部分排序算法的Java模拟实现（复习向，非0基础）
一.排序
概念：
排序其本质是将一组无序的数据元素（如数字、字符、对象等）按照某种特定的规则（称为 “排序依据”）重新排列成有序序列的过程
核心目的：
排序的核心目的是降低数据的无序性，使数据满足 “可快速检索”“可按规律处理” 等需求
分类（根据排序过程中数据是否全部存放在内存中）：
- 内部排序（Internal Sorting）
所有待排序数据均可放入内存中，排序过程仅在内存中完成。常见的排序算法（如冒泡排序、插入排序、快速排序等）均为内部排序。 - 外部排序（External Sorting）
待排序数据量过大，无法全部放入内存（如 TB 级数据），排序过程需要通过内存与外存（如硬盘）的数据交换完成。例如数据库中的大表排序，通常结合内部排序和归并操作实现
排序的稳定性：
假设有一组数据，其中包含两个值相等的元素（记为 a 和 b），且在排序前 a 位于 b 之前（即 a 的索引 < b 的索引）
如果排序后，a 仍然在 b 之前，则称该排序算法是稳定的；
如果排序后，b 跑到了 a 之前，则称该排序算法是不稳定的
排序算法
1）直接插入排序
直接插入排序（Straight Insertion Sort）是一种简单直观的排序算法，其核心思想是将数组分为已排序和未排序两部分，每次从未排序部分取出一个元素，插入到已排序部分的正确位置
直接插入排序是稳定的
时间复杂度：
最坏情况：数组完全逆序，每次插入需移动所有已排序元素，时间为O(n^2)
最好情况：数组已有序，每次插入仅需比较 1 次，时间为O(n)。平均情况：O(n^2)
空间复杂度：
仅需常数级额外空间（暂存当前元素），空间复杂度为O(1),属于原地排序
public void insertSort(int[] array) {for (int i = 1; i < array.length; i++) {int tmp = array[i];int j = i-1;for (; j >= 0; j--) {if (tmp < array[j]) {array[j+1] = array[j];}else {break;}}array[j+1] = tmp;}}
注意：
- 时间复杂度可分为三部分操作，
遍历，查找应放置位置，移动数据（查找与移动其实同时发生但我看为了两步）
无论情况如何，遍历部分永远不变为（n-1）
而查找部分，在最坏情况下（倒序）为一个等差数列
而数据移动部分，在该写法中与查找同时发生（边比较，边移动）
-
我曾想过何不用二分查找优化查询应放置位置
这确实可以优化查询这一步，但该做法不同于给出的示例，虽优化了比较次数，但移动次数无法优化（依然边比较边移动，受数组性质的限制，对数据的移动量无法改变） -
进而我想到了链表的实现，而链表虽能优化数据的移动却又无法同时又由于链表性质的限制，无法通过下标索引实现二分查找，故在查找部分效率较低只能顺序查找，但是却能优化数据的移动
2）希尔排序（直接插入排序的优化）
希尔排序（Shell Sort）是插入排序的一种改进版本，也称为 “缩小增量排序”（Diminishing Increment Sort）。它通过将原始数据分成多个子序列来改善插入排序的性能，使得元素能够更快地移动到最终位置
希尔排序是不稳定的
public void shellSort(int[] array) {int gap = array.length;while (gap > 1) {//增量序列选择为希尔原始序列gap /= 2;shell(array,gap);}}public void shell(int[] array,int gap) {for (int i = gap; i < array.length; i++) {int tmp = array[i];int j = i-gap;for (; j >= 0; j -= gap) {if (tmp < array[j]) {array[j+gap] = array[j];}else {break;}}array[j+gap] = tmp;}}
3）选择排序
选择排序不是稳定的排序
空间复杂度为O(1)
单向选择排序
其核心思想是每一轮从未排序部分选择最小（或最大）的元素，与未排序部分的第一个元素交换位置，逐步将数组分为「已排序部分」和「未排序部分」。整个过程是单向的（从左到右或从右到左），因此称为单向选择排序
public void selectSort(int[] array) {int minIndex;for (int i = 0; i < array.length; i++) {minIndex = i;for (int j = i + 1; j < array.length; j++) {if (array[minIndex] > array[j]) {minIndex = j;}}//swap交换函数swap(array,i,minIndex);}}
双向选择排序
双向选择排序（Bidirectional Selection Sort） 是对单向选择排序的优化，它在每一轮中同时寻找最小值和最大值，并将它们分别放到未排序部分的两端。这样每轮可以确定两个元素的位置，理论上比单向选择排序快约一倍
public void selectSort2(int[] array) {int left = 0;int right = array.length-1;while (left < right) {//minIndex和maxIndex 的初始值并不关键，只要范围在该数组内就行int minIndex = left;int maxIndex = left;//注意内层循环的条件，一定是i <= rightfor (int i = left; i <= right ; i++) {if(array[i] < array[minIndex]) {minIndex = i;}if(array[i] > array[maxIndex]) {maxIndex = i;}}swap(array,left,minIndex);//核心问题：索引冲突，在执行第一个swap的同时，下标的改变可能影响下一个swapif(maxIndex == left) {maxIndex = minIndex;}swap(array,right,maxIndex);left++;right--;}}public void selectSort3(int[] array) {//类比selectSort2int left = 0;int right = array.length - 1;while (left < right) {//为了说明minIndex和maxIndex 的初始值并不关键，与selectSort2不同int minIndex = left;int maxIndex = right;for (int j = left; j <= right; j++) {if (array[j] > array[maxIndex]) {maxIndex = j;}if (array[j] < array[minIndex]) {minIndex = j;}}swap(array, minIndex, left);if (maxIndex == left) {// 处理索引冲突，依然是写在第一个swap后maxIndex = minIndex;}swap(array, maxIndex, right);left++;right--;}}
注意：
核心问题：索引冲突，在执行第一个swap的同时，下标的改变可能影响下一个swap，处理方式如代码所示
4）冒泡排序
冒泡排序（Bubble Sort）是一种简单直观的排序算法，其核心思想是通过重复比较相邻元素并交换顺序错误的元素，使值较大的元素像 “气泡” 一样逐渐 “上浮” 到数组的末尾
冒泡排序可以有效优化
冒泡排序是稳定的
空间复杂度是O(1)
时间复杂度：
最坏情况是否优化结果相同
最好情况
- 如果无优化：
- 如果进行了优化：
//无优化
public static void bubbleSort(int[] array) {for (int i = 0; i < array.length-1; i++) {for (int j = 0; j < array.length-1-i; j++) {if(array[j] > array[j+1]) {swap(array,j,j+1);}}}}//有优化
public static void bubbleSort(int[] array) {for (int i = 0; i < array.length-1; i++) {boolean flg = false;for (int j = 0; j < array.length-1-i; j++) {if(array[j] > array[j+1]) {swap(array,j,j+1);flg = true;}}if(!flg) {return;}}}
5）堆排序
堆排序（Heap Sort）是一种基于二叉堆数据结构的高效排序算法
体现实现过程的例子
大堆[9, 6, 5, 1, 3, 4, 2, 1]
建堆的时间复杂度分析
因此根据数学计算可得结果为：
2的h次方 - h -1
又因为图中所写二叉树的知识点将h替换为n
可得结果为
n-log2（n+1）≈ n
因此建堆的时间复杂度为O(n)
堆排序实现
public void heapSort(int[] array) {createBigHeap(array);int end = array.length-1;while (end > 0) {swap(array,0,end);siftDown(array,0,end);end--;}}private void createBigHeap(int[] array) {for (int parent = (array.length-1-1)/2; parent >= 0 ; parent--) {siftDown(array,parent,array.length);}}private void siftDown(int[] array,int parent,int end) {int child = 2*parent+1;while (child < end) {if(child + 1 < end && array[child] < array[child+1]) {child++;}if(array[child] > array[parent]) {swap(array,child,parent);parent = child;child = 2*parent+1;}else {break;}}}
注意：
从大到小排序建小堆，从小到大排序建大堆
以给出具体过程的例子来说，建立大堆后将最大数值放置到堆的“末尾”（即已调整部分）
然后调整堆时每次减小堆大小（即未调整部分），给出新的”末尾”