排序算法

【数据结构】基于比较的排序算法 - 选择排序排序，就是使一串记录，按照其中的某个或某些关键字的大小，递增或递减地排列起来的操作。而对于一个排序算法而言，我们通常会从以下三个方面分析其性能：

实际项目中怎么选排序算法：从面试题到工程落地面试考排序算法是一回事，实际项目里用哪种是另一回事。很多人背完冒泡快排就完事了，但真到写代码的时候，Arrays.sort() 和 Collections.sort() 就够用了——那为什么还要学排序？因为理解了底层，才能在特殊场景做出正确选型。

LeetCode 315：算右侧小于当前元素的个数（归并排序） —— 题解🔥 愿旖旎 · 个人主页📘 学习专栏：《算法专栏》《LangChain学习》《贪心算法》🌄 钱塘江上潮信来，今日方知我是我

LCR 170：交易逆序对的总数（归并排序） —— 题解🔥 愿旖旎 · 个人主页📘 学习专栏：《算法专栏》《LangChain学习》《贪心算法》🌄 钱塘江上潮信来，今日方知我是我

【初阶数据结构】常见的排序算法摘要：本文系统梳理八种常见排序算法——直接插入排序、希尔排序、直接选择排序、堆排序、冒泡排序、快速排序、归并排序与计数排序。全文按「插入、选择、交换、归并、非比较」五条路线展开，逐一讲清每种算法的核心思想、C 语言实现、复杂度与稳定性，并重点剖析快速排序的三种划分写法、退化原因与优化手段。最后用一张总表对比时间、空间与稳定性，给出工程选型建议，并附上 11 个版本的完整测试代码与 10 万随机整数的实测数据，帮助读者从「会写代码」进阶到「会选算法」。

排序＞＞选择排序目录一、直接选择排序1）直接选择排序的优化二、堆排序（从小到大排序）本文详细讲解了选择排序，有需求的伙伴可以观看。

【数据结构】基于比较的排序算法 - 插入排序排序，就是使一串记录，按照其中的某个或某些关键字的大小，递增或递减地排列起来的操作。而对于一个排序算法而言，我们通常会从以下三个方面分析其性能：

【数据结构】七、查找：1.查找的概念、线性结构查找（顺序、折半(二分)、插值、稠密、分块、倒排）@[toc]查找(Searching)：就是根据给定的某个值，在查找表中确定一个其关键字等于给定值的数据元素( 或记录)。

一亿条数据取前100条完全指南：从全量排序到分块流式最小堆的4种解法实测全文摘要：一亿条数据取前 100，最快的不是排序，是最小堆和划分。我在这台 16 核 31.7 GB 的机器上把四种解法全跑了一遍：分块流式最小堆峰值只吃 46 MB、耗时 0.43 秒，全量排序吃 382 MB、耗时 0.74 秒，纯 Python 堆则要 10.45 秒。结论是内存够就用 partition，内存紧就用分块，别再写 sorted(data)[-100:]。

内存装不下怎么取 Top 100：外部排序与分布式 Top-K 的实测取舍全文摘要：取 Top-K 的瓶颈从来不是算法，是数据搬运。我把一亿条数据的外部排序实测跑了遍：阶段一生成 25 个 run 花 1.65 秒、写盘 381 MB，阶段二倒序多路归并只花 0.0001 秒、读 6.2 MB 就拿到前 100。结论是外部排序的成本几乎全在写盘，它卖的是「全序」；你只要前 100，就别为用不上的有序性付钱。

平面排版问题的数学建模与算法设计如果你上过《组合数学》或《运筹学》课程，一定听过装箱问题（Bin Packing Problem）：给定若干个物品，如何把它们放进最少数量的箱子里？

重生之小比特

【算法拾光】二分查找｜在排序数组中查找元素的第一个和最后一个位置 + 搜索旋转排序数组题目链接：34. 在排序数组中查找元素的第一个和最后一个位置 - 力扣（LeetCode）题目：给你一个按照非递减顺序排列的整数数组 nums，和一个目标值 target。请你找出给定目标值在数组中的开始位置和结束位置。如果数组中不存在目标值 target，返回 [-1, -1]。核心：分别二分查找左边界、右边界。左边界是第一个等于 target 的位置；右边界是最后一个等于 target 的位置。边界注意：找到边界后，要校验边界是否合法、对应数值是否等于 target，防止 target 不存在。

查找与排序算法：复杂度、稳定性查找解决关键字定位，排序解决记录重排。算法选择不能只看平均时间复杂度，还要考虑数据是否有序、是否要求稳定、是否允许额外空间以及是否必须保证最坏性能。

【数据结构】六、图：4.图的遍历（深度优先算法DFS、广度优先算法BFS）@[toc]图的遍历是和树的遍历类似，我们希望从图中某一顶点出发访遍图中其余顶点，且使每一个顶点仅被访问一次，这一过程就叫做图的遍历(Traversing Graph)。

【数据结构】六、图：3.十字链表、邻接多重表、边集数组@[toc] 十字链表是有向图的一种链式存储结构。对于有向图来说，邻接表是有缺陷的。了解入度就必须要遍历整个图才能知道；反之，逆邻接表解决了入度却不了解出度的情况。

交换类排序详解：冒泡排序与快速排序在数据结构的学习中，排序算法是重中之重。前面我们学习了插入排序（直接插入、希尔排序）和选择排序（简单选择、堆排序），它们分别通过"插入"和"选择"的思路完成排序。今天，我们来学习第三大类——交换类排序。

程序员爱钓鱼

Go 编程实战：Benchmark——基准测试、testing.B、benchmem、性能对比与代码优化实战上一篇学习了 pprof，掌握了 CPU、内存、Goroutine 和锁竞争的性能分析方法。pprof 主要帮助我们找到性能瓶颈，而 Benchmark（基准测试）则用于衡量代码执行速度、内存分配次数和优化效果。Go 标准库 testing 内置了完善的基准测试功能，无需安装第三方框架，就能对函数、算法和数据结构进行性能测试。本篇通过实际案例，介绍 Benchmark 的编写方法、常用参数、测试结果分析及优化技巧。

从 B/S 到 Electron：平面排版套料系统桌面版开发实战在制造业中，平面排版套料是提高材料利用率、降低生产成本的关键环节。传统的套料系统大多采用 B/S（浏览器 / 服务器）架构，用户通过浏览器访问系统进行排版和生成 NC 代码。

数据结构——选择排序上篇博客我们聊了插入排序，那种像打扑克牌一样，把新牌一张张插到合适位置的感觉，相信大家还记忆犹新。今天，我们换个思路，来聊聊另一种同样经典的基础排序算法——选择排序。

信创环境里跑文档工具：格式兼容与本地合规的几个坑最近帮一家政企客户做信创改造，文档这块踩的坑比预想多。写出来给做国产化的同行提个醒：换操作系统只是开始，文档工具能不能在麒麟、统信上"原生跑、跑得合规"才是硬仗。