归并排序：归并排序的原理，分治思想的经典应用
归并排序基于“分而治之”思想，核心是分解、递归、合并。先将数组递归拆分为长度为1的子数组，再通过双指针合并相邻有序子数组（比较元素大小，临时数组存储结果）。完整流程：分解至最小子数组，逐层合并成有序数组。 时间复杂度稳定为O(n log n)（递归深度log n，每层合并需遍历所有元素），空间复杂度O(n)（需临时数组存储合并结果）。作为稳定排序，相等元素相对顺序不变，适合大数据量或需稳定排序的场景。其“分解-合并”逻辑直观体现分治思想，是理解递归与复杂问题简化的经典案例。
阅读全文使用C++实现桶排序算法
桶排序是一种非比较型排序算法，通过将待排序元素分配到多个“桶”中，对每个桶内元素单独排序后合并，实现整体排序。核心是合理划分桶，使每个桶元素数量少，降低排序成本。 以[0,1)范围内的浮点数为例，算法步骤：1. 创建n个空桶（n为数组长度）；2. 按元素x的桶索引x*n（取整数部分）分配到对应桶；3. 各桶内用std::sort排序；4. 合并所有桶元素。 C++实现中，`bucketSort`函数通过vector<vector<double>>创建n个桶，遍历元素分配，排序后合并。测试验证了算法正确性。 复杂度：平均时间O(n)（元素均匀分布时），最坏O(n log n)（所有元素入同一桶）；空间O(n)。适用于数据分布均匀、范围明确的数值型数据，数据不均时性能退化。 该算法在数据分布合理时高效，尤其适合统计分析中的区间数据排序。
阅读全文使用C++实现希尔排序算法
希尔排序是插入排序的改进版，又称“缩小增量排序”，通过分组插入排序并逐步缩小增量实现高效排序。基本思路：选定初始增量`gap`（如数组长度的一半），按`gap`分组（子序列元素间隔`gap`），对各组子序列插入排序；重复缩小`gap`（通常减半），直至`gap=1`完成整体排序。 核心原理：大`gap`时分组减少移动次数，小`gap`时数组已部分有序，大幅降低最终插入排序的移动量。以数组`[12,34,54,2,3]`为例，初始`gap=2`分组排序后数组渐趋有序，再`gap=1`完成最终排序。 代码通过三层循环实现：外层控制`gap`，中层遍历分组，内层移动元素。时间复杂度平均`O(n^1.3)`（依赖增量），最坏`O(n²)`，空间复杂度`O(1)`，不稳定。希尔排序通过分组优化插入排序，适用于较大数组，核心逻辑为“分组→排序→缩小增量→最终排序”。
阅读全文使用Java实现选择排序算法
选择排序是一种简单直观的排序算法，核心思想是每次从无序部分选取最小（或最大）元素，放入已排序部分末尾，重复此过程直至全部有序。其基本思路为：外层循环确定已排序部分的末尾位置，内层循环在未排序部分中寻找最小值，交换该最小值与外层循环当前位置的元素，直至完成排序。 Java实现中，`selectionSort`方法通过两层循环实现：外层循环遍历数组（`i`从0到`n-2`），内层循环（`j`从`i+1`到`n-1`）寻找未排序部分的最小值索引`minIndex`，最后交换`i`位置元素与`minIndex`位置元素。以数组`{64,25,12,22,11}`为例，每轮交换后逐步构建有序数组，最终结果为`[11,12,22,25,64]`。 时间复杂度为O(n²)，适用于小规模数据。该算法逻辑简单、代码易实现，是理解排序基础思想的典型示例。
阅读全文