我知道大多数算法的实现，但我不知道使用它们的大小数据集（以及包含的数据）：
答案 0 :(得分：9)
首先，您采用所有具有O(n2)复杂度的排序算法并将其丢弃。
然后，您必须研究排序算法的几个特征，并确定它们中的每一个是否更适合您想要解决的问题。最重要的是：
算法是否就地？这意味着排序算法不使用任何（O(1)实际的）额外内存。当您运行内存关键型应用程序时，这种适当性非常重要。
冒泡排序，插入排序和选择排序使用常量内存。 Merge-sort也有一个就地变种。
算法是否稳定？这意味着如果给出比较方法，则x和y两个元素相等，并且在输入x中找到在y之前，输出x将在y之前找到。
合并排序，冒泡排序和插入排序是稳定的。
算法可以并行化吗？如果您正在构建的应用程序可以使用并行计算，您可能需要选择可并行化的排序算法。
更多信息here。
答案 1 :(得分：5)
仅当要排序的数据存储在旋转鼓存储器中时才使用冒泡排序。它最适合此目的，但不适用于随机存取存储器。这些天，相当于“不使用冒泡排序”。
使用插入排序或选择通过根据您可用的其他排序对其进行测试，将您排序的某种尺寸排序。这通常约为20-30项，但是YMMV。特别是，当实现合并排序和快速排序等分而治之的排序时，当您当前的数据块足够小时，您应该“分解”为插入排序或选择排序。
也可以对几乎排序的数据使用插入排序，例如，如果您以某种方式知道您的数据曾经被排序，并且自那以后没有太大变化。
当您需要稳定排序时使用合并排序（在排序链接列表时也很好），请注意对于数组，它会占用大量额外内存。
通常你根本不使用“普通”快速排序，因为即使有明智的枢轴选择，它仍然有Omega(n^2)最坏的情况，但与插入排序不同，它没有任何有用的最佳情况。 “杀手级”案例可以系统地构建，因此如果您对“不受信任”的数据进行排序，那么某些用户可能会故意扼杀您的性能，无论如何，可能存在某些特定于域的原因导致您的数据接近杀手级案例。如果您选择随机枢轴，则杀手案例的概率可以忽略不计，因此这是一个选项，但通常的方法是“IntroSort” - 一个检测坏情况并切换到HeapSort的QuickSort。
Radix Sort有点奇怪。很难找到最佳的常见问题，但它对固定宽度数据（O(n)具有良好的渐近限制，其中比较排序为Omega(n log n)）。如果您的数据是固定宽度的，并且输入大于可能值的数量（例如，超过40亿个32位整数），则开始有可能某种基数排序将表现良好。 / p>
答案 2 :(得分：1)
请注意，通常合并或快速排序实现对子例程的子部分非常小的部分使用插入排序。