前言

排序算法是数据处理的基础且重要的组成部分，冒泡排序、选择排序和插入排序作为基础排序算法，虽然在效率上不及一些高级排序算法，但它们原理简单、易于理解，是学习排序算法的入门之选，也是理解更复杂排序算法的基础。本文我将详细介绍这三种基础排序算法的原理、实现代码、性能分析以及实际应用场景。

一、冒泡排序（Bubble Sort）

1.1 算法原理

冒泡排序的基本思想是重复地走访过要排序的数列，一次比较两个相邻的元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个过程就像水中的气泡，较小（或较大）的元素会逐渐 “浮” 到数列的顶端，因此得名冒泡排序。

具体过程如下：

比较相邻的元素。如果第一个比第二个大（升序排序），就交换它们两个。

对每一对相邻元素做同样的工作，从开始第一对到结尾的最后一对。这步做完后，最后的元素会是最大的数。

针对所有的元素重复以上的步骤，除了最后一个。

持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。

1.2 代码实现（Python）

def bubble_sort(arr):n = len(arr)for i in range(n):for j in range(0, n - i - 1):if arr[j] > arr[j + 1]:arr[j], arr[j + 1] = arr[j + 1], arr[j]return arr

在上述代码中，外层循环控制排序的轮数，一共需要n轮（n为数组长度）。内层循环用于每一轮中相邻元素的比较和交换，随着外层循环的进行，每一轮比较的次数逐渐减少，因为每一轮结束后，最大的元素已经 “沉” 到了数组末尾。

1.3 性能分析

时间复杂度：

最好情况：当数组已经是有序状态时，冒泡排序只需要进行一次遍历，比较n - 1次，不需要交换元素，时间复杂度为$O(n)$。

最坏情况：当数组是逆序状态时，需要进行$n(n-1)/2$次比较和交换操作，时间复杂度为$O(n^2)$。

平均情况：时间复杂度同样为$O(n^2)$。

空间复杂度：冒泡排序只需要使用常数级别的额外空间来进行元素交换，空间复杂度为$O(1)$。

稳定性：冒泡排序是一种稳定的排序算法，因为在比较和交换元素时，相同元素的相对顺序不会改变。

二、选择排序（Selection Sort）

2.1 算法原理

选择排序的工作原理是每一次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，直到全部待排序的数据元素排完。

具体步骤如下：

在未排序序列中找到最小（大）元素，存放到排序序列的起始位置。

再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。

重复第二步，直到所有元素均排序完毕。

2.2 代码实现（Java）

public class SelectionSort {public static int[] selectionSort(int[] arr) {int n = arr.length;for (int i = 0; i < n - 1; i++) {int minIndex = i;for (int j = i + 1; j < n; j++) {if (arr[j] < arr[minIndex]) {minIndex = j;}}int temp = arr[minIndex];arr[minIndex] = arr[i];arr[i] = temp;}return arr;}public static void main(String[] args) {int[] arr = {64, 25, 12, 22, 11};int[] sortedArr = selectionSort(arr);for (int num : sortedArr) {System.out.print(num + " ");}}
}

上述 Java 代码中，外层循环控制排序的轮数，一共需要n - 1轮（n为数组长度）。内层循环用于在每一轮中找到未排序部分的最小元素的索引，然后将其与当前轮起始位置的元素交换。

2.3 性能分析

时间复杂度：

最好情况：即使数组已经是有序的，选择排序也需要进行$n(n-1)/2$次比较，时间复杂度为$O(n^2)$。

最坏情况：同样需要进行$n(n-1)/2$次比较和交换操作，时间复杂度为$O(n^2)$。

平均情况：时间复杂度为$O(n^2)$。

空间复杂度：选择排序只需要使用常数级别的额外空间来进行元素交换，空间复杂度为$O(1)$。

稳定性：选择排序是不稳定的排序算法，因为在选择最小元素并交换位置时，可能会改变相同元素的相对顺序。例如，数组[5, 5, 3]，在排序过程中两个5的相对顺序可能会发生变化。

三、插入排序（Insertion Sort）

3.1 算法原理

插入排序的基本思想是将一个数据插入到已经排好序的有序数据中，从而得到一个新的、个数加一的有序数据。其操作过程就像玩扑克牌时整理手中牌的过程，每次从 “牌堆” 中摸一张牌，插入到手中已整理好的牌的合适位置。

具体过程如下：

从第一个元素开始，该元素可以认为已经被排序。

取出下一个元素，在已经排序的元素序列中从后向前扫描。

如果该元素（已排序）大于新元素，将该元素移到下一位置。

重复步骤 3，直到找到已排序的元素小于或者等于新元素的位置。

将新元素插入到该位置后。

重复步骤 2~5，直到所有元素均排序完毕。

3.2 代码实现（C++）

#include <iostream>
#include <vector>
using namespace std;vector<int> insertionSort(vector<int> arr) {int n = arr.size();for (int i = 1; i < n; ++i) {int key = arr[i];int j = i - 1;while (j >= 0 && arr[j] > key) {arr[j + 1] = arr[j];j = j - 1;}arr[j + 1] = key;}return arr;
}

在 C++ 代码中，外层循环从数组的第二个元素开始（因为第一个元素默认已排序）。内层循环用于在已排序部分中找到合适的插入位置，将当前元素插入到正确的位置，使得已排序部分始终保持有序。

3.3 性能分析

时间复杂度：

最好情况：当数组已经是有序状态时，每插入一个元素只需要比较一次，不需要移动元素，时间复杂度为$O(n)$。

最坏情况：当数组是逆序状态时，插入每个元素都需要比较和移动i次（i为当前元素的索引），时间复杂度为$O(n^2)$。

平均情况：时间复杂度为$O(n^2)$。

空间复杂度：插入排序只需要使用常数级别的额外空间来保存当前要插入的元素，空间复杂度为$O(1)$。

稳定性：插入排序是稳定的排序算法，因为在插入元素时，相同元素的相对顺序不会改变。

四、三种基础排序算法的对比与应用场景

算法对比

排序算法	时间复杂度（最好）	时间复杂度（最坏）	时间复杂度（平均）	空间复杂度	稳定性
冒泡排序	$O(n)$	$O(n^2)$	$O(n^2)$	$O(1)$	稳定
选择排序	$O(n^2)$	$O(n^2)$	$O(n^2)$	$O(1)$	不稳定
插入排序	$O(n)$	$O(n^2)$	$O(n^2)$	$O(1)$	稳定

应用场景

冒泡排序：由于其简单易懂，常用于教学场景帮助初学者理解排序算法的基本概念。在数据规模较小且对时间要求不高的情况下，也可以使用。

选择排序：适用于对稳定性要求不高，且数据规模较小的排序场景。比如在一些简单的游戏内数据排序或者资源管理系统中，当数据量不大时可以使用。

插入排序：对于部分有序的数组或者数据量较小的数组，插入排序表现较好。例如，在数据库的某些索引维护操作中，如果数据更新后仍保持部分有序，插入排序可以高效地对新数据进行插入和排序。

总结

冒泡排序、选择排序和插入排序作为基础排序算法，虽然在时间复杂度上都为$O(n^2)$，在处理大规模数据时效率较低，但它们的原理简单，实现容易，是学习排序算法的重要基石。通过理解这三种算法，我们可以更好地掌握排序算法的基本思想，为学习更复杂高效的排序算法（快速排序、归并排序、堆排序等）打下坚实的基础。在下期博客中，我将深入探讨快速排序与归并排序这两种高效排序算法，详细解析它们的实现机制、性能特点以及在不同场景下的应用优势，帮助大家进一步拓宽对排序算法的认知边界。

That’s all, thanks for reading!
创作不易，点赞鼓励；
知识无价，收藏备用；
持续精彩，关注不错过！