在编程领域，排序算法是数据结构与算法学习中的基础且重要的一部分。它们被广泛应用于各种软件开发中，从数据库管理到数据分析，再到图形处理等。本文将深入探讨十大经典排序算法，并结合C语言源码来解析其工作原理。
1. 冒泡排序（Bubble Sort）
冒泡排序是最基础的排序算法之一，通过重复遍历数组，比较相邻元素并交换位置，使得最大（或最小）的元素逐渐“浮”到数组的一端。时间复杂度为O(n^2)。
2. 插入排序（Insertion Sort）
插入排序的工作方式类似于我们手动整理扑克牌，将每张未排序的牌插入到已排序的部分中正确的位置。在C语言中，这通常通过两个指针来实现，一个指向待插入元素，一个指向已排序区间的末尾。时间复杂度为O(n^2)，但在部分有序的数组中表现较好。
3. 选择排序（Selection Sort）
选择排序每次找出未排序部分中的最小（或最大）元素，然后将其放到已排序部分的末尾。这个过程会持续到整个数组排序完成。时间复杂度同样为O(n^2)。
4. 快速排序（Quick Sort）
快速排序由C.A.R. Hoare提出，它采用分治策略，选取一个“枢轴”元素，将数组分为两部分，一部分所有元素小于枢轴，另一部分所有元素大于枢轴，然后对这两部分递归进行快速排序。平均时间复杂度为O(n log n)，最坏情况为O(n^2)。
5. 归并排序（Merge Sort）
归并排序也是分治法的一种，将数组分成两半，分别排序后再合并，保证了稳定性。其时间复杂度始终为O(n log n)，但需要额外的内存空间。
6. 堆排序（Heap Sort）
堆排序利用了二叉堆的数据结构，将待排序的数组构造成一个大顶堆（或小顶堆），然后将堆顶元素与末尾元素交换，再调整堆，重复此过程。时间复杂度为O(n log n)，不额外占用内存。
7. 计数排序（Counting Sort）
计数排序适用于非负整数排序，通过统计每个元素出现的次数，直接确定每个元素在输出数组中的位置。时间复杂度为O(n + k)，其中k为整数范围。
8. 桶排序（Bucket Sort）
桶排序将元素分配到有限数量的桶里，每个桶再分别排序，最后合并所有桶的元素。适合于数据分布均匀的情况，时间复杂度为O(n + k)。
9. 基数排序（Radix Sort）
基数排序根据数字的位数，从低位到高位依次排序。对于每一位，用桶排序或计数排序方法处理。适用于整数排序，时间复杂度为O(d * (n + k))，d为位数，k为基数。
10. 希尔排序（Shell Sort）
希尔排序是对插入排序的改进，通过将数组元素按照一定的间隔分组，先对每个组进行插入排序，然后逐渐减小组距，直到间隔为1，进行最后一次插入排序。时间复杂度介于O(n)到O(n^2)之间，取决于增量序列的选择。
这些排序算法各有优缺点，适用场景不同。在实际编程中，根据具体需求和数据特性选择合适的排序算法至关重要。学习并理解这些排序算法的C语言实现，有助于提升编程技能和优化程序性能。
