🏆 作者简介，愚公搬代码
🏆《头衔》：华为云特约编辑，华为云云享专家，华为开发者专家，华为产品云测专家，CSDN博客专家，阿里云专家博主，腾讯云优秀博主，掘金优秀博主，51CTO博客专家等。
🏆《近期荣誉》：2022年CSDN博客之星TOP2，2022年华为云十佳博主等。
🏆《博客内容》：.NET、Java、Python、Go、Node、前端、IOS、Android、鸿蒙、Linux、物联网、网络安全、大数据、人工智能、U3D游戏、小程序等相关领域知识。
🏆🎉欢迎 👍点赞✍评论⭐收藏

🚀前言

排序算法是一种将一组数据按照特定的规则进行排列的方法。排序算法通常用于对数据的处理，使得数据能够更容易地被查找、比较和分析。

下面是常见的11种排序算法：

1. 冒泡排序（Bubble Sort）：比较相邻的元素，如果前面的元素大于后面的元素，就交换这两个元素的位置。时间复杂度为O(n^2)。

2. 选择排序（Selection Sort）：在未排序的数据中找到最小（大）的元素，放置在已排序的数据末尾。时间复杂度为O(n^2)。

3. 插入排序（Insertion Sort）：将未排序的元素插入到已排序的序列中，时间复杂度为O(n^2)。

4. 希尔排序（Shell Sort）：希尔排序是插入排序的一种改进，它将原序列分割成若干个子序列，对每个子序列进行插入排序，最后对整个序列进行插入排序。时间复杂度为O(nlogn)。

5. 二路归并排序（Merge Sort）：二路归并排序是指将一个序列分成两个子序列，分别对两个子序列进行归并排序，然后将排序好的两个子序列合并成一个有序序列的过程。这种排序思想采用了分治算法的思想，排序效率较高，时间复杂度为 O(nlogn)。

6. 快速排序（Quick Sort）：选择一个基准元素，将大于基准元素的数放在一边，小于基准元素的数放在另一边，递归执行该过程，最后得到有序序列。时间复杂度为O(nlogn)。

7. 堆排序（Heap Sort）：将序列转换为一个大根堆，每次将堆顶元素与堆底元素交换，然后将剩余元素重新构建堆，重复执行该过程，最后得到有序序列。时间复杂度为O(nlogn)。

8. 计数排序（Counting Sort）：统计小于等于每个元素的个数，再依次计算出每个元素在有序序列中的位置。时间复杂度为O(n+k)，其中k为最大元素值。

9. 桶排序（Bucket Sort）：将元素分到多个桶中，对每个桶进行排序，最后将所有桶中的元素按顺序合并起来。时间复杂度为O(n)。

10. 基数排序（Radix Sort）：按照低位到高位的顺序对元素进行排序，依次排序后得到有序序列。时间复杂度为O(dn)，其中d为元素的位数。

11. 多路归并排序：多路归并排序是指将一个序列分成多个子序列，然后对每个子序列进行排序，最后将排好序的子序列合并成一个有序序列的过程。多路归并排序的时间复杂度不仅取决于序列长度，还取决于子序列个数。多路归并排序的优点是可以对比二路归并排序更加高效地利用计算机的多核心处理能力，因此在大规模数据处理中有广泛的应用。

🚀一、排序算法简介

🔎1.算法概述

排序算法是计算机科学中的一类经典算法，主要用于将一组无序的数据元素按照某种规则进行排序。排序算法分为内部排序和外部排序两种，内部排序是指数据元素全部存储在内存中进行排序，外部排序是指数据元素太多无法全部存储在内存中，需要通过外部存储设备进行排序。常见的排序算法包括冒泡排序、选择排序、插入排序、归并排序、快速排序、堆排序等。这些算法具有不同的时间复杂度和空间复杂度，每种算法都有其适用场景和优缺点，需要根据具体问题选择合适的排序算法。

🔎2.算法分类

常见的排序算法可以分为比较类排序和非比较类排序两类：

1. 比较类排序：采用比较运算符（如>、<、=）对元素进行比较，以确定元素之间的相对顺序。常见的比较类排序算法有冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序等。

2. 非比较类排序：不通过比较来确定元素之间的相对顺序，而是利用元素本身的特性进行排序。常见的非比较类排序算法有计数排序、基数排序、桶排序等。

其中，比较类排序算法的时间复杂度一般都是O(nlogn)，而非比较类排序算法的时间复杂度可以达到O(n)，但需要满足一定的条件才能使用。在实际应用中，需要根据具体的问题场景选择合适的排序算法。

🔎3.算法复杂度

算法复杂度是指衡量算法时间和空间资源消耗的一个标准，描述算法执行效率的量度。通常用时间复杂度和空间复杂度来表示，时间复杂度指的是算法执行所需要的时间，空间复杂度指的是算法执行所需要的空间。

时间复杂度是一个算法在运行时所需要的时间规模，通常用大O表示法来表示。它描述的是算法的时间耗费，即算法的运行时间与问题规模之间的关系。例如，一个算法的时间复杂度为O(n)，表示随着问题规模n的增大，算法的时间耗费呈线性增长。

空间复杂度是指算法在运行时所需要的内存空间规模，同样用大O表示法来表示。它描述的是算法在运行过程中所需要的额外空间，即算法运行时占用的空间与问题规模之间的关系。例如，一个算法的空间复杂度为O(n)，表示随着问题规模n的增大，算法所需要的内存空间也将呈线性增长。

🚀感谢：给读者的一封信

亲爱的读者，

我在这篇文章中投入了大量的心血和时间，希望为您提供有价值的内容。这篇文章包含了深入的研究和个人经验，我相信这些信息对您非常有帮助。

如果您觉得这篇文章对您有所帮助，我诚恳地请求您考虑赞赏1元钱的支持。这个金额不会对您的财务状况造成负担，但它会对我继续创作高质量的内容产生积极的影响。

我之所以写这篇文章，是因为我热爱分享有用的知识和见解。您的支持将帮助我继续这个使命，也鼓励我花更多的时间和精力创作更多有价值的内容。

如果您愿意支持我的创作，请扫描下面二维码，您的支持将不胜感激。同时，如果您有任何反馈或建议，也欢迎与我分享。

再次感谢您的阅读和支持！

最诚挚的问候， “愚公搬代码”