与“排序算法”相关的TAG标签
拓扑排序必须基于有向无环图（DAG），否则无解；C++实现时若含环，算法可能失败或返回不完整结果；Kahn算法最易实现且天然支持环检测，是生产环境首选。
JavaScript中应直接使用Array.prototype.sort()，因其在现代引擎中已优化为Timsort或混合排序，平均O(nlogn)，手写算法反而增加风险；关键在于正确编写比较函数，如数字排序需用(a,b)=>a-b，避免不一致或耗时操作。
Java排序应优先使用Arrays.sort()或Collections.sort()：前者用于各类数组（基本类型用双轴快排，引用类型用TimSort），后者仅适用于List；自定义对象排序依场景选Comparable或Comparator，Lambda更简洁；int[]等基本类型数组不支持Comp...
LinkedHashMap默认按插入顺序遍历，设accessOrder=true后改为访问顺序（LRU），每次get或put都会将节点移至链表尾，头节点为最久未访问项；需重写removeEldestEntry()实现自动淘汰。
std::sort通常比手写快排更快，因其采用混合算法（introsort）：小数组用插入排序、深递归切堆排序、主体为三数取中+尾递归优化的快排，兼顾平均性能、最坏复杂度与缓存友好性。
快速排序的核心逻辑是分治+原地分区：每次选pivot将数组划分为小于、等于、大于三部分，用双指针原地交换实现O(logn)空间复杂度。
希尔排序的核心是分组插入而非改进版冒泡，关键在于gap序列设计；推荐Knuth序列（1,4,13,40,…），用gap=3*gap+1逆向生成并倒序使用，避免退化，实测比原始序列快约30%。
希尔排序应选Knuth序列（h=3h+1）而非除2序列，以避免退化为O(n²)；内层插入排序需省略冗余边界检查；支持泛型需用模板与函数对象。
归并排序的核心是分治三步：split切分、merge合并、combine写回；merge需用临时数组、半开区间、正确边界控制，且应复用辅助空间而非重复分配。
选择排序的核心逻辑是每轮在未排序部分找最小（或最大）值并与当前首位交换，本质为“挑出最值+归位”，不依赖相邻比较，无法提前终止，时间复杂度恒为O(n²)。
