工程师常用的排序算法包括以下几种：

冒泡排序

基本思想：通过不断比较相邻元素并交换位置，使得较大的元素逐渐“浮”到数组的末尾，从而实现排序。

时间复杂度：O（n^2），空间复杂度为O（1）。

稳定性：稳定排序算法。

适用场景：适用于小规模数据或部分有序数据的排序。

选择排序

基本思想：每次从未排序的元素中选择最小（或最大）的元素，将其放到已排序序列的末尾，直到所有元素均排序完成。

时间复杂度：O（n^2），空间复杂度为O（1）。

稳定性：不稳定排序算法。

适用场景：适用于小规模数据排序。

插入排序

基本思想：将未排序的元素逐一插入到已排序序列中的正确位置。

时间复杂度：O（n^2），空间复杂度为O（1）。

稳定性：稳定排序算法。

适用场景：适用于小规模数据或部分有序数据的排序。

归并排序

基本思想：采用分治法，将数组分成两半分别排序，然后将有序的子序列合并成一个有序序列。

时间复杂度：O（nlogn），空间复杂度为O（n）。

稳定性：稳定排序算法。

适用场景：适用于大规模数据的排序。

快速排序

基本思想：通过一趟排序将待排序数据分割成独立的两部分，其中一部分的所有数据都比另一部分的所有数据要小，然后分别对这两部分数据递归进行快速排序。

时间复杂度：平均情况下O（nlogn），最坏情况下O（n^2），空间复杂度为O（logn）。

稳定性：不稳定排序算法。

适用场景：适用于大规模数据的排序，且数据分布较为均匀。

堆排序

基本思想：利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。

时间复杂度：O（nlogn），空间复杂度为O（1）。

稳定性：不稳定排序算法。

适用场景：适用于大规模数据的排序。

基数排序

基本思想：按照数字的每一位进行排序，从最低位开始，依次进行排序，最终得到有序序列。

时间复杂度：O（nk），其中n是数据个数，k是数字的位数。

稳定性：稳定排序算法。

适用场景：适用于整数或字符串等具有多位的数据排序。

桶排序

基本思想：将待排序数据分成多个桶，每个桶内数据有序，然后分别对每个桶进行排序（接近有序），最后将各个桶的数据合并。

时间复杂度：O（n+k），其中n是数据个数，k是桶的数量。

稳定性：稳定排序算法。

适用场景：适用于数据分布较为均匀且范围较大的情况。

计数排序

基本思想：统计每个元素出现的次数，然后根据统计结果重新构造有序序列。

时间复杂度：O（n+k），其中n是数据个数，k是数据范围。

稳定性：稳定排序算法。

适用场景：适用于整数或特定范围内的数据排序。

这些排序算法各有优缺点，选择合适的排序算法可以提高程序的性能和效率。在实际应用中，工程师需要根据具体需求和数据特点选择合适的排序算法。