各种排序算法的时间复杂度和空间复杂度
其中冒泡排序加个标志，所以最好情况下是o(n)
直接选择排序：
排序过程：
1 、首先在所有数据中经过 n-1次比较选出最小的数，把它与第 1个数据交换，
2、然后在其余的数据内选出排序码最小的数，与第 2个数据交换…… 依次类推，直到所有数据排完为止。
在第i 趟排序中选出最小关键字的数据，需要做 n-i次比较。
//冒泡排序，大的数不断向后冒泡
void buddle(vector<int>& nums)
{
int len=nums.size();
for(int i=0;i<len-1;i++)
{
for(int j=0;j<len-1-i;j++)
{
if(nums[j]>nums[j+1])
swap(nums[j],nums[j+1]);
}
}
}
线性排序算法
计数排序
假设：有n个数的集合，而且n个数的范围都在0~k(k = O(n))之间。
运行时间：Θ(n+k)
待排序数组A如图2.1所示，需要辅助数组B(存储最后排序结果)，数组C(存储元素的个数)。基于上述的假设，数组C的大小为k，C[i]表示数组A中元素i(0 <= i < k)的个数(如图2.2所示)，为了保证计数排序的稳定性，数组C变化为图2.3，C[i]表示小于或者等于i的个数。代码如下：
1: /*
2: 输入：待排序数组A,存储排序后的数组B，数组A的大小，数组C的大小
3: 功能：计数排序
4: */
5: void CountingSort(int A[], int B[], int len, int k)
6: {
7: int *CountArr = new int[k];
8: int i;
9: for (i = 0; i < k; i++)
10: {
11: CountArr[i] = 0;
12: }
13:
14: for (i = 0; i < len; i++)
15: {
16: CountArr[A[i]]++;
17: }
18:
19: for (i = 1; i < k; i++)
20: {
21: CountArr[i] += CountArr[i-1];
22: }
23:
24: // 从右至左保证算法的稳定性
25: for (i = len-1; i >=0; i--)
26: {
27: B[CountArr[A[i]]-1] = A[i];
28: CountArr[A[i]]--;
29: }
30: }
9-12行和19-22行的运行时间Θ(k)，14-17行和25-29行的运行时间为Θ(n)，所以总的运行时间为Θ(2(n+k)) = Θ(n+k)。
基数排序
基数排序：将所有待比较数值(正整数)统一为同样的数位长度，数位较短的数前面补零。然后，从最低位开始，依次进行一次排序。这样从最低位排序一直到最高位排序完成以后， 数列就变成一个有序序列。
基数排序分为两种LSD和MSD。
LSD(Least significant digital)：最低有效位优先，即从右向左开始排序。
MSD(Most significant digital)：最高有效位优先，即从左往右开始排序。
以下是LSD方式的基数排序的伪代码
1: RadixSort(A,d)
2: for i <- 1 to d
3: 用稳定的排序算法排列数组A中元素的第i位
如图3：先牌个位，然后十位，最后百位。为数组的某一位排序的时候一定需要稳定的算法。
运行时间为Θ(d(n+k))。在基数排序中排列数组各位的算法是计数排序所以运行时间为Θ(n+k)，又d是数组中数的最大位数。
桶排序
桶排序：将数组分到有限个桶子内，然后再对桶子里面的序列进行排序，运行时间Θ(n)。桶排序基于一个假设：输入的数据由随机过程构成，否则在最坏情况下都分配到一个桶子里面，如果又不满足计数排序的假设要求，那么只能使用基于比较的排序算法进行排序，运行时间就退化到Ω(nlogn)。
排序算法稳定性
排序算法稳定性：假设待排序序列中有两个元素相等，而且在排序前和排序后两个相等的元素的相对位置不变，即有 a = b，排序前a在b前面，那么排序后，a还是要在b前面。排序算法的稳定性是要看具体的算法实现，比如一般情况下，直接选择排序，快速排序，希尔排序，堆排序都不是稳定排序算法，基数排序，计数排序，归并排序，插入排序，冒泡排序都是稳定排序算法。
快速排序：A = {2， 2， 1}，排序后A = {1，2，2}。
希尔排序：A = {1，2，5，4，4，7}，排序后（k = 2）；A = {1， 2， 4， 4， 5， 7} 。
堆排序：A = {2，2，1}，排序后A = {1，2， 2}。
直接选择排序： A = {4， 4， 2， 5},排序后 A = {2，4， 4， 5}。
以上举例都不满足稳定性。