大学中常见的三种排序算法为冒泡排序、快速排序和归并排序，其核心特性与对比分析如下：冒泡排序：基础交换的直观实现冒泡排序通过相邻元素两两比较并交换的方式，将最大或最小的元素逐步“冒泡”至序列一端。其核心逻辑为嵌套循环：外层循环控制遍历轮次，内层循环完成相邻元素比较与交换。该算法平均时间复杂度为O(n²)，最坏情况下（如逆序序列）仍为O(n²)，但空间复杂度仅为O(1)，仅需常数级额外空间。其优势在于实现简单，适合小规模数据或教学场景，但效率较低，大规模数据排序时性能较差。快速排序：分治策略的高效典范快速排序采用分治法，通过选取一个基准元素（如首元素）将序列划分为两部分：左侧元素均小于基准，右侧均大于基准，随后递归处理左右子序列。其平均时间复杂度为O(n log n)，最坏情况下（如序列已有序且基准选择不当）退化为O(n²)，但通过随机化基准选择可有效避免。空间复杂度平均为O(log n)，源于递归调用栈的深度。快速排序因效率高、内存占用适中，成为实际应用中最常用的排序算法之一，尤其适合大规模数据排序。归并排序：稳定分治的代表算法归并排序同样基于分治法，但策略不同：它将序列递归拆分为最小单元（单个元素），再自底向上合并有序子序列。其时间复杂度恒为O(n log n)，无论数据初始状态如何，稳定性优于快速排序。然而，合并过程需额外空间存储临时序列，导致空间复杂度为O(n)，成为其主要限制。归并排序适合对稳定性要求高且内存充足的场景，如外部排序或链表排序。补充说明：其他基础排序算法除上述三种外，选择排序与插入排序也常用于教学。选择排序通过遍历未排序部分选择最小元素交换至已排序部分末端，时间复杂度为O(n²)且不稳定；插入排序则将未排序元素逐个插入已排序部分的正确位置，对部分有序数据效率较高，时间复杂度同样为O(n²)。两者均适用于小规模或特定场景，但通用性不及前三种算法。