整理排序算法中文文档并统一教学资料体系

docs/00-排序算法文档编写规范.md

@@ -0,0 +1,31 @@
+# 排序算法文档编写规范
+
+本文档用于约束 `docs/` 目录下排序算法教学资料的统一写法，确保现有文档与后续新增文档在命名、结构、术语和语气上保持一致。
+
+#### 文档命名应遵循什么规则？
+
+所有排序算法教学文档都应使用“编号 + 中文标题 + `.md`”的命名方式，例如 `01-冒泡排序.md`、`15-TopK问题与排序选择.md`。编号应尽量连续，便于在 `docs/` 目录中按学习顺序阅读。
+
+#### 文档标题和语言应如何统一？
+
+一级标题应以中文主题名为主，必要时可在括号中补充英文名称，例如“快速排序（Quick Sort）”。正文内容必须使用中文撰写，避免出现整段英文说明，以保证资料适合课程展示、学生阅读和毕业设计答辩使用。
+
+#### 推荐的文档结构是什么？
+
+每篇文档建议遵循如下结构：（1）标题；（2）开篇导语，说明该主题在排序知识体系中的位置；（3）若干个“问题 + 回答”形式的主体小节；（4）结尾总结或教学提问建议。对于基础算法文档，重点回答“原理、复杂度、稳定性、优缺点、适用场景”；对于专题文档，可围绕“工程实践、应用场景、教学设计、学习路径”等展开。
+
+#### 术语表达需要统一哪些内容？
+
+所有文档都应尽量统一使用以下术语：时间复杂度、空间复杂度、稳定性、原地排序、自适应性、比较排序、非比较排序、外部排序、内部排序。对于同一概念，不应在不同文档中给出相互冲突的定义。复杂度说明优先按照“最好 / 平均 / 最坏 / 空间复杂度 / 稳定性”的顺序组织。
+
+#### 文档语气和风格应保持什么特点？
+
+整体风格应偏教学讲解型，面向排序算法学习者，强调清晰、严谨、易读。内容既要能让学生直接阅读理解，也要适合后续被 RAG 系统切片入库，因此每个问题下的回答应尽量自洽、独立，不依赖过多上下文跳转。
+
+#### 新增和修改文档时应注意什么？
+
+修改现有文档时，以补充和统一为主，不做无必要的大幅重写。新增文档时，应优先补足现有知识体系中的空白专题，避免重复已有文档已经详细覆盖的内容。完成后应复查文件名、一级标题、结构层级和结尾样式，确保整组文档看起来像同一套教学资料。
+
+#### 本规范如何使用？
+
+当后续需要新增或修改排序算法教学文档时，应先参考本文档确定命名、结构和术语，再开始撰写或补充。若未来文档体系继续扩展，也应优先在本文档中同步更新约束，避免不同批次文档形成两套风格。

docs/01-冒泡排序.md

@@ -1,5 +1,7 @@
 # 冒泡排序（Bubble Sort）
 
+冒泡排序通常是学习排序算法时接触到的第一种算法。它的价值不在于工程性能，而在于帮助初学者理解“比较、交换、稳定性、复杂度”这些排序算法最基础的概念，因此非常适合作为排序学习的起点。
+
 #### 冒泡排序的基本原理是什么？
 
 冒泡排序是一种简单的比较排序算法。它重复地遍历待排序的序列，依次比较相邻的两个元素，如果它们的顺序不符合排序要求（例如前者大于后者），则交换它们的位置。每一轮遍历结束后，当前未排序部分的最大元素会像气泡一样"浮"到序列的末尾，因此得名冒泡排序。经过 n-1 轮遍历后，整个序列就变得有序。其核心思想是通过相邻元素的逐步交换，将较大（或较小）的元素逐渐移动到正确的位置。
@@ -25,3 +27,7 @@
 #### 冒泡排序适合在哪些场景中使用？
 
 冒泡排序适合以下场景：（1）数据规模较小（n < 100）时，其简单性优于复杂算法带来的常数开销。（2）数据近乎有序时，结合提前终止优化可以接近 O(n) 的性能。（3）教学和算法学习场景，用于理解排序的基本思想和稳定性概念。（4）对稳定性有要求且数据量极少的嵌入式场景，代码简单不易出错。在实际工程中处理大规模数据时，应优先选择快速排序、归并排序等高效算法。
+
+#### 本章小结与提问建议
+
+冒泡排序的核心教学价值在于“简单、直观、易观察”，它适合帮助初学者建立对排序过程的第一印象，但并不适合作为大规模数据处理的首选算法。学习本章后，可以继续追问：“为什么插入排序通常比冒泡排序更快？”以及“稳定排序在真实业务中为什么重要？”

docs/02-选择排序.md

@@ -1,5 +1,7 @@
 # 选择排序（Selection Sort）
 
+选择排序是另一种经典的入门排序算法。它和冒泡排序一样都属于 O(n²) 的简单排序，但它强调的是“每轮选出最值”的思路，因此很适合与冒泡排序、插入排序做横向比较，帮助学习者建立不同排序策略的直觉。
+
 #### 选择排序的基本原理是什么？
 
 选择排序的核心思想是：每一轮从未排序的部分中选出最小（或最大）的元素，将其放到已排序部分的末尾。具体过程为：第 1 轮从 n 个元素中选出最小元素与第 1 个位置的元素交换；第 2 轮从剩余的 n-1 个元素中选出最小元素与第 2 个位置的元素交换；以此类推，经过 n-1 轮后整个序列有序。选择排序的特点是每一轮只进行一次交换操作，因此数据交换次数为 O(n)，比冒泡排序的交换次数少很多。
@@ -25,3 +27,7 @@
 #### 选择排序适合在哪些场景中使用？
 
 选择排序适合以下场景：（1）数据规模很小（n < 50）的情况，简单实现且性能差异不明显。（2）交换操作代价高的场景，例如排序包含大量数据字段的结构体或对象，选择排序的 O(n) 交换次数远优于冒泡排序。（3）内存极度受限的嵌入式环境，O(1) 空间且代码极简。（4）不需要排序稳定性的场景。在需要处理中等或大规模数据时，应优先选择时间复杂度更优的排序算法。
+
+#### 本章小结与提问建议
+
+选择排序的关键特点是比较次数固定、交换次数少，但它无法利用已有序性，也不具备稳定性。学习本章后，可以进一步思考：“如果交换代价很高，为什么选择排序仍然可能有价值？”以及“选择排序和冒泡排序的本质区别是什么？”

docs/03-插入排序.md

@@ -1,5 +1,7 @@
 # 插入排序（Insertion Sort）
 
+插入排序是简单排序算法中最具工程直觉的一种。它模仿人们整理扑克牌的过程，既容易理解，又能体现“输入越接近有序，算法越快”的自适应思想，因此在教学和工程优化中都很重要。
+
 #### 插入排序的基本原理是什么？
 
 插入排序的核心思想类似于整理扑克牌：将序列分为已排序和未排序两部分，每次从未排序部分取出一个元素，在已排序部分中从后往前逐一比较，找到该元素应该插入的位置，将其插入到正确位置。具体地，初始时认为第一个元素已经有序，从第二个元素开始，将其与已排序部分的元素逐一比较，大于该元素的元素依次后移一位，直到找到不大于该元素的位置或到达序列头部，然后将元素插入到空出的位置。
@@ -25,3 +27,7 @@
 #### 插入排序在实际工程中有哪些应用？
 
 插入排序在实际工程中有广泛应用：（1）**TimSort 的组成部分**：Python 和 Java 的默认排序算法 TimSort 使用插入排序对小于 64 的子数组进行排序。（2）**IntroSort 的兜底**：C++ STL 的 `std::sort` 使用 IntroSort，当递归深度过大或子数组足够小时切换为插入排序。（3）**小规模数据排序**：当数据量小于某个阈值（通常 16~64）时，插入排序的常数因子优势使其快于递归开销较大的快速排序。（4）**在线数据流排序**：需要对流式数据进行实时排序维护时，插入排序的在线特性非常适合。
+
+#### 本章小结与提问建议
+
+插入排序展示了“简单算法不一定没有工程价值”这一点。它在大规模乱序数据上不够高效，但在小规模、近乎有序或需要在线处理的场景中非常有用。学习本章后，可以继续追问：“为什么高级排序算法常常在最后切换为插入排序？”

docs/04-希尔排序.md

@@ -1,5 +1,7 @@
 # 希尔排序（Shell Sort）
 
+希尔排序可以看作插入排序的“加速版”。它通过增量分组的方式先让数据大致有序，再在最后一轮用插入排序完成收尾，因此非常适合用来理解“优化简单算法”的思路。
+
 #### 希尔排序的基本原理是什么？
 
 希尔排序是插入排序的改进版本，也称为"缩小增量排序"。其核心思想是：先将整个序列按照一个较大的增量（gap）分成若干个子序列，对每个子序列分别进行插入排序，使得元素可以快速跨越多个位置移动；然后逐步缩小增量，继续对各子序列进行插入排序；当增量缩小到 1 时，整个序列已经基本有序，此时进行最后一次标准插入排序即可快速完成。希尔排序的精髓在于，通过先处理间距较大的元素对比和移动，使序列快速趋于有序，从而克服了普通插入排序只能逐个移动元素的缺陷。
@@ -25,3 +27,7 @@
 #### 希尔排序适合在哪些场景中使用？
 
 希尔排序适合以下场景：（1）中等规模数据排序，当数据量在几千到几万之间时，希尔排序实现简单且性能优于 O(n²) 算法。（2）嵌入式系统或资源受限环境，不需要额外内存且代码实现紧凑。（3）不需要排序稳定性的场景。（4）作为快速排序的补充，某些实现中在子数组较小时切换为希尔排序。在现代工程实践中，希尔排序已较少被直接使用，更多作为算法教学中的重要一环。
+
+#### 本章小结与提问建议
+
+希尔排序的重点不只是记住某个复杂度，而是理解“通过增量让序列逐步接近有序”的思想。它连接了简单排序和高效排序之间的认知桥梁。学习本章后，可以继续思考：“增量序列为什么会显著影响性能？”

docs/05-归并排序.md

@@ -1,5 +1,7 @@
 # 归并排序（Merge Sort）
 
+归并排序是分治思想在排序领域中最经典的代表。它不仅复杂度稳定，而且天然适合链表排序、外部排序和并行化处理，因此既是算法课程中的重点，也是工程实践中的重要基础。
+
 #### 归并排序的基本原理是什么？
 
 归并排序采用分治（Divide and Conquer）策略。它将序列递归地拆分为两个子序列，分别排序后再合并（Merge）。具体步骤为：（1）**分解**：将长度为 n 的序列从中间拆分为两个长度约为 n/2 的子序列。（2）**递归排序**：对两个子序列分别递归地应用归并排序。（3）**合并**：将两个已排序的子序列合并为一个有序序列。合并过程中，使用两个指针分别指向两个子序列的头部，每次选取较小的元素放入结果序列，直到所有元素合并完毕。递归的终止条件是子序列长度小于等于 1。
@@ -25,3 +27,7 @@
 #### 归并排序和快速排序应该如何选择？
 
 归并排序和快速排序各有适用场景：（1）**稳定性要求**：需要稳定排序时选归并排序，快速排序不稳定。（2）**最坏情况性能**：要求最坏情况也是 O(n log n) 时选归并排序，快速排序最坏为 O(n²)。（3）**内存限制**：内存紧张时选快速排序（O(log n) 栈空间），归并排序需要 O(n) 额外空间。（4）**平均性能**：在数组上的平均性能，经过优化的快速排序通常优于归并排序（缓存友好性更好）。（5）**外部排序**：数据无法全部载入内存时选归并排序。（6）**链表排序**：链表上归并排序是首选，快速排序在链表上效率较差。Java 对对象数组使用 TimSort（基于归并排序），对基本类型数组使用双轴快速排序。
+
+#### 本章小结与提问建议
+
+归并排序体现了“分而治之”的强大威力，它在最坏情况下仍能保持 O(n log n)，同时兼具稳定性，因此在很多场景中比快速排序更可靠。学习本章后，可以继续追问：“为什么归并排序适合外部排序和链表排序？”

docs/06-快速排序.md

@@ -1,5 +1,7 @@
 # 快速排序（Quick Sort）
 
+快速排序是实际工程中最具代表性的高效排序算法之一。它平均性能优秀、缓存友好、优化手段丰富，因此在标准库和面试题中都非常常见，也是学习分治思想和分区操作的重点内容。
+
 #### 快速排序的基本原理是什么？
 
 快速排序基于分治策略，其核心操作是"分区"（Partition）。具体步骤为：（1）**选取基准值（Pivot）**：从序列中选择一个元素作为基准值。（2）**分区操作**：将序列重新排列，使得所有小于基准值的元素放在基准值左边，所有大于基准值的元素放在基准值右边，基准值被放到最终正确的位置。（3）**递归排序**：对基准值左右两边的子序列递归地应用快速排序。与归并排序"先分后合"不同，快速排序是"先排后分"——在分区过程中就完成了元素的大致排序，不需要合并步骤。
@@ -25,3 +27,7 @@
 #### 快速排序为什么在实际应用中比归并排序更受欢迎？
 
 快速排序在实际工程中更受欢迎主要有以下原因：（1）**缓存友好性**：快速排序在连续内存上顺序访问数据，CPU 缓存命中率高；而归并排序需要在原数组和辅助数组之间来回复制，缓存利用率较低。（2）**空间效率**：快速排序是原地排序只需 O(log n) 栈空间，归并排序需要 O(n) 辅助空间。（3）**常数因子小**：快速排序的内循环（比较和交换）操作非常简单高效。（4）**优化成熟**：IntroSort 等变体已经消除了最坏情况的风险。然而在需要稳定性或外部排序的场景中，归并排序仍是更好的选择。
+
+#### 本章小结与提问建议
+
+快速排序的核心优势在于平均性能高、工程优化成熟，但它也有最坏情况退化和不稳定性的问题。学习本章后，可以进一步思考：“为什么随机化 Pivot 可以降低最坏情况风险？”以及“什么场景下应该优先选择归并排序而不是快速排序？”

docs/07-堆排序.md

@@ -1,5 +1,7 @@
 # 堆排序（Heap Sort）
 
+堆排序展示了“数据结构如何直接服务于算法设计”。它利用堆这种完全二叉树结构，将“不断选出当前最大值”这个过程高效化，因此特别适合帮助学习者理解堆、优先队列和 O(n log n) 排序之间的关系。
+
 #### 堆排序的基本原理是什么？
 
 堆排序利用"堆"这种数据结构进行排序。堆是一棵完全二叉树，分为最大堆（每个节点的值大于等于其子节点）和最小堆（每个节点的值小于等于其子节点）。堆排序的过程分两个阶段：（1）**建堆**：将无序数组原地构建为一个最大堆，从最后一个非叶子节点开始，逐个执行"下沉"（Sift Down）操作，时间复杂度为 O(n)。（2）**排序**：反复将堆顶（最大值）与堆的末尾元素交换，然后将堆大小减 1 并对新的堆顶执行下沉操作以恢复堆性质。每次操作确定一个元素的最终位置，经过 n-1 次交换后，数组变为升序。整个堆排序利用了数组下标即可表示父子关系的特性，不需要额外的指针。
@@ -25,3 +27,7 @@
 #### 堆排序和快速排序应该如何选择？
 
 堆排序和快速排序的选择取决于具体需求：（1）**性能追求**：追求平均最快速度选快速排序，其缓存友好性和较小的常数因子使其在大多数情况下更快。（2）**最坏保证**：要求确定性的 O(n log n) 保证选堆排序，特别是在安全敏感场景中防止恶意输入导致的排序退化攻击。（3）**空间限制**：两者都是原地排序，但堆排序的 O(1) 优于快速排序的 O(log n) 栈空间。（4）**数据特征**：重复元素多时选三路快排；需要 Top-K 时选堆排序。（5）**最佳实践**：现代标准库通常使用 IntroSort，结合两者优点——先快排，深度过大时切堆排，小规模切插入排序。
+
+#### 本章小结与提问建议
+
+堆排序的价值在于同时满足“最坏 O(n log n)”和“额外空间 O(1)”，这使它在理论上非常重要。学习本章后，可以继续追问：“为什么堆排序虽然复杂度优秀，但实际常数因子通常大于快速排序？”以及“堆排序与 Top-K 问题之间有什么联系？”

docs/08-基数排序.md

@@ -1,5 +1,7 @@
 # 基数排序（Radix Sort）
 
+基数排序是典型的非比较排序，它帮助学习者理解一个关键事实：排序并不总是依赖元素两两比较。在特定数据条件下，基数排序可以突破比较排序的 O(n log n) 下界，因此是扩展排序知识体系的重要一章。
+
 #### 基数排序的基本原理是什么？
 
 基数排序是一种非比较排序算法，它不通过元素之间的直接比较来确定顺序，而是根据元素的各个"位"（digit）来分配和收集。具体过程为：（1）确定所有元素的最大位数 d（例如最大数是 999，则 d=3）。（2）从最低位（个位）开始，依次对每一位进行稳定的分配和收集——将所有元素按照当前位的值分配到 0~9 共 10 个桶中，然后按桶的顺序依次收集元素。（3）对十位、百位...依次重复上述操作。经过 d 轮分配-收集后，序列变为有序。这种"从低位到高位"的方式称为 LSD（Least Significant Digit）基数排序；也有从高位到低位的 MSD 方式。
@@ -25,3 +27,7 @@
 #### 基数排序适合在哪些场景中使用？
 
 基数排序适合以下场景：（1）**大量整数排序**：排序百万到上亿级别的整数数据（如 ID、时间戳），当数据位数固定时效率极高。（2）**字符串排序**：对定长字符串（如电话号码、身份证号、IP 地址）进行排序。（3）**多关键字排序**：需要按多个关键字排序时（如先按年龄再按姓名），基数排序的多轮处理天然适合。（4）**数据库索引构建**：某些数据库引擎使用基数排序构建索引。（5）**后缀数组构建**：部分后缀数组构建算法使用基数排序作为基础组件。不适合的场景包括：浮点数排序（位表示与数值顺序不一致）、数据位数差异极大的场景、数据量很小的场景。
+
+#### 本章小结与提问建议
+
+基数排序的重要意义在于帮助学习者跳出“排序一定靠比较”的固有印象。它在整数、定长字符串等场景中效率极高，但适用条件也更严格。学习本章后，可以继续思考：“基数排序和计数排序、桶排序之间到底是什么关系？”