每种sortingalgorithm何时使用？
当一个特定的sortingalgorithm优于其他的时候，什么是用例 – merge sort与quick sort与heap sort intro sort等等？
根据数据结构的大小，types，可用内存和caching以及CPU性能，是否有推荐的使用指南？
首先，一个定义，因为它是非常重要的： 稳定的sorting是保证不重新排列具有相同键的元素。
build议：
快速sorting：当你不需要一个稳定的sorting和平均情况下性能比最坏的情况下性能更重要。 在最坏的情况下，快速sorting是O（N log N），O（N ^ 2）。 一个好的实现使用O（log N）辅助存储以堆栈空间的formsrecursion。
合并sorting：当您需要稳定的O（N日志N）sorting时，这是您唯一的select。 唯一的缺点是它使用O（N）辅助空间，并且具有比快速sorting略大的常量。 有一些就地合并sorting，但AFAIK他们都不稳定或比O（N日志N）差。 即使是O（N log N）到位sorting也比普通的旧归并sorting大得多，它们比理论algorithm更具有理论上的好奇心。
堆sorting：当你不需要一个稳定的sorting，你更关心最坏的情况下性能比平均情况下的performance。 它保证为O（N log N），并使用O（1）辅助空间，这意味着在非常大的input上不会意外地耗尽堆或堆栈空间。
Introsort：这是一种快速sorting，在某个recursion深度之后切换到堆sorting，以避开快速sorting的O（N ^ 2）最差的情况。 它几乎总是比简单的旧的快速sorting，因为你得到一个快速sorting的平均情况，并保证O（N日志N）性能。 可能使用堆sorting而不是这个的唯一原因是在O（log N）堆栈空间实际上很重要的严重内存受限的系统中。
插入sorting ：当N保证很小时，包括作为快速sorting或合并sorting的基本情况。 虽然这是O（N ^ 2），它有一个非常小的常数，是一个稳定的sorting。
气泡sorting，selectsorting ：当你做一些快速和肮脏的事情，出于某种原因，你不能只使用标准库的sortingalgorithm。 这些插入sorting的唯一好处是稍微容易实现。
非比较sorting：在一些相当有限的条件下，可以打破O（N log N）屏障并按照O（N）sorting。 以下是一些值得一试的例子：
计数sorting：当您sorting有限范围内的整数。
基数sorting：当log（N）明显大于K时，其中K是小数位数。
桶sorting：当你可以保证你的input是近似均匀分布的。
sorting-algorithms.com上提供了一组用于不同types数据和algorithm的animation
快速sorting通常是平均速度最快的，但它有一些非常讨厌的最坏情况的行为。 所以如果你必须保证没有错误的数据给你O(N^2) ，你应该避免它。
合并sorting使用额外的内存，但特别适合外部sorting（即不适合内存的巨大文件）。
堆sorting可以就地sorting，并没有最坏的情况二次行为，但在大多数情况下平均速度比快速sorting慢。
如果只涉及有限范围内的整数，则可以使用某种基数sorting使其速度非常快。
在99％的情况下，对于通常基于快速sorting的图书馆sorting你会没事的。
维基百科页面sortingalgorithm有一个很好的比较图表。
http://en.wikipedia.org/wiki/Sorting_algorithm#Comparison_of_algorithms
提供的比较/animation链接不考虑何时数据量超过可用内存 – 在这一点上数据传递的数量（即I / O成本）在运行时占主导地位。 如果您需要这样做，请阅读“外部sorting”，通常涵盖合并和堆sorting的变体。
@dsimcha写道：计数sorting：当你正在sorting有限范围的整数
我会改变：
计数sorting：对正整数进行sorting时（归因于鸽子，0 – Integer.MAX_VALUE-2）。
在线性时间内，您始终可以将最大值和最小值作为效率启发式。
中间数组还需要至lessn个额外的空间，并且显然是稳定的。
/** * Some VMs reserve some header words in an array. * Attempts to allocate larger arrays may result in * OutOfMemoryError: Requested array size exceeds VM limit */ private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
（尽pipe它实际上将允许MAX_VALUE-2）请参阅： Java数组是否具有最大大小？
另外我会解释，基数sorting的复杂性是O（WN）为n个键，这是整数字的大小W。 有时w表示为一个常量，这将使基数sorting比基于比较的最佳sortingalgorithm更好（对于足够大的n），这些algorithm全部执行O（n log n）比较来对n个键进行sorting。 但是，一般情况下w不能被认为是一个常数：如果所有的n个密钥都是不同的，那么对于一个随机访问机器来说，w必须至lessloggingn，以便能够将它们存储在存储器中，这至less给出时间复杂度O （n log n）。 （来自维基百科）
