(a, l, i - 1);
quicksort(a, i + 1, r);
}
}
插入排序—直接插入排序
相邻的两个元素a(index:i)和b(index:i+1)，进行比较，如果a大于b，交换a,b位置，然后b继续去和a前面的元素比较，如果还是b小，继续交换位置。
void insertsort(int *a, int n)
{
for (int i = 0;i < n;i++)
{
int j = i - 1, tmp = a[i];
while (j >= 0 && tmp < a[j])
a[j + 1] = a[j], j--;
a[j + 1] = tmp;
}
}
插入排序-希尔排序
直接插入排序的进阶版。先在步长为个数一半进行插入排序，然后逐次递减。
void shellsort(int *a, int n)
{
int i, j, k, id, gap;
for (gap = n / 2;gap;gap /= 2)
{
for (i = gap;i <= n;i++)
{
for (j = i - gap;j >= 0 && a[j] > a[j + gap];j -= gap)
k = a[j], a[j] = a[j + gap], a[j + gap] = k;
}
}
}
归并排序 复杂度：O(nlogn)
归并操作(merge)，也叫归并算法，指的是将两个顺序序列合并成一个顺序序列的方法。
如 设有数列{6，202，100，301，38，8，1}
初始状态：6,202,100,301,38,8,1
第一次归并后：{6,202},{100,301},{8,38},{1}，比较次数：3；
第二次归并后：{6,100,202,301}，{1,8,38}，比较次数：4；
第三次归并后：{1,6,8,38,100,202,301},比较次数：4；
总的比较次数为：3+4+4=11
速度仅次于快速排序，为稳定排序算法，一般用于对总体无序，但是各子项相对有序的数列，应用见2011年普及复赛第3题“瑞士轮”的标程
//归并排序
func mergeSort(_ arr: inout [Int]) {
var gap = 1;
while gap < arr.count {
mergePass(&arr, gap: gap);
gap *= 2;
}
}
//分解合并序列，gap表示子序列的元素个数
func mergePass(_ arr: inout [Int], gap: Int) {
var i = 0;
let count = arr.count;
//设置初始排序的值如果为1，则相邻的两个排序即[1,2,3,5,6]排[{1,2},{3,4}...]
//之后继续四个排
while i + 2 * gap - 1 < count {
//0,0,1
mergeArray(&arr, low: i, mid: i + gap - 1, high: i + 2 * gap - 1);
i += 2 * gap;
}
//合并剩余的序列
if i + gap - 1 < count {
mergeArray(&arr, low: i, mid: i + gap - 1, high: count - 1);
}
}
//合并两个序列
func mergeArray(_ arr: inout [Int], low: Int, mid: Int, high: Int) {
var i = low;
var j = mid + 1;
var k = 0;
var array = Array<Int>(repeating: 0, count: high - low + 1);
while i <= mid && j <= high {
if arr[i] < arr[j] {
array[k] = arr[i];
i += 1;
k += 1;
} else {
array[k] = arr[j];
j += 1;
k += 1;
}
}
while i <= mid {
array[k] = arr[i];
i += 1;
k += 1;
}
while j <= high {
array[k] = arr[j];
j += 1;
k += 1;
}
//将排序好的序列复制回原数组
k = 0;
for i in low...high {
arr[i] = array[k];
k += 1;
}
}
var array = [2, 5, 8, 9, 10, 4, 3, 16, 1, 7, 8];
mergeSort(&array);
print(array);
计数排序
计数排序是一个非基于比较的排序算法，该算法于1954年由 Harold H. Seward 提出。它的优势在于在对一定范围内的整数排序时，它的复杂度为Ο(n+k)（其中k是整数的范围），快于任何比较排序算法。[1-2] 当然这是一种牺牲空间换取时间的做法，而且当O(k)>O(nlog(n))的时候其效率反而不如基于比较的排序（基于比较的排序的时间复杂度在理论上的下限是O(nlog(n)), 如归并排序，堆排序）
它的原理是，计算数组的范围计入一个数组S，然后再统计数组S各个元素的个数。
然后根据S里面各个数量整理出排序后的数组。如：
nums=[2, 1, 3, 1, 5] , 首先扫描一遍获取最小值和最大值， maxValue=5 , minValue=1 ，于是开一个长度为5的计数器数组 counter ，
- 分配。统计每个元素出现的频率，得到 counter=[2, 1, 1, 0, 1] ，例如 counter[0] 表示值 0+minValue=1 出现了2次。
- 收集。 counter[0]=2 表示 1 出现了两次，那就向原始数组写入两个1， counter[1]=1 表示 2 出现了1次，那就向原始数组写入一个2，依次类推，最终原始数组变为 [1,1,2,3,5] ，排序好了。
void cntsort(int *a, int n, int *s,int *Rank)
{
int i, j;
for (i = 1;i <= n;i++)
s[a[i]]++;
for (i = 1;i <= 100;i++)
s[i] += s[i - 1];
for (i = n;i >= 1;i--)
Rank[s[a[i]]--] = a[i];
for (i = 1;i <= n;i++)
printf("%d ", Rank[i]);
printf("\n");
}
桶排序
- 将待排序元素划分到不同的痛。先扫描一遍序列求出最大值 maxV 和最小值 minV ，设桶的个数为 k ，则把区间 [minV, maxV] 均匀划分成 k 个区间，每个区间就是一个桶。将序列中的元素分配到各自的桶。
- 对每个桶内的元素进行排序。可以选择任意一种排序算法。
- 将各个桶中的元素合并成一个大的有序序列。
- 假设数据是均匀分布的，则每个桶的元素平均个数为 n/k 。假设选择用快速排序对每个桶内的元素进行排序，那么每次排序的时间复杂度为 O(n/klog(n/k)) 。总的时间复杂度为 O(n)+O(m)O(n/klog(n/k)) = O(n+nlog(n/k)) = O(n+nlogn-nlogk 。当 k 接近于 n 时，桶排序的时间复杂度就可以金斯认为是 O(n) 的。即桶越多，时间效率就越高，而桶越多，空间就越大。
计数排序是一种特殊的桶排序。
基数排序
是一种非比较排序算法，时间复杂度是 O(n) 。它的主要思路是，
将所有待排序整数（注意，必须是非负整数）统一为位数相同的整数，位数较少的前面补零。一般用10进制，也可以用16进制甚至2进制。所以前提是能够找到最大值，得到最长的位数，设 k 进制下最长为位数为 d 。
-
从最低位开始，依次进行一次稳定排序。这样从最低位一直到最高位排序完成以后，整个序列就变成了一个有序序列。
举个例子，有一个整数序列，0, 123, 45, 386, 106，下面是排序过程：第一次排序，个位，000 123 045 386 106，无任何变化
第二次排序，十位，000 106 123 045 386
第三次排序，百位，000 045 106 123 386
最终结果，0, 45, 106, 123, 386, 排序完成。为什么同一数位的排序子程序要用稳定排序？因为稳定排序能将上一次排序的成果保留下来。例如十位数的排序过程能保留个位数的排序成果，百位数的排序过程能保留十位数的排序成果。能不能用2进制？能，可以把待排序序列中的每个整数都看成是01组成的二进制数值。那这样的话，岂不是任意一个非负整数序列都可以用基数排序算法？理论上是的，假设待排序序列中最大整数为2 4 . 1，则最大位数 d=64 ，时间复杂度为 O(64n) 。可见任意一个非负整数序列都可以在线性时间内完成排序。
既然任意一个非负整数序列都可以在线性时间内完成排序，那么基于比较排序的算法有什么意义呢？基于比较的排序算法，时间复杂度是 O(nlogn) ，看起来比 O(64n) 慢，仔细一想，其实不是， O(nlogn) 只有当序列非常长，达到2 个元素的时候，才会与 O(64n) 相等，因此，64这个常数系数太大了，大部分时候， n 远远小于2 ，基于比较的排序算法还是比 O(64n) 快的。
当使用2进制时， k=2 最小，位数 d 最大，时间复杂度 O(nd) 会变大，空间复杂度 O(n+k) 会变小。当用最大值作为基数时， k=maxV 最大， d=1 最小，此时时间复杂度 O(nd) 变小，但是空间复杂度 O(n+k) 会急剧增大，此时基数排序退化成了计数排序。
堆排序
略（回头再讲）
