如果已知被排序的n个元素，值范围固定在在 "[0,k)"内]，那么计数排序是最好的选择，它具有线性复杂度。
这个约束有些过强，有些时候，可以将不满足这个条件的转化一下：
比如 [-k, k)映射]到[0, 2k)等]。
再比如1/p的小树映射到p k-p等等。
下面上算法，主要走两遍：
首先建立k个桶
(1)扫描n个元素，增加对应桶中的计数
(2)从小到大扫描k个桶，计数非零则减一，然后顺序、依次输出。
源代码：
#include <stdio.h>[......]
堆排序依赖于上午写道的构建堆和调整堆。
基本思想：
(1)首先执行BuildHeap（以最大堆为例），则arr[0]已经是最大元素了，如果我们要按照从小到大排序，那么它应该被放在arr[n-1]上，于是，我们swap arr[0]和arr[n-1]。
(2)类似的，我们让i从n-1到0，依次执行调整堆，AdjustHeap(i,n)，每次调整完成后，堆顶部一定是最大元素，正好把他换到i-2上。
上述的思路和选择排序是不是非常相似！
改进：
调整堆实际用到了递归方法，而其实它是[......]
选择排序，思想非常简单，分为selectMax和selectSort两个部分。
selectMax：
每次选择区间内最大的数，返回其Index
selectSort
1、从右到左依次扫描i（除idx=0，因为选到最后，最小的一定在最左边），规定区间为[0, i]
2、调用selectMax，获得最大的maxIndex。
3、这个i位置应该是第i大的数的位置，也就是maxIndex的数的位置，因此，如果i!=maxIndex，swap之。
算法复杂度，不管是最坏、平均还是最好[......]
划分是求Kth、快速排序等的基础。
目标：一个数组array，给定一个pivotIndex，要求将array[pivotIndex]的对象至于storeIndex位置，使得[left,storeIndex)的元素都小于array[pivotIndex]，而使得大于[storeIndex,right]的元素都大于等于array[pivotIndex]。
算法步骤：
1、交换array[pivotIndex]和array[right]，记前者为pivot
2、用store表示pivo[......]
插入排序：
类似洗牌，将从1~N的数字分别插入到合适的位置，当然对于数组来说，需要做相应的移动。基础的方法是依次挪动，较为快捷的方法是memmove。
需要说明的是，按照Linux的man手册，memmove是支持内存overlap的，即可以部分重叠，函数内部会处理好其他的事情，因此类似书上的先移动到buffer，再从buffer移动到另一个位置是没必要的！
#include <stdio.h>
#include <string.h>
typedef[......]