算法一：快速排序算法
快速排序是从儒家裙子发展起来的排序算法。 平均情况下，要对n个项目进行排序必须进行(nlogn )次比较。 最坏的情况下需要(N2 )次的比较，但这种情况并不普遍。 事实上，快速排序通常比其他(nlogn )算法速度明显快。 这是因为内部循环) inner loop )可以在大多数体系结构中有效地实现。快速排序使用分割统治法Divide and conquer战略将一个串行列表分割为两个子串行sub-lists。
算法步骤：
从一列中选择一个元素，称为“基准”(pivot )，
重新排列2列，所有元素小于基准值排在基准之前，所有元素大于基准值排在基准之后。 该地块退出后，该基准处于数列的中间位置。 这称为分区操作。
3递归地，对小于基准值的元素的子数列和大于基准值的元素的子数列进行排序。
递归最下面的情况是数列的大小是零还是一，即永远排序。 虽然一直递归持续，但是这个算法总是终止。 因为，在每次的迭代(iteration )中，至少将一个元素放置在其最后的位置。
算法二：堆排序算法
heapsort是利用堆这一数据结构设计的排序算法。 堆是几乎完整的二叉树结构，同时满足堆的性质。 也就是说，子节点的键值或索引总是小于(或大于)父节点。堆栈的平均时间复杂度为(nlogn )。
算法步骤：
创建堆H[0.n-1]
交换堆的开头(最大值)和堆的末尾
3 .调用shift_down(0)将堆的大小减小1，并将新数组的开头数据调整到适当的位置
4 .重复步骤2，直到堆大小变为1
算法三：归并排序
合并排序(Merge sort，台湾翻译：合并排序) )是一种基于合并操作的有效排序算法。 该算法是采用分割统治法(Divide and Conquer )的非常典型的应用。算法步骤：
1 .申请一个空间，使其等于用于存储合并后序列的两个排序序列的总大小
2 .设定两个指针。 第一个位置分别是两个排序序列的开始位置
3 .比较两个指针指向的元素，选择较小的元素放置在合并空间中，并将指针移动到下一个位置
4 .重复步骤3直到某个指针到达序列的最后
5 .将另一个序列的所有其余元素直接复制到连接序列的末尾
算法四：二分查找算法
二分搜索算法是搜索数组中特定元素的搜索算法。 搜索过程从数组的中间元素开始，如果中间元素是要搜索的元素，则搜索过程结束。 如果特定元素大于或小于中间元素，则按数组大于或小于中间元素的一半进行搜索，并像最初一样从中间元素进行比较。 如果步进数组为空，则意味着找不到。 这个检索算法在每次比较时都会将检索范围缩小一半。 对开搜索每次将搜索区域减少一半，时间复杂度为(logn )。
算法五：BFPRT(线性查找算法)
BFPRT算法解决的问题非常典型，从某n个元素的序列中选择第k大(第k小)的元素，通过巧妙的分析可以保证BFPRT即使在最坏的情况下也是线性时间复杂度。 虽然该算法的思想与快速排序的思想相似，但五位算法作者进行了精妙的处理，以便在算法最差的情况下仍能达到o(n )的时间复杂度。算法步骤：
1 .将n个元素各5个分组，分成n/5 (上界)组。
2 .取出各组的中位数，插入排序等任意排序方法。
3 .递归地调用selection算法，查找前一步骤的中央值的所有中央值，设为x，在偶数位的情况下，设定为选择中央值小的一方。
4 .将排列用x分割，x以下的个数设为k，比x大的个数设为n-k。
当i==k时，返回到x； 在ik的情况下，在小于x的要素中递归地寻找第I小的要素； 在ik的情况下，在大于x的要素中递归地寻找第i-k小的要素。
结束条件： n=1时，返回的是I小元素。
资料来源： evget
转载正文请按照原文的要求