ヒープソート

ヒープ構造を利用した整列アルゴリズム。データをヒープに構築し、最大値（最小値）を取り出す操作を繰り返す。最悪計算量がO(n log n)で安定しており、追加メモリが不要。不安定ソート。

ヒープ構造を利用したソートアルゴリズム。データからヒープを構築し、最大（最小）要素を繰り返し取り出して整列する。計算量は常にO(n log n)で追加メモリがO(1)だが、キャッシュ効率がクイックソートより劣る。

データからヒープ（親が子より常に大きい、または小さい完全2分木）を作り、根にある最大値（または最小値）を取り出して末尾に移し、残りでヒープを作り直すことを繰り返す整列のアルゴリズム。計算量は平均・最悪ともO(n log n)で、作業領域をほとんど使わないが、安定な整列ではない。

根から最下層の一つ上の層まですべての節が埋まり、最下層の節は左から詰めて配置された2分木。節の数nに対して高さがおよそlog₂nに抑えられ、配列で効率よく表せるため、ヒープの実現に使われる。

隣り合う要素を比較し、順序が逆なら交換する操作を、列の端から端まで繰り返して整列するアルゴリズム。仕組みは単純だが、計算量はO(n²)で、大量のデータには向かない。

未整列の部分から最小（または最大）の要素を選び、未整列部分の先頭と交換する操作を繰り返して整列するアルゴリズム。交換の回数は少ないが、比較の回数が多く、計算量はO(n²)である。

整列済みの部分に、未整列部分の先頭の要素を適切な位置に挿入する操作を繰り返して整列するアルゴリズム。計算量はO(n²)だが、ほぼ整列済みのデータに対しては高速に動作する。

基準値（ピボット）を選び、それより小さい要素と大きい要素のグループに分ける操作を、各グループに再帰的に繰り返して整列するアルゴリズム。平均の計算量はO(n log n)で実用上最も速い部類だが、ピボットの選び方が悪いと最悪O(n²)になる。

データを半分ずつに分割していき、整列済みの小さな列どうしを併合（マージ）することを繰り返して整列するアルゴリズム。最悪でも計算量はO(n log n)で安定した整列ができるが、作業用の記憶領域が必要になる。