排序算法-选择排序（选择排序、堆排序）（动图演示）
目录
十大排序算法分类
选择排序
算法步骤：
动图演示：
性能分析：
代码实现（Java）：
堆排序
算法步骤：
动图演示：
性能分析：
代码实现（Java）：
十大排序算法分类
本篇分享十大排序算法中的 需要进行交换操作的选择排序与堆排序 , 其余算法也有介绍噢
排序算法—插入排序（插入、希尔）（动图演示）-CSDN博客
排序算法—交换排序（冒泡、快速）（动图演示）-CSDN博客
选择排序
选择排序是一种简单直观的原地比较排序算法，无论数据是否有序，其时间复杂度均为 O(n²)，因此适用于小规模数据排序。它的主要优点是不占用额外内存空间（空间复杂度 O(1)），但由于其低效的时间复杂度，不适合大规模数据排序。
算法步骤：
- 初始状态：最开始待排序序列为 arr[0......n-1] ，已排序序列为空
- 查找最小值：在待排序序列中找出最小值
- 交互位置：将最小值与待排序的第一个元素交互
- 重复执行：重复二三步，直到整个序列有序 （共需要n-1轮）
动图演示：
性能分析：
时间复杂度：
- 无论数据是否有序，均需两层循环比较O(n²)
空间复杂度：
- 仅需常数级额外空间 O(1)
稳定性：
- 不稳定 （交换时可能改变相同元素的相对元素）
代码实现（Java）：
public class SelectionSort {public static void 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; // 更新最小元素索引}}// 交换 arr[i] 和 arr[minIndex]int temp = arr[i];arr[i] = arr[minIndex];arr[minIndex] = temp;}}public static void main(String[] args) {int[] arr = {29, 10, 14, 37, 13};selectionSort(arr);System.out.println(Arrays.toString(arr)); // 输出 [10, 13, 14, 29, 37]}
}堆排序
堆排序是一种基于二叉堆（Binary Heap）数据结构的比较排序算法，属于选择排序的优化版本。它通过构建最大堆（或最小堆）实现升序（或降序）排序，具有 O(n log n) 的时间复杂度，且是原地排序（空间复杂度 O(1)）。
算法步骤：
构建大根堆：
- 首先将待排序的数组构造成一个大根堆，此时整个数组的堆顶端元素就是最大元素交换
堆顶与末尾元素：
- 堆顶元素和数组末尾元素交换，此时末尾元素已有序（最大值）
排除末尾元素：
- 对剩余未排序部分n-1重新调整为最大堆，重复步骤2直到所有元素有序。
注意：升序用大根堆，降序就用小根堆(默认为升序)
动图演示：
首先我们给定一个无序的序列，将其看做一个堆结构，一个没有规则的二叉树，将序列里的值按照从上往下，从左到右依次填充到二叉树中。
对于一个完全二叉树，在填满的情况下（非叶子节点都有两个子节点），每一层的元素个数是上一层的二倍，根节点数量是1，所以最后一层的节点数量，一定是之前所有层节点总数+1，所以，我们能找到最后一层的第一个节点的索引，即节点总数/2（根节点索引为0)，这也就是第一个叶子节点，所以第一个非叶子节点的索引就是最后一个叶子结点的索引-1。那么对于填不满的二叉树呢？这个计算方式仍然适用，当我们从上往下，从左往右填充二叉树的过程中，第一个叶子节点，一定是序列长度/2，所以第最后一个非叶子节点的索引就是arr.len/2-1，对于此图数组长度为5，最后一个非叶子节点为5/2-1=1，即为6这个节点
那么如何构建呢？我们找到了最后一个非叶子节点，即元素值为6的节点，比较它的左右节点中最大的一个的值，是否比他大，如果大就交换位置。
在这里5小于6,而9大于6，则交换6和9的位置
找到下一个非叶子节点4，用它和它的左右子节点进行比较，4大于3，而4小于9，交换4和9位置
此时发现4小于5和6这两个子节点，我们需要进行调整，左右节点5和6中，6大于5且6大于父节点4，因此交换4和6的位置
此时我们就构造出来一个大根堆，下来进行排序
首先将顶点元素9与末尾元素4交换位置，此时末尾数字为最大值。排除已经确定的最大元素，将剩下元素重新构建大根堆
一次交换重构如图：
此时元素9已经有序，末尾元素则为4（每调整一次，调整后的尾部元素在下次调整重构时都不能动）
二次交换重构如图：
最终排序结果：
性能分析：
时间复杂度：
- 建堆O(n)+每次调整堆O(log n) 共O(n log n)
空间复杂度：
- 原地排序，无需额外空间 O(1)
稳定性：
- 不稳定
代码实现（Java）：
public class HeapSort {public static void heapSort(int[] arr) {int n = arr.length;// 1. 构建最大堆（从最后一个非叶子节点开始）for (int i = n / 2 - 1; i >= 0; i--) {heapify(arr, n, i);}// 2. 逐个提取堆顶元素并调整堆for (int i = n - 1; i > 0; i--) {// 交换堆顶和当前末尾元素int temp = arr[0];arr[0] = arr[i];arr[i] = temp;// 调整剩余堆heapify(arr, i, 0);}}// 调整以节点i为根的子树为最大堆private static void heapify(int[] arr, int n, int i) {int largest = i; // 初始化根节点为最大值int left = 2 * i + 1;int right = 2 * i + 2;// 比较左子节点if (left < n && arr[left] > arr[largest]) {largest = left;}// 比较右子节点if (right < n && arr[right] > arr[largest]) {largest = right;}// 若最大值不是根节点，则交换并递归调整if (largest != i) {int swap = arr[i];arr[i] = arr[largest];arr[largest] = swap;heapify(arr, n, largest);}}public static void main(String[] args) {int[] arr = {4, 10, 3, 5, 1};heapSort(arr);System.out.println(Arrays.toString(arr)); // 输出 [1, 3, 4, 5, 10]}
}