面试题：排序算法的稳定性？（文末有福利）

回归面试题！

回答重点

• 稳定的排序算法：冒泡排序、插入排序、归并排序、计数排序。

• 不稳定的排序算法：选择排序、快速排序、堆排序、希尔排序。

扩展知识

1）冒泡排序（Bubble Sort）

原理：
冒泡排序是一种简单的排序算法。它通过多次遍历数组，依次比较相邻的两个元素，如果前者比后者大，就交换它们的位置。这样，最大的元素会像气泡一样逐渐"冒泡"到数组的末尾。这个过程会重复多次，直到没有元素需要交换。

时间复杂度：

• 最优时间复杂度：O(n) （当数组已排序时）

• 平均时间复杂度：O(n²)

• 最坏时间复杂度：O(n²)

空间复杂度：

• O(1) （原地排序）

特点：

• 稳定

• 简单易懂，但效率较低，不适合大数据量的排序。

2）插入排序（Insertion Sort）

原理：
插入排序通过构建有序序列，对于未排序的数据，在已排序序列中从后向前扫描，找到相应位置并插入。类似于打牌时整理手中的牌。

时间复杂度：

• 最优时间复杂度：O(n) （当数组已排序时）

• 平均时间复杂度：O(n²)

• 最坏时间复杂度：O(n²)

空间复杂度：

• O(1) （原地排序）

特点：

• 稳定

• 对于小规模数据或基本有序的数据，效率较高。

3）选择排序（Selection Sort）

原理：
选择排序每次从未排序的序列中找到最小（或最大）的元素，放到已排序序列的末尾，直到所有元素排序完毕。

时间复杂度：

• 最优时间复杂度：O(n²)

• 平均时间复杂度：O(n²)

• 最坏时间复杂度：O(n²)

空间复杂度：

• O(1) （原地排序）

特点：

• 不稳定

• 简单但效率低，通常不用于大规模数据排序。

4）快速排序（Quick Sort）

原理：
快速排序是一种分治算法。通过选择一个"基准"元素，将数组分为两部分，一部分比基准小，一部分比基准大。然后对这两部分分别进行递归排序。

时间复杂度：

• 最优时间复杂度：O(n log n)

• 平均时间复杂度：O(n log n)

• 最坏时间复杂度：O(n²) （当选的基准值不合适时）

空间复杂度：

• O(log n) （递归栈的空间）

特点：

• 不稳定

• 是实际应用中最常用的排序算法之一，性能通常较好。

5）归并排序（Merge Sort）

原理：
归并排序是一种典型的分治算法。将数组分成两个子数组，对每个子数组分别排序，然后将排好序的子数组合并。

时间复杂度：

• 最优时间复杂度：O(n log n)

• 平均时间复杂度：O(n log n)

• 最坏时间复杂度：O(n log n)

空间复杂度：

• O(n) （需要额外的数组存放合并结果）

特点：

• 稳定

• 适合处理大规模数据和链表排序，但空间开销较大。

6）堆排序（Heap Sort）

原理：
堆排序利用堆这种数据结构来排序。先将数组构建成最大堆，然后将堆顶元素（最大值）与堆的最后一个元素交换，减小堆的范围，并重新调整堆，直到排序完成。

时间复杂度：

• 最优时间复杂度：O(n log n)

• 平均时间复杂度：O(n log n)

• 最坏时间复杂度：O(n log n)

空间复杂度：

• O(1) （原地排序）

特点：

• 不稳定

• 在实际中较少单独使用，常用于一些需要优先队列的场景。

7）希尔排序（Shell Sort）

原理：
希尔排序是插入排序的一种改进版。它通过设置一个初始的步长，将数组按步长分为多个子序列，对每个子序列进行插入排序，然后逐步缩小步长，直到步长为1。

时间复杂度：

• 最优时间复杂度：O(n log n)（根据步长序列的选择）

• 平均时间复杂度：O(n log² n)

• 最坏时间复杂度：O(n log² n)

空间复杂度：

• O(1) （原地排序）

特点：

• 不稳定

• 相对简单，且在大多数实际情况下效率较高，但最坏情况难以分析。

8）计数排序（Counting Sort）

原理：
计数排序适用于数据范围有限的情况。通过计数数组记录每个元素出现的次数，然后根据计数数组构建排好序的数组。

时间复杂度：

• 最优时间复杂度：O(n + k)

• 平均时间复杂度：O(n + k)

• 最坏时间复杂度：O(n + k) （k为数据范围）

空间复杂度：

• O(n + k) （需要额外的计数数组）

特点：

• 稳定

• 非比较排序，适用于范围较小的整数排序，空间复杂度较高。

福利：

私聊作者或者添加下方联系领取Java高频面试集pdf