想起排序，感觉就十分的简单了，但是因为以前没有系统学习的原因，这里我还是要记录各种排序，也方便以后回顾
下面的排序算法最优是O(n*log(n))，已经有证明该复杂度是任何用比较元素排序的最优解了
桶排序不是通过比较来排序，所以不受这个下限的影响
插入排序
插入排序由N-1趟完成，对于p = 1到N-1趟，插入排序保证从位置0到位置p上的元素已经为有序的。
这个过程类似于打扑克的时候，每次拿到一张牌，我们把它在手牌中排好序。
这样的复杂度很明显，O(N*N)
谢尔排序
先选择一个增量序列，比较常用的是用 N/2 作为初始值，然后一直除以2到1，也就是 N/2 N/4 N/8 ... 1 作为增量序列，当然还有其他的；
然后根据上面的序列，把数组分成不同的组，分别对不同的组进行排序，最后当分为一组时，完成最后的排序。
例如，假设有这样一组数[ 13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10 ]，如果我们以步长为5开始进行排序，我们可以通过将这列表放在有5列的表中来更好地描述算法，这样他们就应该看起来是这样：
13 14 94 33 82 25 59 94 65 23 45 27 73 25 39 10
然后我们对每列进行排序：
10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45
将上述四行数字，依序接在一起时我们得到：[ 10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45 ].这时10已经移至正确位置了，然后再以3为步长进行排序：
10 14 73 25 23 13 27 94 33 39 25 59 94 65 82 45
排序之后变为：
10 14 13 25 23 33 27 25 59 39 65 73 45 94 82 94
最后以1步长进行排序（此时就是简单的插入排序了）。
至于步长的选择，可以看看这里：https://zh.wikipedia.org/wiki/%E5%B8%8C%E5%B0%94%E6%8E%92%E5%BA%8F
堆排序
每次删除堆的根节点，然后对剩下的堆进行调整，使其继续满足最小（大）堆的性质，这样最后会空出一个空穴，把删除的节点填进去（不必开启额外的空间来存储）
也就是重复 N-1 次下面的操作
由于需要重新调整堆，而每次恢复堆的复杂度为O(log(N))，所以复杂度为O(N*log(N))
归并排序
不断把数组进行两两合并，每一次合并进行一次排序，最后当两个子数组合并为一个数组后，排序完成
可以看看wiki上的动图，一图在手，算法我有 ヾ(??▽?)ノ
快速排序
这个是排序的老大哥了，简单说来，就是下面几步
这里的枢纽元一般是直接选择第一个，但是书中说这样做不好，为什么呢？因为如果输入的不是乱序，是有序的数组，就不得不做没用的划分，有兴趣可以自己探讨
另外，书中也说起当N小于20，快速排序并不比插入排序好
间接排序
先想一下这个的意义，因为有些语言交换大数据元素的效率比较慢，如果可以定义表示数组位置的指针之类的，那么原数组可以不用改变位置，我们可以用这个新数组来表示排序后的顺序
例如:数组 4 3 1 2 5
建立索引数组 0 1 2 3 4
排序后索引 2 3 1 0 4
桶排序
要求输入的数据 A1， A2...AN，必须是由小于M的正整数组成，步骤很简单：
1.使用一个大小为M的count数组
2.遍历数据，每读一个Ai，count[Ai] + 1
扫描整个数组后，就可以打印出排序后的表，平均复杂度为O(N)
外部排序
和上面归并排序很像，只不过每次的归并是从文件中读数据再写入文件，为什么这样做？因为当数据很大的时候，需要把数据分批排序写进多个文件。
假设有4个文件，一个文件有一组数据，如何用这个算法来排序?
现在内存一次只能读M=3个数据，那么分开排序
然后归并
总结
