引用文章A：http://blog.csdn.net/whuslei/article/details/6442755
引用介绍：介绍了排序的复杂度（time and space) 以及稳定性。
算法会在2015/3/1更新至GITHUB。Addr：https://github.com/zheng39562/arithmetic
2015/3/1版：暂定为int排序。目标为泛型算法。
本文仅介绍个人在其中遇见的问题。如果对算法并不了解/遗忘。可以阅读引用文章。也欢迎对更多的见解：）
基本概念：
1）时间复杂度：通常分为最好和最坏情况。但通常而言基本会考虑最坏情况。因为最好情况基本都会有一定的先决条件，作为通用算法。必须按照最坏情况计算。
1，但在针对性领域，在确定前提情况下，可以使用最好情况来编写代码（但必须有绝对把握）
2）空间复杂度：需要的辅助空间量。
1，牺牲时间，还是牺牲空间。并没有绝对的答案。完全看自己的情况而定。
3）稳定性：通俗的理解即，两个在比较条件中相等的元素，在多次排序中不改变顺序。（具体见引用A）
1）对于稳定性，个人理解，就是把所有元素都当作不同元素时（包括相等元素），排序结果依然只有一种。
2）引用A中的一个猜测：若存在两个不相邻元素的交换，则可能是不稳定的。
1：冒泡算法。时间复杂度最坏/最好/平均：O(n2),O(n),未知。稳定性；稳定。
1，冒泡排序大概是最容易懂的排序了吧。
2：插入算法：时间复杂度最坏/最好/平均：O(n2),O(n),O(n2)。稳定性；稳定。
1，插入排序需要移动数组元素。所以，建议：从后往前进行比较。这并不一定会提高移动速度，但可以不需要单独做一个移动函数（从前往后，可能需要一次性移动多个元素，从后往前，则可以在判断时直接进行邻近交换）。
2，插入排序中如果不应用其他优化。是一个比较坑爹的排序。（总是不自觉的想在其中加入其他排序算法）
3：希尔排序：时间复杂度最坏/最好/平均：O(nlogn),未知,O(nlogn)。稳定性；不稳定。
1，无法理解为何其时间复杂度为O(nlogn)。
2，类似与二分法来解决插入排序。
4：快速排序：时间复杂度最坏/最好/平均：O(nlogn),未知,O(nlogn)。稳定性；不稳定。
1，while( array[i--] ... ) // 需要注意，无论循环是否执行，i都退出循环时，都会比期望的少1。如果使用此方式循环并且在后续还要继续使用 i 这个值，则需要慎重思考。
5：选择排序：时间复杂度最坏/最好/平均：O(n2),O(n2),O(n2)。稳定性；不稳定。
1，表示实现不想写这个代码。希望我这辈子都不会用到。。。
6：堆排序：时间复杂度最坏/最好/平均：O(nlogn),未知,O(nlogn)。稳定性；不稳定。
1，写成了heap类。当使用链表构建时，需要注意末尾指针的移动。
7：并归排序：时间复杂度最坏/最好/平均：O(nlogn),o(nlogn),O(nlogn)。稳定性；稳定。空间复杂度：O(n)
1，这是少数几种需要占用辅助内存的常规排序方法。但，它是时间复杂度nlogn中的唯一稳定的排序方式。当对于元素位置有强烈要求时，推荐此排序方式。
8：基数排序：按位比较排序。先按照个位，再按照十位，依次类推。
1，要求：最高位数。并且只有针对数字，或可以有类推规律的数据。
2，其时间复杂度仅为o(n)。如果对时间要求略高，但同时符合要求，可以考虑此方式。