【数据结构】八大排序算法对比总结（时间/空间/稳定性）

考点频率 ：★★★★★（数据结构最后一道大题常考，选择题也年年出现，是排序模块的"收官之战"）

难度：⭐⭐⭐

建议：务必熟记对比表中的所有数据，掌握"稳定性"的判断逻辑，能够根据场景选出最优算法

1️⃣ 为什么需要这张总结表？

前面我们用五篇文章分别讲解了插入、交换、选择、归并和基数排序。它们各有优缺点，没有哪一种排序是"万能"的。

软考最常考的，恰恰是"给你一个场景，让你选算法"------比如"数据量很大且要求稳定"选归并，"数据基本有序"选插入，"内存紧张"选堆排序。如果脑子里的对比表不清晰，很容易选错。

打个比方：你有一堆工具------锤子、螺丝刀、钳子、电钻。没有哪个工具是"最好"的，关键看你要拧螺丝还是钉钉子。排序算法也是一样，看数据特征选工具。

2️⃣ 八大排序算法全景对比表（核心，务必熟记）

排序算法	平均时间复杂度	最好情况	最坏情况	空间复杂度	稳定性	一句话核心特征
插入排序	O(n2)O(n^2)O(n2)	O(n)O(n)O(n)	O(n2)O(n^2)O(n2)	O(1)O(1)O(1)	✅ 稳定	数据基本有序时最快
希尔排序	O(n1.3)O(n^{1.3})O(n1.3)	O(n)O(n)O(n)	O(n2)O(n^2)O(n2)	O(1)O(1)O(1)	❌ 不稳定	插入排序的"跳跃版"
冒泡排序	O(n2)O(n^2)O(n2)	O(n)O(n)O(n)	O(n2)O(n^2)O(n2)	O(1)O(1)O(1)	✅ 稳定	相邻比较，大的冒泡
快速排序	O(nlog⁡n)O(n \log n)O(nlogn)	O(nlog⁡n)O(n \log n)O(nlogn)	O(n2)O(n^2)O(n2)	O(log⁡n)O(\log n)O(logn)	❌ 不稳定	平均最快，基准决定效率
简单选择	O(n2)O(n^2)O(n2)	O(n2)O(n^2)O(n2)	O(n2)O(n^2)O(n2)	O(1)O(1)O(1)	❌ 不稳定	每轮找最小，与初始顺序无关
堆排序	O(nlog⁡n)O(n \log n)O(nlogn)	O(nlog⁡n)O(n \log n)O(nlogn)	O(nlog⁡n)O(n \log n)O(nlogn)	O(1)O(1)O(1)	❌ 不稳定	建堆 O(n)O(n)O(n)，排序 O(nlog⁡n)O(n \log n)O(nlogn)
归并排序	O(nlog⁡n)O(n \log n)O(nlogn)	O(nlog⁡n)O(n \log n)O(nlogn)	O(nlog⁡n)O(n \log n)O(nlogn)	O(n)O(n)O(n)	✅ 稳定	分治合并，需要额外空间
基数排序	O(d(n+r))O(d(n+r))O(d(n+r))	O(d(n+r))O(d(n+r))O(d(n+r))	O(d(n+r))O(d(n+r))O(d(n+r))	O(n+r)O(n+r)O(n+r)	✅ 稳定	不比较大小，按位分配

3️⃣ 稳定性记忆：一招分清"稳定"与"不稳定"

稳定的排序算法 （记住这4个）：插入、冒泡、归并、基数

不稳定的排序算法 （剩下4个）：希尔、选择、堆、快速

3.1 为什么这些是不稳定的？（软考常考理由）

不稳定算法	导致不稳定的根本原因
希尔排序	分组跳跃式交换，不同组的相同元素可能被交换到不同位置
简单选择排序	跨位置交换（如把后面的最小元素换到前面），可能破坏相等元素的相对顺序
堆排序	堆顶与堆尾交换，是跨区域的"长距离"交换
快速排序	划分时跨越式交换（从左找大、从右找小），打乱了原始顺序

3.2 为什么这些是稳定的？

稳定算法	保证稳定的原因
插入排序	只在相邻位置间移动，且相等时不交换（`>` 而非 `>=`）
冒泡排序	只在相邻位置交换，且相等时不交换（`>` 而非 `>=`）
归并排序	合并时，相等时优先取左半部分的数据
基数排序	分配收集过程不改变同值元素的相对顺序

4️⃣ 时间复杂度细节剖析（易混淆点）

4.1 哪些算法与初始顺序无关？

算法	与初始顺序的关系	说明
简单选择排序	❌ 无关	无论有序还是无序，比较次数始终为 n(n−1)/2n(n-1)/2n(n−1)/2
归并排序	❌ 无关	始终将序列对半分割，比较次数固定
堆排序	❌ 无关	建堆和调整的复杂度相对稳定
基数排序	❌ 无关	只按位分配，不依赖顺序

4.2 哪些算法在数据有序时表现极好？

算法	最好情况	触发条件
插入排序	O(n)O(n)O(n)	序列已经有序或基本有序
冒泡排序	O(n)O(n)O(n)	序列已经有序（优化版一轮无交换就停）

注意：快速排序在数据已经有序时，如果每次选第一个元素做基准，会退化为 O(n2)O(n^2)O(n2)（最坏情况）。

5️⃣ 空间复杂度分析

算法	空间复杂度	说明
原地排序（O(1)O(1)O(1)）	插入、希尔、冒泡、快速（递归栈除外）、选择、堆	仅需几个临时变量
归并排序	O(n)O(n)O(n)	合并时需要额外数组存放临时数据
快速排序	O(log⁡n)O(\log n)O(logn)	递归调用栈的深度（平均情况）
基数排序	O(n+r)O(n+r)O(n+r)	桶的空间（rrr 为基数，通常为10）

考点：问"哪个排序算法需要额外空间最多？"------归并排序 （O(n)O(n)O(n)）。问"哪个是原地排序且不稳定？"------堆排序 或快速排序。

6️⃣ 场景选型指南（软考高频应用题）

应用场景	推荐算法	理由
数据量小（n<50n < 50n<50）	插入排序	实现简单，常数因子小
数据基本有序	插入排序 / 冒泡排序	时间复杂度接近 O(n)O(n)O(n)
数据量大、要求稳定	归并排序	O(nlog⁡n)O(n \log n)O(nlogn) 且稳定
数据量大、内存充足、稳定	归并排序	稳定且高效
数据量大、内存紧张	堆排序	O(1)O(1)O(1) 空间，O(nlog⁡n)O(n \log n)O(nlogn) 时间
数据量大、平均性能要求最高	快速排序	平均情况下最快的内部排序
数据有固定位数（如学号、身份证）	基数排序	O(d(n+r))O(d(n+r))O(d(n+r))，不依赖比较
数据量大且不要求稳定	快速排序 / 堆排序	效率高，不要求稳定性

7️⃣ 经典例题

例题1 ：若对 nnn 个元素进行排序，要求排序算法的时间复杂度为 O(nlog⁡n)O(n \log n)O(nlogn)，且排序过程中需要的辅助存储空间为 O(1)O(1)O(1)，则应选择的算法是（　）。

A. 快速排序

B. 归并排序

C. 堆排序

D. 基数排序

解析：

快速排序平均 O(nlog⁡n)O(n \log n)O(nlogn)，但空间为 O(log⁡n)O(\log n)O(logn)（递归栈）
归并排序空间为 O(n)O(n)O(n)
基数排序空间为 O(n+r)O(n+r)O(n+r)
堆排序：时间 O(nlog⁡n)O(n \log n)O(nlogn)，空间 O(1)O(1)O(1) ✅

选 C。

例题2：某系统需要对100万个学生记录按学号排序，学号为8位数字。内存空间充足，要求排序算法稳定。以下哪种算法最适合？

A. 快速排序

B. 归并排序

C. 基数排序

D. 堆排序

解析：学号是8位数字，固定长度 → 适合基数排序 。基数排序的时间复杂度为 O(8×(n+10))≈O(n)O(8 \times (n+10)) \approx O(n)O(8×(n+10))≈O(n)，远优于其他 O(nlog⁡n)O(n \log n)O(nlogn) 的算法，且稳定。选 C。

8️⃣ 易错点汇总

易错点	正确理解
快速排序在所有情况下都快	❌ 最坏情况 O(n2)O(n^2)O(n2)（数据已有序且基准选第一个时）
堆排序和归并排序都是稳定的	❌ 堆排序不稳定，归并排序稳定
希尔排序是稳定的	❌ 希尔排序不稳定（分组跳跃交换导致）
基数排序需要比较元素大小	❌ 基数排序不比较大小，按位分配
选择排序的最好情况是 O(n)O(n)O(n)	❌ 选择排序最好、最坏、平均都是 O(n2)O(n^2)O(n2)
冒泡排序总是 O(n2)O(n^2)O(n2)	❌ 优化版冒泡在数据有序时是 O(n)O(n)O(n)
归并排序是原地排序	❌ 归并排序需要 O(n)O(n)O(n) 额外空间

9️⃣ 记忆口诀

稳定性口诀：

插冒归基 （稳定）

快选堆希（不稳定）

时间复杂度口诀：

选泡插 是 O(n2)O(n^2)O(n2)，快归堆 是 O(nlog⁡n)O(n \log n)O(nlogn)。

基数要看位数 ddd，插入冒泡有序快。

场景选型口诀：

基本有序 用插入，大量数据 用快排。

要求稳定 用归并，内存紧张 用堆排。

固定位数 用基数，数据量小插入来。

🔟 小测验（评论区对答案）

某系统需要对10万个整数进行升序排序，要求排序算法稳定且尽可能快，内存限制较宽松。最适合的算法是（　）。

A. 快速排序

B. 归并排序

C. 堆排序

D. 冒泡排序

🔔 本专栏日更，点击头像 → 专栏《软考中级高频考点》订阅，第一时间接收新内容