排序算法的介紹
排序也稱排序算法(SortAlgorithm)，排序是將一組數據，依指定的順序進行排列的過程。

排序的分類：

一般情況下，算法中的基本操作語句的重復執行次數是問題規模n的某個函數，用T(n)表示，若有某個輔助函數f(n)，使得當n趨近于無窮大時，T(n) / f(n) 的極限值為不等于零的常數，則稱f(n)是T(n)的同數量級函數。記作 T(n)=Ｏ( f(n) )，稱Ｏ( f(n) ) 為算法的漸進時間復度，簡稱時間復雜度。

T(n) 不同，但時間復雜度可能相同。 如：T(n)=n2+7n+6 與 T(n)=3n2+2n+2 它們的T(n) 不同，但時間復雜度相同，都為O(n2)。

計算時間復雜度的方法：

• 用常數1代替運行時間中的所有加法常數 T(n)=n2+7n+6 => T(n)=n2+7n+1
• 修改后的運行次數函數中，只保留最高階項 T(n)=n2+7n+1 => T(n) = n2
• 去除最高階項的系數 T(n) = n2 => T(n) = n2 => O(n2)

常數階O(1)
無論代碼執行了多少行，只要是沒有循環等復雜結構，那這個代碼的時間復雜度就都是O(1)

上述代碼在執行的時候，它消耗的時候并不隨著某個變量的增長而增長，那么無論這類代碼有多長，即使有幾萬幾十萬行，都可以用O(1)來表示它的時間復雜度。

對數階O(log2n)

說明：在while循環里面，每次都將 i 乘以 2，乘完之后，i 距離 n 就越來越近了。假設循環x次之后，i 就大于 2 了，此時這個循環就退出了，也就是說 2 的 x 次方等于 n，那么 x = log2n也就是說當循環 log2n 次以后，這個代碼就結束了。因此這個代碼的時間復雜度為：O(log2n) 。 O(log2n) 的這個2 時間上是根據代碼變化的，i = i * 3 ，則是 O(log3n)

線性階O(n)

說明：這段代碼，for循環里面的代碼會執行n遍，因此它消耗的時間是隨著n的變化而變化的，因此這類代碼都可以用O(n)來表示它的時間復雜度

線性對數階O(nlogN)

說明：線性對數階O(nlogN) 其實非常容易理解，將時間復雜度為O(logn)的代碼循環N遍的話，那么它的時間復雜度就是 n * O(logN)，也就是了O(nlogN)

平方階O(n2)

說明：平方階O(n2) 就更容易理解了，如果把 O(n) 的代碼再嵌套循環一遍，它的時間復雜度就是 O(n2)，這段代碼其實就是嵌套了2層n循環，它的時間復雜度就是 O(nn)，即 O(n2) 如果將其中一層循環的n改成m，那它的時間復雜度就變成了 O(mn)

平均時間復雜度是指所有可能的輸入實例均以等概率出現的情況下，該算法的運行時間。

最壞情況下的時間復雜度稱最壞時間復雜度。一般討論的時間復雜度均是最壞情況下的時間復雜度。 這樣做的原因是：最壞情況下的時間復雜度是算法在任何輸入實例上運行時間的界限，這就保證了算法的運行時間不會比最壞情況更長。

平均時間復雜度和最壞時間復雜度是否一致，和算法有關(如圖)。