Object[][] Games = new Object[100][2];
Games[0][0] = "Game Title1";
Games[0][1] = 2;
Games[1][0] = "Game Title2";
Games[1][1] = 1;
Games [*] [1]槽中，然后您可以根据此进行排序。虽然不是O(n)，但成对比较是一种将集合元素相对排名的方法。
实现算法的步骤：
Here is some quick pseudo-code to describe the algorithm:
for each row
for each column
if row is better than column
row.score++
else
column.score++
end
end
movie_rating = movie[row] + movie[column]
sort_by_movie_rating()
另一种方法是扩展您的想法。显示超过2个游戏，并按您的评分进行排序。这个想法类似于归并排序来评估您的游戏。如果您正确选择评分游戏，则不需要进行很多迭代。只需要几个。在我看来，O(n)会相当困难，因为您（作为人）的观察是有限的。
关于是否有一种 O(n) 的方法来排序 n 个对象，实际上是没有的。这样一种排序的下限将会是 O(nlogn)。
然而，有一个特殊情况。如果您有一个独特且有界的偏好，那么您可以使用所谓的桶排序。
如果没有两个游戏并列，则偏好是独特的。 如果您的偏好有最小值和最大值，则偏好是有界的。
让 1 .. m 成为您的游戏集的边界。
只需创建一个具有 m 个元素的数组，并根据您的偏好将每个游戏放置在相应的索引中。
现在，您只需对数组进行线性扫描即可获得排序后的顺序。
但当然，这不是基于比较的。
一种可能的方法是创建几个标准C1，C2，...，Cn，例如：
您可以通过这个筛子来评估每个游戏。
然后，您可以比较游戏对的子集（2级选择），并告诉我们您更喜欢哪一个。存在一些多标准决策分析（MCDM或MCDA）算法，它们将把您的2级选择转换为多标准排名函数，例如，您可以计算系数a1，...，an以构建线性排名函数a1*C1+a2*C2+...+an*Cn。
好的算法不会让您随机选择对，而是会根据非支配子集为您提出要比较的对。
请参阅维基百科http://en.wikipedia.org/wiki/Multi-criteria_decision_analysis，其中提供了一些有用的链接，并准备做/读一些数学。
或者购买像ModeFrontier这样的软件，它内置了一些这些算法（如果只是为了排列图书馆，则有点昂贵）。
我认为这不能在O(n)时间内完成。我们能得到的最好结果是使用归并排序或快速排序，达到O(nlogn)。
我知道很难量化你对某件事的喜爱程度，但如果你创建了几个“领域”，你将根据每个游戏来评判：
graphics
story
multiplayer
etc...
为每个类别评定一个1-5分的等级（可以根据你认为更重要的类别改变权重）。尝试创建一个客观的评判标准（可能使用外部来源，例如metacritic）
然后将它们全部加起来，这将给出你喜欢它们的总体评分。然后使用排序算法（MergeSort？InsertionSort？）将它们按顺序排列。这将是 O(n*m+nlogn) [n = 游戏，m = 类别]，考虑到m很可能非常小，这相当不错。
如果你真的下定决心，可以使用机器学习来近似预测未来的游戏，基于你过去的选择。