deploy

chapter_sorting/intro_to_sort/index.html

@@ -1740,18 +1740,19 @@
 
 
 <h1 id="111">11.1. &nbsp; 排序简介<a class="headerlink" href="#111" title="Permanent link">&para;</a></h1>
-<p>「排序算法 Sorting Algorithm」使得列表中的所有元素按照从小到大的顺序排列。</p>
+<p>「排序算法 Sorting Algorithm」使列表中的所有元素按照升序排列。</p>
 <ul>
-<li>待排序的列表的 <strong>元素类型</strong> 可以是整数、浮点数、字符、或字符串；</li>
-<li>排序算法可以根据需要设定 <strong>判断规则</strong>，例如数字大小、字符 ASCII 码顺序、自定义规则；</li>
+<li>待排序列表的元素类型可以是整数、浮点数、字符或字符串等；</li>
+<li>排序算法可根据需求设定判断规则，如数字大小、字符 ASCII 码顺序或自定义规则；</li>
 </ul>
 <p><img alt="排序中不同的元素类型和判断规则" src="../intro_to_sort.assets/sorting_examples.png" /></p>
 <p align="center"> Fig. 排序中不同的元素类型和判断规则 </p>
 
 <h2 id="1111">11.1.1. &nbsp; 评价维度<a class="headerlink" href="#1111" title="Permanent link">&para;</a></h2>
-<p><strong>运行效率</strong>：我们希望排序算法的时间复杂度尽可能低，并且总体操作数量更少（即时间复杂度中的常数项更低）。在大数据量下，运行效率尤为重要。</p>
-<p><strong>就地性</strong>：顾名思义，「原地排序」直接在原数组上操作实现排序，而不用借助额外辅助数组，节约内存；并且一般情况下，原地排序的数据搬运操作较少，运行速度也更快。</p>
-<p><strong>稳定性</strong>：「稳定排序」在完成排序后，相等元素在数组中的相对顺序 <strong>不会发生改变</strong>。假设我们有一个存储学生信息的表格，第 1, 2 列分别是姓名和年龄。那么在以下示例中，「非稳定排序」会导致输入数据的有序性丢失。稳定性是排序算法很好的特性，<strong>在多级排序中是必须的</strong>。</p>
+<p><strong>运行效率</strong>：我们期望排序算法的时间复杂度尽量低，且总体操作数量较少（即时间复杂度中的常数项降低）。对于大数据量情况，运行效率显得尤为重要。</p>
+<p><strong>就地性</strong>：顾名思义，「原地排序」通过在原数组上直接操作实现排序，无需借助额外的辅助数组，从而节省内存。通常情况下，原地排序的数据搬运操作较少，运行速度也更快。</p>
+<p><strong>稳定性</strong>：「稳定排序」在完成排序后，相等元素在数组中的相对顺序不发生改变。稳定排序是优良特性，也是多级排序场景的必要条件。</p>
+<p>假设我们有一个存储学生信息的表格，第 1, 2 列分别是姓名和年龄。在这种情况下，「非稳定排序」可能导致输入数据的有序性丧失。</p>
 <div class="highlight"><pre><span></span><code><a id="__codelineno-0-1" name="__codelineno-0-1" href="#__codelineno-0-1"></a><span class="c1"># 输入数据是按照姓名排序好的</span>
 <a id="__codelineno-0-2" name="__codelineno-0-2" href="#__codelineno-0-2"></a><span class="c1"># (name, age)</span>
 <a id="__codelineno-0-3" name="__codelineno-0-3" href="#__codelineno-0-3"></a><span class="w">  </span><span class="o">(</span><span class="s1">&#39;A&#39;</span>,<span class="w"> </span><span class="m">19</span><span class="o">)</span>
@@ -1769,11 +1770,12 @@
 <a id="__codelineno-0-15" name="__codelineno-0-15" href="#__codelineno-0-15"></a><span class="w">  </span><span class="o">(</span><span class="s1">&#39;C&#39;</span>,<span class="w"> </span><span class="m">21</span><span class="o">)</span>
 <a id="__codelineno-0-16" name="__codelineno-0-16" href="#__codelineno-0-16"></a><span class="w">  </span><span class="o">(</span><span class="s1">&#39;E&#39;</span>,<span class="w"> </span><span class="m">23</span><span class="o">)</span>
 </code></pre></div>
-<p><strong>自适应性</strong>：「自适应排序」的时间复杂度受输入数据影响，即最佳、最差、平均时间复杂度不全部相等。自适应性也要分情况对待，若最差时间复杂度差于平均时间复杂度，代表排序算法会在某些数据下发生劣化，因此是负面性质；而若最佳时间复杂度优于平均时间复杂度，则是正面性质。</p>
-<p><strong>是否基于比较</strong>：「比较排序」是根据比较算子（<span class="arithmatex">\(&lt;\)</span> , <span class="arithmatex">\(=\)</span> , <span class="arithmatex">\(&gt;\)</span>）来判断元素的相对顺序，进而排序整个数组，理论最优时间复杂度为 <span class="arithmatex">\(O(n \log n)\)</span> 。「非比较排序」不采用，时间复杂度可以达到 <span class="arithmatex">\(O(n)\)</span> ，但通用性相对较差。</p>
+<p><strong>自适应性</strong>：「自适应排序」的时间复杂度会受输入数据的影响，即最佳、最差、平均时间复杂度并不完全相等。</p>
+<p>自适应性需要根据具体情况来评估。如果最差时间复杂度差于平均时间复杂度，说明排序算法在某些数据下性能可能劣化，因此被视为负面属性；而如果最佳时间复杂度优于平均时间复杂度，则被视为正面属性。</p>
+<p><strong>是否基于比较</strong>：「基于比较的排序」依赖于比较运算符（<span class="arithmatex">\(&lt;\)</span> , <span class="arithmatex">\(=\)</span> , <span class="arithmatex">\(&gt;\)</span>）来判断元素的相对顺序，从而排序整个数组，理论最优时间复杂度为 <span class="arithmatex">\(O(n \log n)\)</span> 。而「非比较排序」不使用比较运算符，时间复杂度可达 <span class="arithmatex">\(O(n)\)</span> ，但其通用性相对较差。</p>
 <h2 id="1112">11.1.2. &nbsp; 理想排序算法<a class="headerlink" href="#1112" title="Permanent link">&para;</a></h2>
-<p><strong>运行快、原地、稳定、正向自适应、通用性好</strong>。显然，<strong>目前没有发现具备以上所有特性的排序算法</strong>，排序算法的选型使用取决于具体的数据特点与问题特征。</p>
-<p>接下来，我们将一起学习各种排序算法，并基于以上评价维度展开分析各个排序算法的优缺点。</p>
+<p><strong>运行快、原地、稳定、正向自适应、通用性好</strong>。显然，迄今为止尚未发现兼具以上所有特性的排序算法。因此，在选择排序算法时，需要根据具体的数据特点和问题需求来决定。</p>
+<p>接下来，我们将共同学习各种排序算法，并基于上述评价维度对各个排序算法的优缺点进行分析。</p>