1.O(n^2)性能分析

     平均性能为O(n^2)的有：直接插入排序，选择排序，冒泡排序

     在数据规模较小时（9W内），直接插入排序，选择排序差不多。当数据较大时，冒泡排序算法的时间代价最高。性能为O(n^2)的算法基本上是相邻元素进行比较，基本上都是稳定的。

2.O(nlogn)性能分析

     平均性能为O(nlogn)的有：快速排序，归并排序，希尔排序，堆排序。其中，快   排是最好的，其次是归并和希尔，堆排序在数据量很大时效果明显（堆排序适合处理大数据）。

     大数据处理的一个例子：找出一千万个数中最小的前一百个数。

     思路：建立一百个节点的大顶堆，首先将前一百个数放入堆中，之后每放入一个数就删除一个堆顶元素，最后剩下的就是最小的一百个数。当然也可以分区处理，感兴趣的小伙伴可以网上搜一下大神们的帖子。

    这四种排序可看作为“先进算法”，其中，快排效率最高（大数据就不行了，而且速度有概率性），但在待排序列基本有序 的情况下，会变成冒泡排序，接近O(n^2).

    希尔排序对增量的标准没有较为满意的答案，增量对性能会有影响。

    归并排序效率非常不错，在数据规模较大的情况下，比希尔排序和堆排序要好。

    多数先进的算法都是因为跳跃式的比较，降低了比较次数，但牺牲了排序的稳定 性。

3. 稳定性分析

稳定排序

    插入排序，冒泡排序，二叉树排序，归并排序

不稳定排序

    快速排序（快），希尔排序（些），选择排序（选），堆排序（一堆）。

    记不住怎么办，其实只要你了解排序算法的原理，稍加分析就能得出结论，但如果你要死记硬背又怕自己记不住，哥也有办法，记住：只需记住一句话（快些选一堆美女一起玩儿）是不稳定的，其他都是稳定的，OK轻松搞定。

（特别感谢传a奇的经验分享）