一、开篇前言：排序算法核心认知
1.1 排序算法的作用与应用场景
在数据结构与算法体系中，排序是最基础、最高频的核心模块，几乎所有后端开发、算法刷题、数据分析场景都离不开排序。简单来说，排序就是将一组无序的数据序列，按照从小到大（升序） 或**从大到小（降序）**的规则，重新整理为有序序列的过程。
日常开发中随处可见排序的应用：电商商品按价格、销量排序，通讯录按姓名排序，后台数据按创建时间排序，刷题时数组预处理有序结构、二分查找前置排序等。掌握排序算法，不仅是应对面试的必备技能，更是理解算法时间、空间优化思维的关键入门。
1.2 八大排序算法整体分类
经典八大内部排序算法，根据算法复杂度、实现难度分为简单排序 和高效排序两大类，也是行业通用的分类方式：
-
简单排序（O(n²)）：冒泡排序、选择排序、插入排序、希尔排序（本文详解）
-
高效排序（O(nlogn)）：快速排序、归并排序、堆排序、基数排序（下期更新）
其中前四种逻辑简单、容易理解、代码简洁，但数据量大时性能较差；后四种逻辑相对复杂，但时间复杂度更优，是工业级开发的主流排序算法。
1.3 算法衡量三大核心指标
评判一个排序算法的优劣，不只是看代码长短，核心看三大维度，也是面试必考知识点：
-
时间复杂度：衡量算法执行的时间开销，随数据量n增长的变化趋势，分为最好、最坏、平均时间复杂度
-
空间复杂度：衡量算法执行过程中，额外占用的内存空间大小
-
稳定性 ：若两个相等的元素，排序后相对位置不发生改变，则为稳定排序，反之不稳定
1.4 本文讲解范围
本文将零基础详解冒泡排序、选择排序、插入排序、希尔排序四种简单排序算法。全程摒弃晦涩公式堆砌，采用「通俗原理+流程拆解+完整代码+优缺点分析+场景总结」的保姆级讲解方式，新手也能完全看懂，同时适配面试、笔试、课程学习需求。
二、排序基础概念名词解析
2.1 稳定排序与不稳定排序
稳定排序 ：数组中值相等的元素，排序前后相对顺序保持不变。
举例：原数组 [2,3`,1,3]，稳定排序后一定是 [1,2,3`,3]，两个3的顺序不会颠倒。在业务场景中，需要保留原始排序优先级时，必须使用稳定排序（如分数相同保留原排名）。
不稳定排序 ：数组中值相等的元素，排序后相对顺序可能发生改变。不影响常规数值排序，但特殊业务场景会出现数据错乱。
分辨一个排序算法是否是稳定就看是否有跨位置交换元素，若有，则为不稳定排序；若无，则为稳定排序。
2.2 原地排序与非原地排序
原地排序 ：算法执行过程中，仅使用常数级额外空间（O(1)），直接在原数组上完成排序，不额外开辟新数组，内存开销小。
非原地排序 ：需要额外开辟和原数据量相关的内存空间（O(n)），借助辅助数组完成排序，内存开销更大。本文四种排序中，绝大多数为原地排序。
2.3 最好/最坏/平均时间复杂度
-
最好时间复杂度：数据本身已有序时，算法的最优执行效率
-
最坏时间复杂度：数据完全逆序、完全无序时，算法的最差执行效率
-
平均时间复杂度：随机无序数据下，算法的常规执行效率，是评判算法性能的核心标准
平常的时间复杂度都是默认以最坏时间复杂度作为算法评判标准。
三、冒泡排序（Bubble Sort）
3.1 核心原理
冒泡排序是最经典、最入门的排序算法，原理通俗易懂：相邻两个元素两两比较，若前一个元素大于后一个元素（升序），则交换两者位置。每一轮遍历结束后，当前未排序区间的最大值都会像气泡一样，上浮到区间末尾，因此得名冒泡排序。
核心逻辑：逐轮遍历、相邻对比、大数后移、逐步确定有序尾部。
3.2 排序过程演示
以无序数组 [3,1,4,2,5] 升序排序为例：
第一轮遍历：对比3和1（交换）→[1,3,4,2,5]，对比3和4（不换），对比4和2（交换）→[1,3,2,4,5]，对比4和5（不换），本轮最大值5就位
第二轮遍历：仅遍历前4位，最终4就位，数组变为 [1,2,3,4,5]
后续遍历：依次确定3、2、1位置，最终实现全数组有序
3.3 基础版代码实现
cpp
// 基础冒泡排序
void bubble_sort(int arr[], int n) {
// 外层循环控制排序轮数
for (int i = 0; i < n; i++) {
// 内层循环两两对比，每轮减少一次遍历
for (int j = 0; j < n - i - 1; j++) {
if (arr[j] > arr[j + 1]) {
// 交换两个元素
int temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
}
}
}
}3.4 优化版冒泡排序
基础版冒泡排序存在明显缺陷：数组提前有序后，仍会执行剩余全部遍历，产生无效运算。我们可以加入有序标记，若某一轮遍历未发生任何交换，说明数组已有序，直接终止循环。
cpp
// 优化版冒泡排序
void bubble_sort_optimize(int arr[], int n) {
for (int i = 0; i < n; i++) {
int flag = 1; // 标记数组是否已有序，1=有序
for (int j = 0; j < n - i - 1; j++) {
if (arr[j] > arr[j + 1]) {
int temp = arr[j];
arr[j] = arr[j + 1];
arr[j + 1] = temp;
flag= 0; // 发生交换，数组无序
}
}
if (flag)
break; // 本轮无交换，直接退出
}
}3.5 算法特性与复杂度分析
-
时间复杂度：最好O(n)（优化版，数组已有序）、最坏O(n²)、平均O(n²)
-
空间复杂度：O(1)，原地排序
-
稳定性 ：稳定排序（相等元素不交换位置，相对顺序不变）
-
优点：逻辑简单、代码易懂、稳定、原地排序、无额外内存开销
-
缺点：效率极低，存在大量无效对比，数据量大时性能极差
3.6 适用场景
仅适用于数据量极小、数据接近有序、对排序效率无要求的场景，工业级开发几乎不使用，主要用于算法入门学习。
四、选择排序（Selection Sort）
4.1 核心原理
选择排序核心思想：将数组分为有序区和无序区，每一轮遍历无序区，找出最小值（升序），与无序区首个元素交换位置，归入有序区。重复该操作，直至整个数组全部有序。
简单概括：每轮选最值，固定到数组前端，逐步扩大有序区。
4.2 排序过程演示
以无序数组 [3,1,4,2,5] 升序排序为例：
第一轮：无序区全部元素，最小值为1，与首位3交换 → [1,3,4,2,5]，首位有序
第二轮：无序区 [3,4,2,5]，最小值为2，与3交换 → [1,2,4,3,5]，前两位有序
第三轮：无序区 [4,3,5]，最小值为3，与4交换 → [1,2,3,4,5]
后续遍历仅确认有序，最终完成排序
4.3 完整代码实现
cpp
// 选择排序
void selection_sort(int arr[], int n) {
for (int i = 0; i < n; i++) {
int min_index = i; // 记录最小值下标
// 遍历无序区，找到最小值
for (int j = i + 1; j < n; j++) {
if (arr[j] < arr[min_index]) {
min_index = j;
}
}
// 交换：将最小值放到无序区开头
int temp = arr[i];
arr[i] = arr[min_index];
arr[min_index] = temp;
}
}4.4 核心特性解析（重点：不稳定原因）
选择排序是不稳定排序，这是面试高频考点。
举例验证：数组 [2`,2,1]，第一轮遍历最小值为1，与首位2交换，排序后变为 [1,2,2`]。原本两个2的相对顺序被打乱，因此选择排序不具备稳定性。其本质原因是：排序过程中会跨位置交换元素，容易打乱相等元素的相对位置。
4.5 复杂度与优缺点
-
时间复杂度：最好、最坏、平均均为O(n²)（无论数据是否有序，都需要完整遍历找最值，无优化空间）
-
空间复杂度：O(1)，原地排序
-
优点：交换次数极少（仅每轮一次），对比冒泡排序，大幅减少交换操作，小数据量略快于冒泡
-
缺点：全程固定O(n²)复杂度，无最优情况；排序不稳定；大数据量性能依旧拉胯
4.6 冒泡排序 vs 选择排序 核心区别
-
交换次数：冒泡频繁交换，选择仅每轮一次交换
-
稳定性：冒泡稳定，选择不稳定
-
最优复杂度：优化后冒泡可达O(n)，选择固定O(n²)
-
执行效率：同等数据下，选择排序略优于冒泡排序
五、插入排序（Insertion Sort）
5.1 核心原理
插入排序是四大简单排序中综合性能最优、实际应用最多 的算法。核心逻辑：默认数组第一个元素为初始有序区，后续元素均为无序区；依次取出无序区首个元素，向前遍历有序区，找到合适位置插入，保证有序区始终有序，直至全数组排序完成。
5.2 通俗类比：打牌理牌逻辑
插入排序的逻辑和我们打牌理牌完全一致：手里的牌是有序区 ，桌上未拿的牌是无序区。每拿起一张新牌，就和手里已有的牌从后往前对比，找到合适的位置插入，最终手里的牌全部有序。
5.3 分步排序演示
以数组 [3,1,4,2,5] 升序排序为例：
初始有序区：[3]，无序区：[1,4,2,5]
第一轮：取出1，向前对比3，1更小，插入3前方 → 有序区 [1,3]
第二轮：取出4，对比末尾3，4更大，直接后置 → 有序区 [1,3,4]
第三轮：取出2，向前依次对比4、3，均更大，插入1后方 → 有序区 [1,2,3,4]
第四轮：取出5，直接后置，全数组有序
5.4 基础插入排序代码实现
cpp
// 插入排序
void insertion_sort(int arr[], int n) {
for (int i = 1; i < n; i++) {
int temp = arr[i]; // 待插入元素
int j = i - 1; // 有序区最后一个元素下标
// 向前遍历，大于temp的元素后移
while (j >= 0 && arr[j] > temp) {
arr[j + 1] = arr[j];
j--;
}
arr[j + 1] = temp; // 插入到正确位置
}
}5.5 复杂度与特性分析
-
时间复杂度：最好O(n)（数组已有序，仅遍历不移动）、最坏O(n²)、平均O(n²)
-
空间复杂度：O(1)，原地排序
-
稳定性 ：稳定排序（仅大于当前元素时后移，相等元素不移动，相对顺序不变）
-
优点：数据接近有序时效率极高；稳定、原地排序；移动元素次数少，实际执行效率优于冒泡、选择排序
-
缺点：完全无序大数据量场景下，平方级复杂度效率依旧偏低
5.6 简单排序中最优基础排序的原因
在三大基础简单排序（冒泡、选择、插入）中，插入排序实际性能最优，核心原因有两点：一是最好复杂度可达O(n)，适配有序、接近有序数据；二是算法操作以「元素覆盖移动」替代「交换操作」，计算机执行效率更高，常数级开销远小于冒泡和选择排序。同时也是希尔排序、快速排序的底层优化基础。
六、希尔排序（Shell Sort）
6.1 核心定位
希尔排序，又称缩小增量排序 ，是直接插入排序的优化升级版。解决了插入排序的核心痛点：插入排序每次只能移动相邻元素，当最小元素在数组末尾时，需要大量移动操作，效率极低。希尔排序通过分组跳跃式插入，大幅优化这一问题。
6.2 核心原理
核心思想：先分组、后插入、缩增量、逐有序
-
设定一个增量间隔gap，将数组分为gap个分组；
-
对每个分组内部，单独执行直接插入排序；
-
不断缩小增量gap，重复分组排序操作；
-
当gap=1时，数组基本接近有序，最后一次完整插入排序即可完成排序。
简单来说：通过大步跳跃排序，让数组快速趋近有序，最后用插入排序收尾，规避插入排序无序数据低效的问题。
6.3 常用增量序列
-
希尔增量（基础版）：初始gap = n//2，每次迭代gap = gap / 2，直至gap=1。实现简单，是入门首选，但效率一般。
-
Hibbard增量（优化版）：增量序列为 2ᵏ-1，效率优于希尔增量，时间复杂度更优，适合进阶场景。
6.4 排序流程演示
以数组 [8,7,6,5,4,3,2,1]、希尔增量为例：
第一轮gap=4：分为4组，组内插入排序，大数后置、小数前置，数组初步规整
第二轮gap=2：分为2组，继续组内插入排序，数组更趋近有序
第三轮gap=1：全局插入排序，此时数组基本有序，仅需少量移动即可完成排序
6.5 希尔排序代码实现（希尔增量）
cpp
// 希尔排序
void shell_sort(int arr[], int n) {
int gap = n / 2; // 初始化增量
while (gap > 0) {
// 对每个分组进行插入排序
for (int i = gap; i < n; i++) {
int temp = arr[i];
int j = i;
// 组内向前比较移动
while (j >= gap && arr[j - gap] > temp) {
arr[j] = arr[j - gap];
j -= gap;
}
arr[j] = temp;
}
gap /= 2; // 缩小增量
}
}6.6 复杂度与核心特性
-
时间复杂度：取决于增量序列，希尔增量平均O(n^1.3)，优化增量可达O(n^1.3)；最好O(nlogn)，最坏O(n²)
-
空间复杂度：O(1)，原地排序
-
稳定性 ：不稳定排序。原因是分组跳跃式交换元素，会打乱相等元素的相对位置
-
优点：大幅优化插入排序的低效问题，无序数据下性能远优于基础三种简单排序，实现简单
-
缺点：排序不稳定；增量序列无最优解，无法精准确定时间复杂度
6.7 相较于直接插入排序的提升点
直接插入排序仅能相邻移动元素，极端场景下移动次数极多；希尔排序通过跳跃式分组排序，让远距离元素快速归位，快速将无序数组调整为接近有序状态，最后仅需少量操作即可完成最终排序，极大降低了元素移动和对比的次数，整体性能大幅提升。
七、四大简单排序终极对比总结
7.1 核心参数对照表
| 排序算法 | 最好复杂度 | 最坏复杂度 | 平均复杂度 | 空间复杂度 | 稳定性 | 原地排序 |
|---|---|---|---|---|---|---|
| 冒泡排序 | O(n) | O(n²) | O(n²) | O(1) | 稳定 | 是 |
| 选择排序 | O(n²) | O(n²) | O(n²) | O(1) | 不稳定 | 是 |
| 插入排序 | O(n) | O(n²) | O(n²) | O(1) | 稳定 | 是 |
| 希尔排序 | O(nlogn) | O(n²) | O(nlogn) | O(1) | 不稳定 | 是 |
7.2 性能横向对比
常规无序数据下性能排序：希尔排序 > 插入排序 > 选择排序 > 冒泡排序
接近有序数据下性能排序：插入排序 ≈ 冒泡排序 > 希尔排序 > 选择排序
7.3 场景化算法选择建议
-
数据量极小、要求排序稳定：优先选择插入排序
-
数据接近有序：插入排序最优
-
数据无序、中小体量、不要求稳定：优先希尔排序
-
仅学习入门、逻辑演示：冒泡、选择排序
-
业务需要保留相等元素顺序：禁用选择、希尔排序，选用冒泡、插入排序
7.4 面试高频考点梳理
- 四大简单排序的时间、空间复杂度及稳定性区分
空间复杂度：四种排序均为原地排序，空间复杂度均为 O(1)。
稳定性：冒泡排序、插入排序稳定，选择排序、希尔排序不稳定。
时间复杂度：最好复杂度：冒泡O(n)、选择O(n²)、插入O(n)、希尔O(nlogn)；最坏与平均复杂度：冒泡、选择、插入均为O(n²)，希尔排序平均O(n^1.3)、最坏O(n²)。
- 选择排序、希尔排序不稳定的核心原因
选择排序不稳定是因为存在跨位置直接交换元素 ，会打乱等值元素的相对顺序；希尔排序不稳定是因为采用分组跳跃式插入排序，不同分组的等值元素位置会被打乱，无法保留原始相对位置。
- 插入排序为什么是最优的基础简单排序
第一，插入排序最好时间复杂度可达 O(n)，在数据接近有序时效率极高，适配性远优于冒泡、选择排序；
第二，核心操作是元素覆盖后移，无频繁交换，CPU执行常数开销更小；
第三，排序稳定、原地排序，实用性更强，同时是希尔排序、高级排序优化的底层基础。
- 希尔排序的优化思想、增量序列原理
优化思想是分组插入、由粗到细，解决直接插入排序只能相邻移动、极端场景效率低的问题；先通过大增量分组，让远距离元素快速归位，让数组快速趋近有序，最后增量为1时完成全局插入排序。
常用增量为基础希尔增量（n/2 递减），优化版为 Hibbard 增量（2^k-1）。
- 冒泡排序的优化方式（有序标记优化）
基础冒泡排序无论数据是否有序，都会走完所有循环，存在无效遍历。
优化方案是新增有序标记变量，每轮排序初始默认数组有序；若本轮发生元素交换，说明数组无序；若本轮无任何交换，证明数组已经完全有序，直接跳出循环，将最好时间复杂度优化至 O(n)。
- 四种排序的优缺点及适用场景对比
①冒泡：逻辑最简单、稳定，但效率最低，仅用于入门演示、极小数据有序场景；
②选择：交换次数少，但全程O(n²)、不稳定，几乎无实用场景；
③插入：稳定、有序数据极快、开销小，小数据、接近有序数据首选；
④希尔排序：简单排序中性能最高，中小体量无序数据适用，缺点是不稳定，不用于有序性要求高的业务。
八、结尾与下期预告
8.1 简单排序核心痛点总结
四大简单排序虽然逻辑简单、代码简洁、内存开销小，但核心短板十分明显：除希尔排序优化后略有提升，其余三种排序平均时间复杂度均为O(n²)，数据量超过1000级别后性能急剧下降，无法满足工业级大数据量排序需求。因此实际开发中，复杂场景均使用时间复杂度更低的O(nlogn)高效排序算法。
8.2 下期预告
下一篇博客将详解八大排序剩余四大高效排序算法：快速排序、归并排序、堆排序、基数排序。重点拆解快排分治思想、归并排序递归逻辑、堆排序堆调整原理，对比四大高效排序的性能、稳定性、适用场景，同时梳理面试高频手撕代码、算法优化考点，敬请期待！