Java数据结构——9.排序

1. 什么是堆排序*********** 2. 大堆顶，小堆顶********* 3. 构造堆*******************

Java数据结构与算法——冒泡排序

Java数据结构与算法——快速排序

Java数据结构——优先级队列（堆）

目录1. 交换排序——冒泡排序2. 交换排序——快速排序3. 选择排序——简单选择排序4. 选择排序——堆排序什么是堆堆排序基本思想步骤图解代码实现5. 插入排序——简单插入排序6. 插入排序——希尔排序7. 归并排序8. 基数排序 1. 交换排序——冒泡排序 从要排序序列的第一个元素开始，一次比较相邻元素的值，发现逆序则交换，将值较大的元素逐渐从前向后移动。 public void bubbleSort(int[] arr){ for (int i = 0; i < arr.le...

Java数据结构——二叉搜索树

所以这里我们的排序篇章就讲完了，下篇文章将会给大家带来Map和Set的讲解。让我们共同学习，共同进步，为知识的海洋增添更多宝贵的财富！

AVL树的引入 搜索二叉树有着极高的搜索效率，但是搜索二叉树会出现以下极端情况： 这样的二叉树搜索效率甚至比链表还低。在搜索二叉树基础上出现的平衡二叉树(AVL树)就解决了这样的问题。当平衡二叉树(AVL树)的某个节点左右子树高度差的绝对值大于1时，就会通过旋转操作减小它们的高度差。 基本概念 AVL树本质上还是一棵二叉搜索树，它的特点是： 本身首先是一棵二叉搜索树。 每个结点的左右子树的高度之差的绝对值（平衡因子）最多为1。也就是说，AVL树，本质上是带了平衡功能的二叉查找树（二叉排序树，二叉搜索树）

摘要：本文从第一性原理出发，通过分析排序的基本目标，提出一种基于选择排序思想的改进方法。通过引入堆结构特性（以O(1)时间获取最大值），设计出高效的堆排序算法。文章详细阐述了算法实现的两个阶段：1)将无序数组构建为大顶堆（O(N)）；2)通过交换堆顶元素与当前堆尾元素并调整堆（O(NlogN)）。最终实现了一个时间复杂度为O(NlogN)的原址排序算法。整个过程展示了从基础排序思想到具体算法实现的完整推导路径。

本文围绕算法效率展开，先指出衡量算法好坏需从时间和空间复杂度入手，早期关注空间复杂度，如今更侧重时间复杂度。时间复杂度用大 O 渐进表示法，通过去除无关项简化执行次数描述，还提及最坏、平均、最好情况，通常关注最坏情况，并举例计算 8 类常见算法的时间复杂度。空间复杂度聚焦临时额外空间，也用大 O 表示法，分析 3 个实例。此外，对比常见复杂度阶，进阶介绍均摊复杂度、递归复杂度与深度的关联，以及工程中复杂度的实际权衡，为算法设计与优化提供参考。

Redis有序集合（Zset）是一种结合哈希表和跳跃表特性的数据结构，每个成员关联一个分数用于排序。主要特点包括：成员唯一但分数可重复，支持范围查询和排名计算。常用命令有：ZADD添加/更新成员及分数，ZCARD获取成员数量，ZCOUNT统计分数区间成员数，ZINCRBY增减成员分数，ZRANGE按索引返回成员，ZRANK获取成员排名等。核心操作的时间复杂度多为O(log(N))，适合需要排序和范围查询的场景。

本文详细介绍了红黑树的插入操作及其修复策略。红黑树通过颜色标记和旋转操作维持平衡，插入新节点时默认设为红色以避免破坏黑高平衡。当出现"红-红"冲突时，根据叔叔节点的颜色采取不同修复方法：若叔叔为红色则进行颜色翻转并向上递归处理；若叔叔为黑色则通过旋转（区分直线和三角情况）调整结构。最终强制根节点为黑色，确保所有路径黑高一致。这些操作在保持二叉搜索树性质的同时，保证了红黑树的高效平衡特性。

本文介绍了两种高效的排序算法：归并排序和计数排序。归并排序采用分治策略，通过递归将数组分解为有序子序列再两两合并，时间复杂度为O(nlogn)。文章通过高考排名案例生动讲解其原理，并提供了C语言实现代码和复杂度分析。计数排序则利用元素范围有限的特性，通过统计元素出现次数实现线性O(n)排序，适合特定数据场景。两种算法各具特点：归并排序通用稳定，计数排序在数据范围较小时效率更高。文章以通俗易懂的方式呈现算法核心思想，帮助读者理解不同排序方法的适用场景。

计数排序是一种非比较排序算法，适用于整数数据且范围较小的情况。其核心思想是统计每个元素出现的次数，然后根据统计结果将元素重新排列。虽然时间复杂度高效（O(N+range)），但空间复杂度较高（O(range)），且仅适用于整数类型。该算法在数据范围集中时性能优异，比快速排序更快，但在数据范围较大时空间消耗显著。