一、前言
1.1、概念
选择排序法（Selection Sort）是一种简单直观的排序算法。它的基本思想是：每次从待排序的数组中选择最小（或最大）的元素，将其放在已排序部分的末尾，直到所有元素都排序完毕。
1.2、排序步骤
1.初始化已排序部分和未排序部分：
初始状态下，整个数组为未排序部分。
已排序部分为空。
2.从未排序部分找到最小（或最大）元素：
在未排序部分中查找最小（或最大）的元素。
将该元素的索引保存下来。
3.交换元素：
- 将找到的最小（或最大）元素与未排序部分的第一个元素交换位置。
4.更新已排序部分和未排序部分：
将未排序部分的第一个元素加入到已排序部分。
未排序部分从原来的第二个元素开始。
5.重复步骤2到4，直到所有元素都排序完毕。
二、方法分析
选择排序法逐步将最小元素移动到已排序部分的末尾，最终实现整个数组的排序。选择排序是一种简单且直观的排序算法，适用于小规模数据的排序任务。尽管它的时间复杂度较高，且不是稳定排序，但其实现和理解难度较低。在现代应用中，选择排序更多的是作为算法学习的入门工具，而不是实际排序任务的首选。
三、举例说明
假设有一个数组：64, 25, 12, 22, 11
第一次迭代：
未排序部分：64, 25, 12, 22, 11
找到最小元素 11，与第一个元素 64 交换。
交换后数组：11, 25, 12, 22, 64
已排序部分：11
未排序部分：25, 12, 22, 64
第二次迭代：
未排序部分：25, 12, 22, 64
找到最小元素 12，与第一个元素 25 交换。
交换后数组：11, 12, 25, 22, 64
已排序部分：11, 12
未排序部分：25, 22, 64
第三次迭代：
未排序部分：25, 22, 64
找到最小元素 22，与第一个元素 25 交换。
交换后数组：11, 12, 22, 25, 64
已排序部分：11, 12, 22
未排序部分：25, 64
第四次迭代：
未排序部分：25, 64
最小元素是 25，不需要交换。
已排序部分：11, 12, 22, 25
未排序部分：64
第五次迭代：
只剩下一个元素 64，它已经在正确位置。
数组排序完成：11, 12, 22, 25, 64
四、编码实现
下面是选择排序法的 Java 实现：
java
public class SelectionSort {
public static void selectionSort(int[] arr) {
int n = arr.length;
// 外层循环遍历数组
for (int i = 0; i < n - 1; i++) {
// 假设当前元素是最小的
int minIndex = i;
// 内层循环找到剩余未排序部分的最小元素
for (int j = i + 1; j < n; j++) {
if (arr[j] < arr[minIndex]) {
minIndex = j;
}
}
// 交换找到的最小元素与当前元素的位置
int temp = arr[minIndex];
arr[minIndex] = arr[i];
arr[i] = temp;
}
}
public static void main(String[] args) {
int[] arr = {64, 25, 12, 22, 11};
System.out.println("排序前的数组:");
for (int num : arr) {
System.out.print(num + " ");
}
System.out.println();
selectionSort(arr);
System.out.println("排序后的数组:");
for (int num : arr) {
System.out.print(num + " ");
}
}
}运行结果：
五、方法评价
时间复杂度
选择排序的时间复杂度为 O(n^2)，因为它有两个嵌套的循环，每个循环的时间复杂度为O(n)。
-最坏情况: O(n^2)
-最好情况: O(n^2)
-平均情况: O(n^2)
无论数组是否已排序，选择排序总是进行n(n-1)/2 次比较和最多 (n-1) 次交换。
空间复杂度
选择排序是一种原地排序算法，它的空间复杂度为 O(1)，因为它只使用了常数级别的额外空间。
稳定性
选择排序是一种不稳定的排序算法。例如，对于序列 4, 3, 3, 1，选择排序在第一次迭代中会将第一个 3 和 1 交换位置，从而破坏了两个 3 的相对顺序。
适用性
选择排序适用于数据量较小的情况，因为它的时间复杂度较高。对于大数据集，选择排序的效率较低，不适用于实际应用中的大规模排序任务。
优点
1.简单直观: 算法逻辑简单，容易理解和实现。
2.无需额外空间: 由于它是原地排序算法，不需要额外的存储空间。
缺点
1.时间复杂度高: O(n^2) 的时间复杂度在数据量较大时性能较差。
2.不稳定: 无法保证相同元素的相对顺序。
结语
自学是一项很酷的技能
如果你能坚持下去，那真的是泰酷辣
！！！