稳定的
1，冒泡排序（bubble sort） — O(n^2)
每次扫描的时候，看看第k位是不是比k-1的小，如果小，就调换位置，循环n次，算法复杂度是O(n2）
2，鸡尾酒排序(Cocktail sort, 双向的冒泡排序) — O(n^2),
有时降序冒泡，有时升序冒泡
3，插入排序（insertion sort）— O(n^2)
从头开始扫描，已经扫描的就是排好序的，未扫描的就是未排序的，总共扫描n次，每次插入的时候移动n次，时间复杂度O(n2）
4，桶排序（bucket sort）— O(n); 需要 O(k) 额外空间
将数的范围1-m分成k等分，然后把n个数分到这个k等分中，然后再对每个等分的数排序，最后合并这k等分
5，合并排序（merge sort）— O(nlog n); 需要 O(n) 额外空间
对排序的数两两排序，然后再四个四个排序，然后再八个八个排序....算法复杂度是O(nlog(n)）
不稳定的
1，选择排序（selection sort）— O(n^2)
扫描n次，从中选择最小的，挑出来，总共循环n次，算法复杂度也是O(n2）
这种排序方法可能一看认为是稳定的，想一个反例：5 8 5 2 9，从小到大排序，我们知道第一遍选择第1个元素5会和2交换，那么原序列中2个5的相对前后顺序就被破坏了，所以选择排序不是一个稳定的排序算法
2，希尔排序（shell sort）— O(nlog n) 如果使用最佳的现在版本
维护一个类似增量的变量k，一开始k是大于n/2的最小整数，将i和i+k元素比较，这里需要注意的是，如果第i和i+k位置互换之后，还需要比较i位置上的新数和i-k位置上的需不需要互换，扫描完之后，k变为k/2，然后重新扫描，算法复杂度
3，堆排序（heapsort）— O(nlog n)
构建初始堆：每次调整都是从父节点、左孩子节点、右孩子节点三者中选择最大者跟父节点进行交换(交换之后可能造成被交换的孩子节点不满足堆的性质，因此每次交换之后要重新对被交换的孩子节点进行调整
然后不停从堆顶得到最大最小值就可以了
4，快速排序（quicksort）— O(nlog n) 期望时间, O(n^2) 最坏情况; 对于大的、乱数列表一般相信是最快的已知排序