算法复杂度
时间复杂度：
常见的时间复杂度有：常数阶O(1),对数阶O(log2n),线性阶O(n), 线性对数阶O(nlog2n),平方阶O(n2)，立方阶O(n3),...， k次方阶O(nk),指数阶O(2n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
空间复杂度：
如当一个算法的空间复杂度为一个常量，即不随被处理数据量n的大小而改变时，可表示为O(1)；当一个算法的空间复杂度与以2为底的n的对数成正比时，可表示为0(10g2n)；当一个算法的空I司复杂度与n成线性比例关系时，可表示为0(n).若形参为数组，则只需要为它分配一个存储由实参传送来的一个地址指针的空间，即一个机器字长空间；若形参为引用方式，则也只需要为其分配存储一个地址的空间，用它来存储对应实参变量的地址，以便由系统自动引用实参变量。
各排序算法的优缺点比较
1.快速排序
当待排序元素的关键字随机分布时，快速排序的平均时间最短。快速排序比堆排序和归并排序要快2到3倍。
快速排序会出现最坏情况。
快速排序是不稳定的。
2. 堆排序
不会出现最坏情况。
3. 简单插入排序
当待排序序列基本有序时，可以使用简单插入排序。
4.归并排序
归并排序是稳定的，但是需要一个同样大小的存储空间。Arrays.sort()使用这个算法进行排序。
归并排序用递归实现，核心过程是将两个已经有序的数组归并成一个大的有序数组，只需要同时遍历比较即可。