原文来自：微信公众号HTML5学堂
算法的基本概念
算法是什么，它有何作用
为解决一个问题而采取的方法和步骤，称为算法。
我们可以把算法看成一本“福字剪纸教程”，其中每一种算法就是剪纸教程中的一种包含“固定步骤”的剪纸方法，使用者只要按照步骤进行剪纸，就可以剪出好看的福字。
之所以有这么多的算法，在于不同算法解决问题的效率各有不同，适合不同的场景。随着问题规模的增长，算法之间的差距会变的不可跨越。提升解决问题的效率，不仅仅依赖于选择快速的硬件，还依赖于选择有效（适合）的算法。
排序的使用场景
针对数组进行从大到小（或从小到大）的排序。例如：管理系统中按照成绩的排序，按阅读量对文章的排序等。
数据快速的计算与排序，与前端页面性能有直接的关系。（譬如在页面中有10000条的数据需要靠JS进行排序，采用不同的算法所消耗的时间差距甚大，直接影响着网站的用户体验）
常见的排序方法
较为常见的排序方法，包括：冒泡排序、选择排序、快速排序、二分法插入排序等。
由于排序的算法有很多，在本次“算法系列”的分享当中，我们先从简单易上手的选择排序法开始，其它的排序算法会随后陆续跟大家一起分享。
选择排序法的基本原理
先找到序列中最小的数，将它和序列中第一个数交换位置；
接下来，在剩下的序列中继续此操作：找到最小的数，将它和序列中的第二个数交换位置；
依此类推，直到将整个序列排序完成。
简言之，选择排序就是 —— 不断地选择剩余序列中的最小者，然后与未排序数列的“第一个”数字交换位置。
案例说明
如下数组中，黑色代表待排序，蓝色代表已排序；
初始状态：[9, 8, 3, 1, 2, 4]
第一次排序结果：[1, 8, 3, 9, 2, 4] 在剩余的序列中最小的数1，与第一个数交换位置；
第二次排序结果：[1, 2,3, 9, 8, 4] 在剩余的序列中最小的数2，与第二个数交换位置；
第三次排序结果：[1, 2, 3, 9, 8, 4] 在剩余的序列中最小的数3，自己本身，所以位置不变；
第四次排序结果：[1, 2, 3, 4, 8, 9] 在剩余的序列中最小的数4，与第四个数交换位置；
第五次排序结果：[1, 2, 3, 4, 8, 9] 在剩余的序列中最小的数8，自己本身，所以位置不变；
最后一个数已经是最大的数，不需要再次排序。
实现选择排序的步骤分解
排序次数
排序次数：序列长度 – 1（注意，不是比较次数）；
因为序列中的最后一个数不需要再次比较大小，故排序次数为 序列长度 – 1。
找到最小的数
序列中找到最小的数，并记录该数的索引值；
因为minIndex默认开始为0，则第一个数无需与自身比较，所以j = i + 1;
// 遍历序列，找到最小的数
for (var j = i + 1; j < len; j++) {
if (arr[j] < arr[minIndex]) {
// 记录最小数的索引
minIndex = j;
};
};
在排序次数内多次遍历找到最小的数，因此需要再用一个for语句来进行控制。
// 排序次数
for (var i = 0; i < len - 1; i++) {
// 默认最小数的索引为i
minIndex = i;
// 遍历序列，找到最小的数
for (var j = i + 1; j < len; j++) {
if (arr[j] < arr[minIndex]) {
// 记录最小数的索引
minIndex = j;
};
};
};
两数交换位置
利用temp变量，实现两数组元素之间数值的交换，也就是交互位置。
temp = arr[i];
arr[i] = arr[minIndex];
arr[minIndex] = temp;
选择排序法完整代码
var arr = [9, 8, 3, 1, 2, 4],
len = arr.length,
minIndex, temp;
// 排序次数
for (var i = 0; i < len - 1; i++) {
// 默认最小数的索引为i
minIndex = i;
// 遍历剩下的序列，找到最小的数
for (var j = i + 1; j < len; j++) {
if (arr[j] < arr[minIndex]) {
// 记录最小数的索引
minIndex = j;
};
};
// HTML5学堂出品
// 两数交互位置
temp = arr[i];
arr[i] = arr[minIndex];
arr[minIndex] = temp;
};
console.log(arr);
欢迎沟通交流~~~HTML5学堂（码匠）
选择排序法的效率
算法复杂度的基本概念
算法复杂度分为时间复杂度和空间复杂度（时间和空间是计算机最重要的资源，因此复杂度分为时间和空间）。
时间复杂度：指执行算法所需要的计算工作量；
空间复杂度：指执行算法所需要的内存空间。
时间复杂度：O(n*n)
时间复杂度是总运算次数表达式中受n的变化影响最大的项(不含系数)；
第一次循环比较n-1次，然后是n-2次，n-3次，依此类推，最后一次循环比较1次，总的比较次数和为(n - 1 + 1) * n / 2，即进行比较操作的时间复杂度为O(n^2)
Tips：选择排序的比较次数与序列的初始排序无关。
空间复杂度：O(1)
排序算法需要一个额外的空间（temp变量）来交换元素的位置。
不稳定排序的一种算法
选择排序是一种不稳定排序的算法。
比如：序列[3, 8, 3, 1, 9 ]，第一次循环第1个元素3会和1交换，变成[1, 8, 3, 3, 9]，此时，原序列中两个3的先后顺序被破坏。