八大排序算法的原理图解及代码实现

朴灿烈づ我的快乐病毒、 2022-03-20 13:50 190阅读 0赞

## 前言 ##

程序 = 数据结构 + 算法。  
  
设计优良程序的两个要点：选用正确的存储结构、采用合理的解决方案。  
  
算法就是“解决方案”。而排序，是一种非常常见的业务场景，如：“前100名下单的打八折”、“成绩前三的获一等奖”、“绩效最差的扣工资”等等。但排序的实现有很多不同的解决方案，不同的解决方案需要的运算时间和存储空间不同。  
  
这里说的八大排序算法，都是内部排序（不需要额外的空间存储数据，所有运算时存储的数据都是放在内存中）。他们分别是：冒泡排序、堆排序、直接插入排序、归并排序、快速排序、基数排序、简单选择排序、希尔排序。  
  
接下来，我们来学习并归纳这八种排序的思想以及Java实现。  
  
具体的Java实现以及测试代码详见于[我的Github][Github]。

由于这些排序里面有一些公用的方法，预先新建工具类如下：

/** * 整数数组相关的工具类 * @author zhenye 2019/1/24 */
    public class IntArrayUtil { 
    
      /** * 初始化一个正整数数组 * @param length 数组长度 * @param maxNum 数组中元素的最大值 * @return 正整数数组 */
      public static int[] initIntArrays (int length, int maxNum) { 
        if (length <= 0 || maxNum <= 0) { 
          throw new RuntimeException("参数非法");
        }
        int[] nums = new int[length];
        Random random = new Random();
        for(int i = 0; i < length; i++) { 
          nums[i] = random.nextInt(maxNum);
        }
        return nums;
      }
    
      /** 交换数组中下标i与下标j的值 * @param intArrays 目标数组 * @param i 数组下标i * @param j 数组下标j */
      public static void exchangeValue(int[] intArrays, int i, int j) { 
        // 如果i==j，通过这种方法交换，会将当前位置的值重置为0
        if(i == j) { 
          return;
        }
        intArrays[i] = intArrays[i] ^ intArrays[j];
        intArrays[j] = intArrays[i] ^ intArrays[j];
        intArrays[i] = intArrays[i] ^ intArrays[j];
      }
    }

## 冒泡排序 ##

基本思想：从左往右比较相邻的两个元素，如果左边元素比右边元素大，交换左右元素。即每轮比较完后，最大值都能到最右边。当所有的轮次比较完后，就是从小到大的顺序。

图解冒泡排序如下图：  
![图解冒泡排序][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70]

冒泡排序的java实现如下：

/** * 冒泡排序 * @author zhenye 2019/1/24 */
    public class BubbleSort { 
    
      public static void sort(int[] nums) { 
        // 比较的轮次数
        for(int i = 0;i < nums.length;i++) { 
          // 当前轮次需要比较的次数
          for(int j = 0; j < nums.length - i - 1;j++) { 
            if(nums[j] > nums[j+1]) { 
              IntArrayUtil.exchangeValue(nums, j, j+1);
            }
          }
        }
      }
    }

冒泡排序的执行结果如下图所示：  
![冒泡排序的执行结果图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 1]

## 堆排序 ##

基本思想：堆是一颗顺序存储的完全二叉树。每个节点的值都不大于其子节点的值，这样的称之为“小根堆”，反之则称之为“大根堆”。因此“大根堆”的堆顶元素就是这个堆的最大值。利用将无序序列初始化为“大根堆”，取出其堆顶元素作为最大值，然后将剩余的元素看做无序序列，并再次变为“大根堆”并取出其堆顶元素。重复迭代直到无序序列只有一个元素即排序完毕。

图解堆排序如下图：

1.  如果将一个无序序列，初始化为一个“大根堆”，如下图：  
    ![大根堆初始化][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 2]
2.  将堆顶元素与最后一个元素交换，将剩余的n-1个元素的无序序列再次初始化为  
    “大根堆”，并重复。  
    ![大根堆排序][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 3]

堆排序的java实现如下：

/** * 堆排序 * @author zhenye 2019/1/24 */
    public class HeapSort { 
    
      public static void sort(int[] nums) { 
        // 预先初始化为大根堆
        initBigHeap(nums);
        for(int i = nums.length; i >= 1; i--) { 
          // 堆顶元素为最大值，交换到其应该在的位置
          IntArrayUtil.exchangeValue(nums, 0, i - 1);
          // 重新调整，保证数组的前i-1个元素符合大根堆
          adjustBigHeap(nums, 0, i - 1);
        }
      }
    
      /** * 将数组初始化为大根堆 * @param nums 待排数组 */
      private static void initBigHeap(int[] nums) { 
        // 从最后一个有子节点的节点往前遍历，遍历过程中保证当前节点的左右子节点的值均不大于该节点的值
        // 则遍历到根节点（堆顶元素）时也保证其左右子节点的值均不大于该节点的值，则初始化成功。
        // 即从第i个元素的父节点(第i个元素的下标为i - 1,其父节点的下标为i/2 - 1)开始往前遍历：
        for(int i = nums.length / 2 - 1;i >= 0; i--) { 
          adjustBigHeap(nums,i,nums.length);
        }
      }
    
      /** * 保证数组nums的前count个元素中，下标为parent的节点及其子孙节点符合大根堆要求 * @param nums 待排数组 * @param parentIndex 目标节点 * @param count 待排元素个数（nums数组的前count个元素） */
      private static void adjustBigHeap(int[] nums, int parentIndex, int count) { 
        int leftChildIndex = 2 * parentIndex + 1;
        int rightChildIndex = 2 * parentIndex + 2;
        while(leftChildIndex < count) { 
          int toBeComparedIndex;
          // 如果j节点有右子节点，且右子节点比左子节点的值大，则j节点跟右子节点比较，否则跟左子节点比较
          if (rightChildIndex < count && nums[rightChildIndex] > nums[leftChildIndex]) { 
            toBeComparedIndex = rightChildIndex;
          } else { 
            toBeComparedIndex = leftChildIndex;
          }
          if (nums[toBeComparedIndex] > nums[parentIndex]) { 
            IntArrayUtil.exchangeValue(nums, parentIndex, toBeComparedIndex);
            // 交换后，然后还要保证交换后的节点也符合大根堆要求
            adjustBigHeap(nums, toBeComparedIndex, count);
          } else { 
            // 当父节点是最大时，停止递归
            break;
          }
        }
      }
    }

堆排序的执行结果如下图所示：  
![堆排序的执行结果图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 4]

## 直接插入排序 ##

基本思想：将n个待排序的元素分成一个有序表和一个无序表。开始时有序表只包含第一个元素，无序表包含后面的n-1个元素。排序过程中每次从无序表中取出第一个元素，并直接插入有序表中的合适位置。重复n-1次即排序完毕。

图解直接插入排序如下图：  
![图解直接插入排序][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 5]

直接插入排序的java实现如下：

/** * 直接插入排序 * @author zhenye 2019/1/24 */
    public class InsertSort { 
    
      public static void sort(int[] nums) { 
        // i为无序表中的元素下标，temp是待插入元素。
        int i,temp;
        for(i = 1;i < nums.length;i++) { 
          temp = nums[i];
          // k记录的是待插入元素应该在数组中位置的下标
          int k;
          // 比待插入元素大的元素右移，否则就是找到待插入元素的正确位置k
          for(k = i;k > 0 && nums[k - 1] > temp;k--) { 
            nums[k] = nums[k - 1];
          }
          nums[k] = temp;
        }
      }
    }

直接插入排序的执行结果如下图所示：  
!\[![直接插入排序的执行结果图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 6]

## 归并排序 ##

基本思想：采用分治策略将待排序列分成若干个子序列，先将每个子序列进行排序后，再把子序列进行合并即得到排好序的序列。

图解归并排序如下图：  
![图解归并排序][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 7]

具体归并操作的实现细节图解如下图：  
![归并操作实现细节图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 8]

归并排序的java实现：

/** * 归并排序 * @author zhenye 2019/1/24 */
    public class MergeSort { 
    
      /** * 提供给开发者使用的归并排序 * @param nums 待排序数组 */
      public static void sort(int[] nums) { 
        mergeSort(nums, 0, nums.length - 1, new int[nums.length]);
      }
    
      /** * 归并算法的具体实现 * @param nums 待排序列 * @param start 数组起始下标 * @param end 数组截止下标 * @param temp 临时数组 */
      private static void mergeSort(int[] nums, int start, int end, int[] temp) { 
        // 当[start ... end]数组可以拆分(不只一个元素)时，需要再次拆分
        if(start < end) { 
          // 拆分成[start ... mid],[mid + 1 ... end]两个更小的数组）
          int mid = (start + end) / 2;
          mergeSort(nums, start, mid, temp);
          mergeSort(nums, mid + 1, end, temp);
          // 将两个小的有序数组，合并为一个大的有序数组
          merge(nums, start, mid, end, temp);
        }
      }
    
      /** * 将两个小的有序数组，合并为一个大的有序数组 */
      private static void merge(int[] nums, int start, int mid, int end, int[] temp) { 
        // 定义两个旗帜i,j(旗帜i在数组[start ... mid]移动，旗帜j在数组[mid + 1 ... end]移动)
        int i = start;
        int j = mid + 1;
        int k = 0;
        while (i <= mid && j <= end) { 
          if(nums[i] > nums[j]) { 
            temp[k++] = nums[j++];
          } else { 
            temp[k++] = nums[i++];
          }
        }
        while (i <= mid) { 
          temp[k++] = nums[i++];
        }
        while (j <= end) { 
          temp[k++] = nums[j++];
        }
        // 将临时数组copy到原数组的相应位置
        for(k = 0;start <= end; start++, k++) { 
          nums[start] = temp[k];
        }
      }
    }

归并排序的执行结果如下图所示：  
![归并排序的执行结果图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 9]

## 快速排序 ##

基本思想：首先在待排序列中随机选取一个基准数（代码实现时默认选取的是第一个元素），然后把待排序列中比这个基准数小的都放在其左边，把待排序列中比这个基准数大的都放在其右边（即找出并将该基准数放到待排序列的正确位置）。然后把该基准数的左右两边看做两个待排序列重复上述操作，直至所有的基准数都找到并放到了正确的位置，则排序完毕。

图解快排排序如下图：  
![图解快排排序][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 10]

快速排序的java实现如下：

/** * 快速排序 * @author zhenye 2019/1/24 */
    public class QuickSort { 
    
      /** * 提供给开发者使用的快速排序 * @param nums 待排序数组 */
      public static void sort(int[] nums) { 
        quickSort(nums, 0 , nums.length - 1);
      }
    
      /** * 对下标从start到end的正整数数组intArrays进行快速排序 * @param intArrays 将要排序的数组intArrays * @param start 数组起始下标位置 * @param end 数组截止下标位置 */
      private static void quickSort(int[] intArrays, int start, int end) { 
        if(start > end) { 
          return;
        }
        // 将数组起始下标位置的元素，作为基准数
        int base = intArrays[start];
        // 将i看作从左往右搜索的哨兵，j看作从右往左搜索的哨兵
        int left = start;
        int right = end;
        while(left != right) { 
          // ！！！因为选取的基准数是左哨兵的起始位置，这里一定要右边的哨兵先走。
          /* 这里循环结束的条件有一个是左右哨兵相遇。 如果左哨兵先行，出现由于左哨兵找到了右哨兵（相遇）导致循环结束的情况时， 左右哨兵的当前元素是基于右哨兵上次循环结束的位置。 即此时左右哨兵相遇位置的当前元素是比基准数大的！！！将该元素与基准数交换是不对的。 */
          // 找到右边比基准数小的元素下标（或哨兵相遇）
          while(left < right && intArrays[right] >= base) { 
            right--;
          }
          // 找到左边比基准数大的元素下标（或哨兵相遇）
          while (left < right && intArrays[left] <= base) { 
            left++;
          }
          if (left < right) { 
            // 交换，保证哨兵i左边的元素都比基准数小，哨兵j右边的元素都比基准数大
            IntArrayUtil.exchangeValue(intArrays, left, right);
          }
        }
        // 交换，保证基准数在正确的位置
        IntArrayUtil.exchangeValue(intArrays, start, right);
        // 下一次，迭代（两个子序列分别进行快速排序）
        quickSort(intArrays, start, right - 1);
        quickSort(intArrays, right + 1, end);
      }
    }

快速排序实现需要注意的地方：当选择的基准数是左哨兵的起始位置时，寻找基准数的最终位置应该是右哨兵先移动。

快速排序的执行结果如下图所示：  
![快速排序的执行结果图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 11]

## 基数排序 ##

基本思想：又称“桶排序”。依次从低位到高位分解待排序列的元素并排序，当按最高位分解并排序了待排序列后即排序完毕。

图解基数排序如下图：  
![图解基数排序][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 12]

基数排序的java实现：

/** * 基数排序 * @author zhenye 2019/1/24 */
    public class RadixSort { 
    
      /** * 提供给开发人员使用的基数排序 * @param nums 待排序列 */
      public static void sort(int[] nums) { 
        int maxBit = getMaxBit(nums);
        // temp临时二维数组，列是余数（0-9），行是0或者待排序列中元素的值
        int[][] temp = new int[10][nums.length];
        // order对应下标，即待排序列元素对应余数的个数
        int[] order = new int[10];
        int n = 1;
        int m = 1;
        int k = 0;
        while(m <= maxBit) { 
          for (int num : nums) { 
            int reminder = (num / n) % 10;
            // 将余数为reminder的元素归到二维数组temp的第reminder列，并记录此时第reminder列元素的个数order[reminder]
            temp[reminder][order[reminder]] = num;
            order[reminder]++;
          }
          // 重排待排序列
          for(int i = 0; i < order.length;i++) { 
            if (order[i] != 0) { 
              for(int j = 0;j < order[i];j++) { 
                nums[k] = temp[i][j];
                k++;
              }
            }
            order[i] = 0;
          }
          // 重置相关变量
          n *= 10;
          k = 0;
          m++;
        }
      }
    
      /** * 找到数组中最大值的位数（如：{32,43,101,2}的最大值是101，位数是3） * @param nums 给定数组 * @return 数组中最大值位数 */
      private static int getMaxBit(int[] nums) { 
        int max = nums[0];
        for(int i = 1;i < nums.length;i++) { 
          if(nums[i] > max){ 
            max = nums[i];
          }
        }
        int maxBit;
        for(maxBit = 1; max >= 10; maxBit++){ 
          max = max / 10;
        }
        return maxBit;
      }
    }

基数排序有其局限性，它要求排序的过滤条件能够分解。

基数排序的执行结果如下图所示：  
![基数排序的执行结果图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 13]

## 简单选择排序 ##

基本思想：从待排序列中找出值最小的元素，如果最小元素不是第一个元素，则将其余第一个元素互换。然后从余下n-1个元素找出最小元素，重复上述操作直至排序结束。

图解简单选择排序如下图：  
![图解简单选择排序][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 14]

简单选择排序的Java实现如下：

/** * 简单选择排序 * @author zhenye 2019/1/24 */
    public class SelectSort { 
      /** * 提供给开发者使用的简单选择排序 * @param nums 待排序列 */
      public static void sort(int[] nums) { 
        int i,j;
        for(i = 0; i < nums.length; i++) { 
          int minValueIndex = i;
          for (j = i;j < nums.length; j++) { 
            if (nums[minValueIndex] > nums[j]) { 
              minValueIndex = j;
            }
          }
          IntArrayUtil.exchangeValue(nums, i, minValueIndex);
        }
      }
    }

简单选择排序的执行结果如下图所示：  
![简单选择排序的执行结果图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 15]

## 希尔排序 ##

基本思想：先将整个待排序列（按相隔某个“增量”的下标）分割成若干个子序列，并对这些子序列进行直接插入排序。然后依次缩减这个“增量”，分割成子序列并再次进行直接插入排序。重复上述过程到“增量”为1，即对整个待排序列进行了一次直接插入排序。

图解希尔排序如下图：![图解希尔排序][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 16]

希尔排序的Java实现如下：

/** * 希尔排序 * @author zhenye 2019/1/24 */
    public class ShellSort { 
      /** * 提供给开发者使用的希尔排序 * @param nums 待排序列 */
      public static void sort(int[] nums) { 
        // i为无序表中的元素下标，j为有序表中的元素下标，temp是待插入元素，increment为增量。
        int i, j, temp, increment;
        for(increment = nums.length / 2;increment >= 1; increment = increment / 2){ 
          for(i = increment; i < nums.length; i++) { 
            temp = nums[i];
            j = i - increment;
            for(;j >= 0 && temp < nums[j];j -= increment) { 
              nums[j + increment] = nums[j];
            }
            nums[j + increment] = temp;
          }
        }
      }
    }

希尔排序的执行结果如下图所示：  
![希尔排序的执行结果图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 17]

## 八种排序算法的性能测试 ##

八种排序算法的性能测试代码如下：

/** * 排序测试类 */
    public class SortTest { 
      /** * 各排序算法的性能测试 */
      @Test
      public void speedTest() { 
        int[] initIntArrays = IntArrayUtil.initIntArrays(100000,10000);
        System.out.println("排序前，数组顺序为：" + Arrays.toString(initIntArrays));
        int[] toBubbleSort = initIntArrays.clone();
        Long toBubbleSortStart = System.currentTimeMillis();
        BubbleSort.sort(toBubbleSort);
        Long toBubbleSortEnd = System.currentTimeMillis();
        System.out.println("冒泡排序耗时：" + (toBubbleSortEnd - toBubbleSortStart) + "毫秒。");
        System.out.println("----------------------------------------------------");
        int[] toHeapSort = initIntArrays.clone();
        Long toHeapSortStart = System.currentTimeMillis();
        HeapSort.sort(toHeapSort);
        Long toHeapSortEnd = System.currentTimeMillis();
        System.out.println("堆排序耗时：" + (toHeapSortEnd - toHeapSortStart) + "毫秒。");
        System.out.println("----------------------------------------------------");
        int[] toInsertSort = initIntArrays.clone();
        Long toInsertSortStart = System.currentTimeMillis();
        InsertSort.sort(toInsertSort);
        Long toInsertSortEnd = System.currentTimeMillis();
        System.out.println("直接插入排序耗时：" + (toInsertSortEnd - toInsertSortStart) + "毫秒。");
        System.out.println("----------------------------------------------------");
        int[] toMergeSort = initIntArrays.clone();
        Long toMergeSortStart = System.currentTimeMillis();
        MergeSort.sort(toMergeSort);
        Long toMergeSortEnd = System.currentTimeMillis();
        System.out.println("归并排序耗时：" + (toMergeSortEnd - toMergeSortStart) + "毫秒。");
        System.out.println("----------------------------------------------------");
        int[] toQuickSort = initIntArrays.clone();
        Long toQuickSortStart = System.currentTimeMillis();
        QuickSort.sort(toQuickSort);
        Long toQuickSortEnd = System.currentTimeMillis();
        System.out.println("快速排序耗时：" + (toQuickSortEnd - toQuickSortStart) + "毫秒。");
        System.out.println("----------------------------------------------------");
        int[] toRadixSort = initIntArrays.clone();
        Long toRadixSortStart = System.currentTimeMillis();
        RadixSort.sort(toRadixSort);
        Long toRadixSortEnd = System.currentTimeMillis();
        System.out.println("基数排序耗时：" + (toRadixSortEnd - toRadixSortStart) + "毫秒。");
        System.out.println("----------------------------------------------------");
        int[] toSelectSort = initIntArrays.clone();
        Long toSelectSortStart = System.currentTimeMillis();
        SelectSort.sort(toSelectSort);
        Long toSelectSortEnd = System.currentTimeMillis();
        System.out.println("简单选择排序耗时：" + (toSelectSortEnd - toSelectSortStart) + "毫秒。");
        System.out.println("----------------------------------------------------");
        int[] toShellSort = initIntArrays.clone();
        Long toShellSortStart = System.currentTimeMillis();
        ShellSort.sort(toShellSort);
        Long toShellSortEnd = System.currentTimeMillis();
        System.out.println("希尔排序耗时：" + (toShellSortEnd - toShellSortStart) + "毫秒。");
      }
    }

我在本地电脑测试的效果图如下：  
![排序算法性能比较的测试效果图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 18]

各排序算法的复杂度如下：  
![算法复杂度图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 19]

**汇总说明**：

*  当业务场景简单，数据量较小时，由于计算机运算能力强，各排序算法之间性能差别不大，推荐直接采用稳定易实现的冒泡排序或插入排序。
 *  当业务场景复杂，数据量较大时，考虑到要注重性能的优化，推荐使用快速排序、堆排序或归并排序。

# 码字画图不易，如果您觉得有用，恭请点赞!!! #

[Github]: https://github.com/zhenye163/sort
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70]: /images/20220320/f502ba217d9441e19a1059cefa1cc52b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 1]: /images/20220320/fa1881cb062f406392834fe9e952d017.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 2]: /images/20220320/0969560172ab499b89e6884afdf5460a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 3]: /images/20220320/d76d5a8eb28e4de3ba1e38e4161bdbf4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 4]: /images/20220320/09e6350fb7b94f3f8ea30dec9ef102e5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 5]: /images/20220320/07760c84cf774808b8d59dd8a0712d53.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 6]: /images/20220320/b4e200b88f734eab987bf96d69f633ae.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 7]: /images/20220320/0ad088eb7a3d4b8ebb7e7b80a7691884.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 8]: /images/20220320/2e37cfeaa7f24bf8899556dcabe765c1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 9]: /images/20220320/882a4d559093466cb630c5f0f0da38ec.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 10]: /images/20220320/ff855d865ee846d0a36327405c75d321.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 11]: /images/20220320/8c31aa9622fb45b4a1fe560dc547749f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 12]: /images/20220320/22a65819fd9449bf8d961e16a30e79b5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 13]: /images/20220320/09b0dd65d84347c582601840b052d31b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 14]: /images/20220320/5ddef7d28ad646bca4005f37767fef9b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 15]: /images/20220320/8472db081e914c2980e2f4433b737347.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 16]: /images/20220320/87e0a9ecf9a443acae99586d7b25d87f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 17]: /images/20220320/5ec274c2d8dd445ba2d5ad5a286840ec.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 18]: /images/20220320/291ffcbb323545559d00b849028af6c9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1V0b3BpYU9mQXJ0b3JpYQ_size_16_color_FFFFFF_t_70 19]: /images/20220320/d5319585d34b446eb009a3fc1ce76f72.png