diff --git a/docs/sop/notes/data-structure-algorithm-notes.md b/docs/sop/notes/data-structure-algorithm-notes.md
new file mode 100644
index 0000000..79531db
--- /dev/null
+++ b/docs/sop/notes/data-structure-algorithm-notes.md
@@ -0,0 +1,597 @@
+---
+title: 数据结构与算法笔记
+date: 2026-01-13
+descriptionHTML: '<span style="color:var(--description-font-color);">数据结构与算法详细复习及排序算法深度解析</span>'
+tags:
+  - 笔记
+  - 数据结构
+  - 算法
+sidebar: true
+readingTime: true
+hidden: false
+recommend: true
+---
+
+# 数据结构与算法详细复习笔记
+
+## 第2章：线性表 (Linear List)
+
+### 1. 基本概念
+*   **定义**：由 $n (n \ge 0)$ 个数据特性相同的元素构成的有限序列。
+    *   **特性**：
+        *   **有序性**：元素之间有逻辑上的顺序（第一个、最后一个、前驱、后继）。
+        *   **有限性**：元素个数有限。
+*   **抽象数据类型 (ADT)**：
+    *   数据对象：$D = \{a_i | a_i \in ElemSet, i=1, 2, ..., n\}$
+    *   数据关系：$R = \{<a_{i-1}, a_i> | a_{i-1}, a_i \in D, i=2, ..., n\}$
+    *   基本操作：`InitList`, `DestroyList`, `ListInsert`, `ListDelete`, `GetElem`, `LocateElem` 等。
+
+### 2. 顺序表 (Sequential List)
+*   **定义**：用一组地址连续的存储单元依次存储线性表的数据元素。
+*   **特点**：
+    *   **随机存取**：通过首地址和下标可在 $O(1)$ 时间内访问任意元素。公式：$Loc(a_i) = Loc(a_1) + (i-1) \times L$。
+    *   **存储密度高**：无需为逻辑关系（指针）额外分配空间。
+    *   **缺点**：插入/删除需要移动大量元素（平均移动 $n/2$），需预分配空间（静态分配易溢出，动态分配需扩容）。
+
+### 3. 链表 (Linked List)
+*   **单链表 (Singly Linked List)**：
+    *   **结构**：结点 = 数据域 (data) + 指针域 (next)。
+    *   **头结点**：在首元结点前附设的一个结点，便于处理空表和统一插入/删除操作。
+    *   **建立方法**：
+        *   **头插法**：新结点插入头结点之后，读入顺序与链表顺序相反（逆序）。
+        *   **尾插法**：维护一个尾指针 `r`，新结点插在 `r` 之后，读入顺序与链表顺序相同。
+*   **双向链表 (Doubly Linked List)**：
+    *   **结构**：结点包含 `prior` (前驱) 和 `next` (后继) 指针。
+    *   **插入操作** (`s` 插在 `p` 之后)：
+        1. `s->prior = p;`
+        2. `s->next = p->next;`
+        3. `p->next->prior = s;`
+        4. `p->next = s;` (注意顺序，防止断链)
+    *   **删除操作** (删除 `p` 的后继节点 `q`)：
+        1. `p->next = q->next;`
+        2. `q->next->prior = p;`
+        3. `free(q);`
+*   **循环链表 (Circular Linked List)**：
+    *   **特点**：表中最后一个结点的指针指向头结点，形成环状。
+    *   **判空/遍历结束**：指针是否等于头指针 (or 尾指针)。
+    *   **优势**：从任意结点出发均可遍历全表；若设尾指针 `rear`，则查找头尾的时间均为 $O(1)$（便于合并两个链表）。
+*   **静态链表**：
+    *   利用数组实现，元素包含 `data` 和 `cur` (游标，即下个元素的数组下标)。
+    *   适用于不支持指针的语言（如 BASIC）或数据量固定且需频繁操作指针的场景。
+*   **块状链表 (Unrolled Linked List)**：
+    *   每个结点存储多个数据元素（即一个小的顺序表）。平衡了顺序表（空间紧凑）和链表（插入删除快）的优缺点。
+
+### 4. 应用
+*   **一元多项式相加**：利用链表按指数升序存储。遍历两个链表，比较指数大小：
+    *   指数相同：系数相加，若非零则保留。
+    *   指数不同：将指数小的项链入结果链表。
+*   **大整数处理**：利用链表存储大整数的每一位（或每几位），便于进位处理。
+
+---
+
+## 第3章：栈与队列 (Stack & Queue)
+
+### 1. 栈 (Stack)
+*   **定义**：只允许在表尾（栈顶 Top）进行插入（Push）和删除（Pop）的线性表。**LIFO** (Last In First Out)。
+*   **实现**：
+    *   **顺序栈**：`top` 指针指向栈顶元素（或栈顶上一个空位）。需判断 `StackOverflow` (上溢) 和 `StackUnderflow` (下溢，即空栈 pop)。
+    *   **共享栈**：两个栈共享一段空间，栈底在两端，栈顶向中间延伸，`top1 + 1 == top2` 时满。
+*   **应用**：
+    *   **递归**：系统栈保存每一层调用的局部变量、返回地址。
+    *   **括号匹配**：左括号压栈，右括号弹栈匹配。
+    *   **表达式求值**：
+        *   **中缀转后缀 (RPN)**：遇操作数输出；遇运算符与栈顶比较优先级。
+        *   **后缀计算**：遇操作数压栈；遇运算符弹栈计算结果并压栈。
+    *   **迷宫求解**：DFS 深度优先搜索（回溯法）。
+
+### 2. 队列 (Queue)
+*   **定义**：只允许在表尾（Rear）插入，表头（Front）删除。**FIFO** (First In First Out)。
+*   **循环队列 (Circular Queue)**：
+    *   **问题**：顺序队列单纯 `front++` `rear++` 会导致“假溢出”（即前方有空位但 rear 已达上限）。
+    *   **解决**：模运算。`(rear + 1) % MAXSIZE`。
+    *   **判空/判满**：为了区分队空和队满，通常牺牲一个单元。
+        *   **队空**：`front == rear`
+        *   **队满**：`(rear + 1) % MAXSIZE == front`
+        *   **队长**：`(rear - front + MAXSIZE) % MAXSIZE`
+*   **双端队列 (Deque)**：两端均可入队、出队。
+    *   **变种**：输入受限（一端入两端出）、输出受限（两端入一端出）。
+
+---
+
+## 第4章：字符串 (String)
+
+### 1. 基本概念
+*   **串**：零个或多个字符组成的有限序列。
+*   **子串**：主串中任意连续字符组成的子序列。
+*   **存储**：定长顺序存储（截断）、堆分配存储（动态指针）、块链存储。
+
+### 2. 模式匹配算法
+*   **朴素模式匹配 (Brute-Force)**：
+    *   主串指针 `i`，模式串指针 `j`。
+    *   失配时：`i` 回溯到 `i - j + 1`，`j` 回溯到 `0`。
+    *   最坏时间复杂度：$O(n \times m)$。
+*   **KMP 算法 (Knuth-Morris-Pratt)**：
+    *   **核心**：主串指针 `i` **不回溯**，模式串指针 `j` 回退到 `next[j]`。
+    *   **Next 数组**：`next[j]` 表示模式串第 `j` 个字符前的子串中，**最长相等前后缀的长度**。
+        *   当 `S[i] != P[j]` 时，`j` 移动到 `next[j]` 继续比较。
+    *   **NextVal 数组**（优化）：若 `P[j] == P[next[j]]`，则递归优化，避免重复无效比较。
+    *   时间复杂度：$O(n + m)$。
+
+---
+
+## 第5章：数组和广义表
+
+### 1. 数组
+*   **存储**：内存是一维的，多维数组需映射。
+    *   **行优先 (Row-Major)**：C/C++。`LOC(a[i][j]) = LOC(0,0) + (i * n + j) * size`。
+    *   **列优先 (Column-Major)**：Fortran。
+
+### 2. 矩阵压缩存储
+*   **对称矩阵**：$a_{ij} = a_{ji}$。只存上三角或下三角。按行优先存储下三角元素 $(i \ge j)$ 的下标 $k = \frac{i(i+1)}{2} + j$。
+*   **稀疏矩阵 (Sparse Matrix)**：
+    *   **三元组表**：`(i, j, value)`。空间优化，但丧失随机存取特性。
+    *   **十字链表**：每个非零元节点既在行链表上，又在列链表上。便于频繁插入删除。
+
+### 3. 广义表 (Generalized List)
+*   **定义**：$LS = (a_1, a_2, ..., a_n)$，其中 $a_i$ 可以是原子或子表。
+*   **重要操作**：
+    *   **GetHead(L)**：取表头（第一个元素，可能是原子或列表）。
+    *   **GetTail(L)**：取表尾（**除第一个元素外剩余元素构成的表**，结果一定是一个表）。
+    *   *例*：$L=((a,b), c)$，Head(L)=$(a,b)$，Tail(L)=$(c)$。
+
+---
+
+## 第6章：树与二叉树
+
+### 1. 二叉树 (Binary Tree)
+*   **性质**：
+    1.  第 $i$ 层至多 $2^{i-1}$ 个结点。
+    2.  深度为 $k$ 至多 $2^k - 1$ 个结点。
+    3.  **核心性质**：$n_0 = n_2 + 1$（叶子结点数 = 度为2的结点数 + 1）。
+*   **完全二叉树 (Complete Binary Tree)**：
+    *   编号规则与满二叉树一一对应。
+    *   数组存储时，结点 $i$ 的左孩子为 $2i$，右孩子为 $2i+1$，父节点 $\lfloor i/2 \rfloor$。
+
+### 2. 遍历 (Traversal)
+*   **前序 (Pre)**：根 -> 左 -> 右
+*   **中序 (In)**：左 -> 根 -> 右
+*   **后序 (Post)**：左 -> 右 -> 根
+*   **层序**：利用**队列**实现 BFS。
+*   **构造**：
+    *   前序 + 中序 -> 唯一确定二叉树。
+    *   后序 + 中序 -> 唯一确定二叉树。
+    *   前序 + 后序 -> **不能**唯一确定（无法区分左右子树）。
+
+### 3. 应用
+*   **哈夫曼树 (Huffman Tree)**：
+    *   **构造**：每次选取权值最小的两棵树合并，新树权值为两者之和，直到只剩一棵。
+    *   **WPL (带权路径长度)**：$\sum (叶子权值 \times 路径长度)$。
+    *   **哈夫曼编码**：前缀编码（任一字符编码都不是另一字符编码的前缀），用于数据压缩。
+*   **线索二叉树**：
+    *   利用空闲指针域（`lchild`若空指向前驱，`rchild`若空指向后继），通过 `ltag/rtag` 标记。
+    *   加快遍历速度，无需递归或栈。
+
+---
+
+## 第7章：图 (Graph)
+
+### 1. 存储结构
+*   **邻接矩阵**：`AdjMatrix[i][j] = 1` 或权值。
+    *   优点：易判断两点是否相连，易算度（行和列和）。
+    *   缺点：稀疏图浪费空间 $O(n^2)$。
+*   **邻接表**：顶点表 + 边表（链表）。
+    *   优点：节省空间 $O(n+e)$。
+    *   缺点：求入度麻烦（需遍历全表或使用逆邻接表）。
+
+### 2. 遍历
+*   **DFS (深度优先)**：类似树的先序遍历，使用**递归/栈**。
+*   **BFS (广度优先)**：类似树的层序遍历，使用**队列**。最短路径特性（无权图）。
+
+---
+
+## 第8章：图的应用 (重难点)
+
+### 1. 最小生成树 (MST)
+*   **Prim 算法**：
+    *   **思想**：归并点。从一个顶点开始，每次选一条连接“已选集合”和“未选集合”且权值最小的边。
+    *   **复杂度**：$O(n^2)$，适合**稠密图**。
+*   **Kruskal 算法**：
+    *   **思想**：归并边。将边按权值排序，从小到大选边，若不构成回路（利用并查集判断）则加入。
+    *   **复杂度**：$O(e \log e)$，适合**稀疏图**。
+
+### 2. 最短路径
+*   **Dijkstra 算法**：
+    *   **单源最短路**。贪心策略。每次从未标记节点中选距离源点最近的节点，松弛其邻接点。
+    *   **限制**：边权不能为负。
+    *   **复杂度**：$O(n^2)$。
+*   **Floyd 算法**：
+    *   **多源最短路**。动态规划。`A[i][j] = min(A[i][j], A[i][k] + A[k][j])`。
+    *   **复杂度**：$O(n^3)$。
+
+### 3. AOV 网与拓扑排序
+*   **定义**：顶点表示活动，边表示优先关系。
+*   **算法**：
+    1. 选择入度为 0 的顶点输出。
+    2. 删除该顶点及其出边。
+    3. 重复直到图空或无入度为 0 的点（说明有环）。
+
+### 4. AOE 网与关键路径
+*   **定义**：边表示活动，边权为持续时间，顶点表示事件。
+*   **关键路径**：从源点到汇点的最长路径（决定工程最短工期）。
+*   **计算**：
+    *   事件最早发生时间 `ve`（从前向后取max）。
+    *   事件最晚发生时间 `vl`（从后向前取min）。
+    *   活动最早/最晚开始时间 `e` / `l`。
+    *   若 `e == l`，则为关键活动。
+
+---
+
+## 第9章：查找 (Search)
+
+### 1. 动态查找树
+*   **二叉排序树 (BST)**：左 < 根 < 右。中序遍历有序。插入/删除/查找平均 $O(\log n)$，最坏 $O(n)$（退化为链表）。
+*   **平衡二叉树 (AVL)**：
+    *   任一节点左右子树高度差（平衡因子 BF）绝对值 $\le 1$。
+    *   **调整**：
+        *   **LL型**：右旋（Right Rotation）。
+        *   **RR型**：左旋（Left Rotation）。
+        *   **LR型**：先左旋后右旋。
+        *   **RL型**：先右旋后左旋。
+
+### 2. 散列 (Hashing)
+*   **散列函数**：`H(key)`。除留余数法 `H(key) = key % p` （p 为不大于表长的最大质数）。
+*   **处理冲突**：
+    *   **开放定址法**：
+        *   线性探测：`di = 1, 2, 3...` (易产生聚集/堆积现象)。
+        *   二次探测：`di = 1^2, -1^2, 2^2, -2^2...`。
+    *   **链地址法**：相同 Hash 值的元素存入同一链表。
+*   **ASL (平均查找长度)**：衡量效率指标，依赖于装填因子 $\alpha = \frac{填入元素个数}{表长}$。
+
+---
+
+## 第10章：排序 (Sorting)
+
+### 1. 算法复杂度与稳定性对比
+
+| 类别 | 排序算法 | 平均时间 | 最坏时间 | 空间 | 稳定性 | 备注 |
+| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
+| **插入** | **直接插入** | $O(n^2)$ | $O(n^2)$ | $O(1)$ | **稳定** | 适合基本有序/n较小 |
+| | **希尔排序** | $O(n^{1.3})$ | $O(n^2)$ | $O(1)$ | 不稳定 | 增量 $d$ 逐渐减半 |
+| **交换** | **冒泡排序** | $O(n^2)$ | $O(n^2)$ | $O(1)$ | **稳定** | 标志位优化 |
+| | **快速排序** | $O(n \log n)$ | $O(n^2)$ | $O(\log n)$ | 不稳定 | **内排序最快**，枢轴选择关键 |
+| **选择** | **简单选择** | $O(n^2)$ | $O(n^2)$ | $O(1)$ | 不稳定 | 移动次数少 |
+| | **堆排序** | $O(n \log n)$ | $O(n \log n)$ | $O(1)$ | 不稳定 | 适合 Top K 问题 |
+| **归并** | **归并排序** | $O(n \log n)$ | $O(n \log n)$ | $O(n)$ | **稳定** | 空间换时间，外排序基础 |
+| **基数** | **基数排序** | $O(d(n+r))$ | $O(d(n+r))$ | $O(r)$ | **稳定** | 无需比较，分配+收集 |
+
+### 2. 核心算法说明
+*   **快速排序 (Quick Sort)**：
+    *   **Partition**：选取枢轴（pivot），将小于 pivot 的放左边，大于的放右边。
+    *   最坏情况：有序或逆序（退化为冒泡）。
+*   **堆排序 (Heap Sort)**：
+    *   **建堆**：从 $\lfloor n/2 \rfloor$ 处开始向下调整 (Heapify)。
+    *   **排序**：交换堆顶与末尾元素，堆大小减1，重新向下调整。
+    *   升序排序使用**大顶堆**。
+*   **归并排序**：
+    *   Divide (分)：将数组对半切分。
+    *   Conquer (治)：递归排序子数组。
+    *   Merge (合)：合并两个有序数组。
+
+---
+---
+
+## 附录：数据结构小测涉及公式与重点总结
+
+通过分析《小测1 答案》、《小测2 答案》及《小测3_题目答案》，以下是针对考试重点涉及的公式、推导及核心结论的详细总结。
+
+### 1. 栈与队列 (Stack & Queue)
+
+#### **卡特兰数 (Catalan Number)**
+*   **应用场景**：$n$ 个不同元素进栈，可能的出栈序列总数。
+*   **公式**：
+    $$C_n = \frac{1}{n+1} C_{2n}^n = \frac{(2n)!}{(n+1)!n!}$$ 
+*   **小测案例** (小测1 第6题)：
+    *   $n=3$ 时，出栈序列数为 $C_3 = \frac{C_6^3}{4} = \frac{20}{4} = 5$ 种。
+
+#### **双端队列输出序列**
+*   **排除法逻辑** (小测1 第8题)：
+    *   对于输入受限或输出受限的双端队列，通常通过模拟和排除法来判断非法序列。
+    *   *核心技巧*：结合栈的后进先出特性与队列的先进先出特性进行模拟。
+
+---
+
+### 2. 数组与矩阵 (Arrays & Matrices)
+
+#### **三对角矩阵压缩存储**
+*   **定义**：元素仅分布在主对角线及上下两条对角线上。
+*   **下标映射公式** (小测1 第10题)：
+    *   题目特定映射关系：$A[1..n][1..n]$ 压缩至 $B[1..3n-2]$。
+    *   给定公式推导结果：$k = 2i + j - 2$。
+    *   *案例验证*：$A[66][65]$ 对应 $k = 2 \times 66 + 65 - 2 = 195$。
+    *   *注意*：通用公式通常为 $k = 2i + j - 3$ 或类似，考试时需严格根据题目给定的数组下标起始点（如从0还是从1开始）及排列方式进行推导。
+
+#### **KMP 算法 Next 数组计算**
+*   **推导逻辑** (小测1 第13题)：
+    *   若 $S[j] == S[k]$ (其中 $k = next[j-1]$)，则 $next[j] = k + 1$。
+    *   若不等，则令 $k = next[k]$ 继续回溯比较。
+    *   *案例*：$S = 'aaab'$
+        *   $j=1, S='a', next[1]=0$ (固定)
+        *   $j=2, S='a', S[1]==S[0]$? (前缀比较), $next[2]=1$
+        *   $j=3, S='a', S[2]==S[1] \rightarrow next[3]=2$
+        *   $j=4, S='b', S[3] \neq S[2]$, 回溯...
+
+---
+
+### 3. 树与二叉树 (Trees)
+
+#### **二叉树节点性质公式**
+1.  **度数关系**：
+    *   $$n_0 = n_2 + 1$$ (叶子结点数 = 度为2的结点数 + 1)
+    *   推导依据：
+        *   总节点数 $n = n_0 + n_1 + n_2$
+        *   总分支数 $B = n - 1 = n_1 + 2n_2$
+        *   联立消去 $n_1$，得 $n_0 = n_2 + 1$。
+    *   *小测陷阱* (小测2 第1题)：已知总数 $n=98$，$n_1=48$，求叶子数。
+        *   $n_0 + 48 + n_2 = 98 \Rightarrow n_0 + n_2 = 50$
+        *   代入 $n_0 = n_2 + 1 \Rightarrow 2n_2 + 1 = 50 \Rightarrow 2n_2 = 49$。
+        *   $n_2$ 必须为整数，故**不存在这样的树**。
+
+2.  **完全二叉树 (Complete Binary Tree)**
+    *   **叶子结点数**：$$n_0 = \lceil n/2 \rceil$$ (当 $n$ 为奇数时 $n_0 = (n+1)/2$，偶数时 $n_0 = n/2$)。
+    *   *案例* (小测2 第3题)：$n=47$ (奇数)，$n_0 = (47+1)/2 = 24$。
+
+3.  **哈夫曼树 (Huffman Tree)**
+    *   **特性**：只有度为0和度为2的结点，**不存在度为1的结点** ($n_1 = 0$)。
+    *   **节点总数公式**：
+        $$n = 2n_0 - 1$$ 
+    *   *推导*：$n = n_0 + n_2$，且 $n_2 = n_0 - 1 \Rightarrow n = n_0 + (n_0 - 1) = 2n_0 - 1$。
+    *   *小测结论* (小测2 第12题)：若有 $n$ 个叶子结点（题目用 $n$ 表示 $n_0$），则总结点数为 $2n - 1$。
+
+4.  **森林与树的转换**
+    *   **连通分量/树的数量计算** (小测2 第9题)：
+        *   若森林有 $N$ 个结点，$K$ 条边，则森林中树的棵数 $T$ 为：
+            $$T = N - K$$ 
+        *   *推导*：每棵树 (连通分量) 的边数 = 节点数 - 1。设第 $i$ 棵树有 $v_i$ 个节点，则边数 $e_i = v_i - 1$。
+        *   总边数 $K = \sum (v_i - 1) = \sum v_i - \sum 1 = N - T \Rightarrow T = N - K$。
+
+---
+
+### 4. 图 (Graphs)
+
+#### **握手定理 (Handshaking Lemma)**
+*   **公式**：所有顶点的度数之和等于边数的2倍。
+    $$\sum_{v \in V} \deg(v) = 2|E|$$ 
+*   **最少顶点数求解** (小测3 第2题)：
+    *   已知：$|E|=16$ (度数和32)。
+    *   已知点：3个度4，4个度3。已知度数和 $3 \times 4 + 4 \times 3 = 24$。
+    *   剩余度数：$32 - 24 = 8$。
+    *   约束：其余顶点度数 $<3$ (即最大为2)。
+    *   目标：顶点数最少 $\rightarrow$ 剩余顶点度数尽可能大 $\rightarrow$ 设其余点度数均为2。
+    *   剩余点数：$8 / 2 = 4$ 个。
+    *   总顶点数：$3 + 4 + 4 = 11$ 个。
+
+#### **最小生成树 (MST)**
+*   **唯一性判定** (小测3 第8题)：
+    *   当无向连通图的**最小生成树不唯一**时，Prim 和 Kruskal 算法生成的结果可能不同。
+    *   当最小生成树唯一时，两者结果必然相同。
+
+#### **关键路径 (Critical Path)**
+*   **计算方法** (小测3 第11题)：
+    *   路径长度 = 路径上所有活动（边）持续时间之和。
+    *   关键路径 = 源点到汇点的**最长路径**。
+    *   *案例*：路径 $V_0 \rightarrow V_1 \rightarrow V_4 \rightarrow V_6 \rightarrow V_8$。
+    *   长度计算：$6 + 1 + 9 + 2 = 18$。
+
+
+
+## 排序算法深度解析 (Sorting Algorithms Deep Dive)
+
+本文档对常见的排序算法进行展开讲解，包含**核心思想**、**算法步骤**、**过程演示**、**复杂度分析**及**代码逻辑**。
+
+---
+
+### 1. 插入排序类 (Insertion Sorts)
+
+#### 1.1 直接插入排序 (Direct Insertion Sort)
+**核心思想**：
+将数组分为“已排序区间”和“未排序区间”。每次从未排序区间取出一个元素，在已排序区间中从后向前扫描，找到合适位置插入。类似于**抓扑克牌**的过程。
+
+**算法步骤**：
+1.  默认第 1 个元素已排序。
+2.  取出第 2 个元素 `temp`，与第 1 个比较。若 `temp < arr[1]`，则 `arr[1]` 后移，`temp` 插入开头。
+3.  重复直到所有元素归位。
+
+**过程演示** (排序 `[5, 2, 4, 6, 1, 3]`)：
+*   初始：`[5]` | `2, 4, 6, 1, 3`
+*   取 2：2 比 5 小，5 后移。 -> `[2, 5]` | `4, 6, 1, 3`
+*   取 4：4 比 5 小，5 后移；4 比 2 大，停。 -> `[2, 4, 5]` | `6, 1, 3`
+*   ...以此类推。
+
+**核心代码逻辑 (C/C++)**：
+```c
+void InsertSort(int A[], int n) {
+    int i, j, temp;
+    for (i = 1; i < n; i++) {       // 从第2个元素开始
+        if (A[i] < A[i-1]) {        // 若小于前驱，需插入
+            temp = A[i];            // 暂存当前元素
+            for (j = i-1; j >= 0 && A[j] > temp; --j) {
+                A[j+1] = A[j];      // 大于temp的元素后移
+            }
+            A[j+1] = temp;          // 插入
+        }
+    }
+}
+```
+
+**分析**：
+*   **最好情况**：$O(n)$（已是有序，只需比较不移动）。
+*   **最坏情况**：$O(n^2)$（逆序）。
+*   **稳定性**：**稳定**（因为 `A[j] > temp` 才移动，相等时不移动）。
+
+---
+
+#### 1.2 希尔排序 (Shell Sort)
+**核心思想**：
+又称“**缩小增量排序**”。是直接插入排序的优化版。通过将数组按增量 `d` 分组，对每组进行直接插入排序，使数组“基本有序”，最后 `d=1` 时再进行一次直接插入。
+
+**为什么比直接插入快？**
+直接插入在基本有序时效率极高。希尔排序前期移动步长长，能快速消除逆序对；后期步长短但数组已基本有序，移动次数少。
+
+**过程演示**：
+数组 `[8, 9, 1, 7, 2, 3, 5, 4, 6, 0]`，$n=10$。
+1.  **d=5** (分5组: `8,3`, `9,5`, `1,4`, `7,6`, `2,0`)：
+    *   组内排序后 -> `[3, 5, 1, 6, 0, 8, 9, 4, 7, 2]`
+2.  **d=2** (分2组: `3,1,0,9,7`, `5,6,8,4,2`)：
+    *   组内排序后 -> `[0, 2, 1, 4, 3, 5, 7, 6, 9, 8]`
+3.  **d=1** (整体直接插入)：
+    *   微调 -> `[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]`
+
+**分析**：
+*   **复杂度**：依赖于增量序列，平均约 $O(n^{1.3})$。
+*   **稳定性**：**不稳定**（相同元素可能分在不同组，跳跃式移动导致相对位置改变）。
+
+---
+
+### 2. 交换排序类 (Exchange Sorts)
+
+#### 2.1 冒泡排序 (Bubble Sort)
+**核心思想**：
+两两比较相邻记录，如果反序则交换，直到没有反序的记录为止。每趟遍历将最大的元素“浮”到最后（或最小的“沉”到最前）。
+
+**优化点**：
+设置 `flag` 变量。若某一趟遍历中**没有发生任何交换**，说明已经有序，直接结束算法。
+
+**分析**：
+*   **最好情况**：$O(n)$（有序，第一趟 `flag` 未变直接退出）。
+*   **最坏情况**：$O(n^2)$。
+*   **稳定性**：**稳定**。
+
+---
+
+#### 2.2 快速排序 (Quick Sort) —— **最重要的排序算法**
+**核心思想**：
+**分治法 (Divide and Conquer)**。
+1.  **选基准 (Pivot)**：通常选第一个元素。
+2.  **划分 (Partition)**：将比基准小的移到左边，比基准大的移到右边。基准归位。
+3.  **递归**：对左右两个子序列重复上述过程。
+
+**Partition 过程详解 (双指针法)**：
+设基准 `pivot = A[low]`，`low` 指向首，`high` 指向尾。
+1.  **High 向左找小**：`while (low < high && A[high] >= pivot) high--;` 找到比 pivot 小的，移到 `low` 处 (`A[low] = A[high]`)。
+2.  **Low 向右找大**：`while (low < high && A[low] <= pivot) low++;` 找到比 pivot 大的，移到 `high` 处 (`A[high] = A[low]`)。
+3.  重复直到 `low == high`，将 `pivot` 放入 `A[low]`。
+
+**代码片段**：
+```c
+int Partition(int A[], int low, int high) {
+    int pivot = A[low]; // 选第一个为基准
+    while (low < high) {
+        while (low < high && A[high] >= pivot) high--;
+        A[low] = A[high];
+        while (low < high && A[low] <= pivot) low++;
+        A[high] = A[low];
+    }
+    A[low] = pivot;
+    return low; // 返回基准位置
+}
+```
+
+**分析**：
+*   **平均复杂度**：$O(n \log n)$。
+*   **最坏复杂度**：$O(n^2)$。发生在**有序**或**逆序**时，基准每次都选到最大/最小，退化为冒泡。
+*   **空间复杂度**：$O(\log n)$ (递归栈的高度)。
+*   **稳定性**：**不稳定**（Partition 过程中的远距离交换）。
+
+---
+
+### 3. 选择排序类 (Selection Sorts)
+
+#### 3.1 简单选择排序 (Simple Selection Sort)
+**核心思想**：
+第 $i$ 趟从 $A[i...n]$ 中选出最小的元素，与 $A[i]$ 交换。
+
+**特点**：
+*   **交换次数少**：最多 $n-1$ 次（优于冒泡）。
+*   **比较次数多**：固定 $\frac{n(n-1)}{2}$ 次。
+*   **稳定性**：**不稳定**。
+    *   *例子*：`[5, 8, 5, 2, 9]`。第一趟，第一个 `5` 会和 `2` 交换，跑到第二个 `5` 后面。
+
+---
+
+#### 3.2 堆排序 (Heap Sort)
+**核心思想**：
+利用**堆**（完全二叉树）这种数据结构。
+*   **大顶堆**：$A[i] \ge A[2i+1]$ 且 $A[i] \ge A[2i+2]$。用于**升序**排序。
+*   **小顶堆**：用于降序排序。
+
+**算法步骤**：
+1.  **建堆**：将无序数组构造成一个大顶堆。
+    *   从最后一个非叶子结点 ($\lfloor n/2 \rfloor - 1$) 开始，从右至左，从下至上进行“下沉”调整 (`HeapAdjust` / `sift_down`)。
+2.  **排序**：
+    *   将堆顶元素（最大值）与堆底末尾元素交换。
+    *   将剩余 $n-1$ 个元素重新调整为大顶堆。
+    *   重复直至堆大小为 1。
+
+**下沉 (sift_down) 逻辑**：
+判断节点 `k`，其左孩子 `2k+1`，右孩子 `2k+2`。
+若孩子比父节点大，则将最大的孩子与父节点交换，并继续向下追踪被交换的孩子节点。
+
+**分析**：
+*   **复杂度**：$O(n \log n)$。建堆 $O(n)$，调整 $O(n \log n)$。
+*   **优势**：在 Top K 问题（选出前 K 大）中表现极佳。
+*   **稳定性**：**不稳定**。
+
+---
+
+### 4. 归并排序 (Merge Sort)
+
+**核心思想**：
+**分治法**。
+1.  **分**：将数组从中间切开，递归切分，直到长度为 1。
+2.  **治 (Merge)**：将两个**有序**的子数组合并成一个有序数组。
+
+**Merge 过程**：
+需申请一个辅助数组 `B[]`。
+比较左半区 `A[i]` 和右半区 `A[j]`：
+*   若 `A[i] <= A[j]`，将 `A[i]` 放入 `B`，`i++`。
+*   若 `A[i] > A[j]`，将 `A[j]` 放入 `B`，`j++`。
+*   最后将剩余元素复制进 `B`，再把 `B` 拷回 `A`。
+
+**分析**：
+*   **复杂度**：$O(n \log n)$。
+*   **空间复杂度**：$O(n)$（需要辅助数组，这是它最大的缺点）。
+*   **稳定性**：**稳定**（Merge 时 `A[i] <= A[j]` 优先取左边，保证相对位置不变）。
+
+---
+
+### 5. 基数排序 (Radix Sort)
+
+**核心思想**：
+**不基于比较**的排序。利用“分配”和“收集”。
+通常针对非负整数。将整数按位数切割成不同的数字，按每个位数分别比较。
+
+**步骤 (LSD - Least Significant Digit)**：
+1.  **按个位排序**：准备 10 个桶 (0-9)。遍历数组，按个位数字放入对应桶。按顺序收集回来。
+2.  **按十位排序**：基于上一步结果，按十位放入桶，再收集。
+3.  ...直至最高位。
+
+**分析**：
+*   **复杂度**：$O(d(n+r))$。
+    *   $d$：最大数字的位数（决定遍历几趟）。
+    *   $n$：元素个数。
+    *   $r$：基数（如十进制 r=10，决定桶的个数）。
+*   **稳定性**：**稳定**（必须稳定，否则高位排序会打乱低位的顺序）。
+
+---
+
+### 6. 总结对比表
+
+| 算法 | 平均时间 | 最好 | 最坏 | 空间 | 稳定性 | 关键词 |
+| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
+| **直接插入** | $O(n^2)$ | $O(n)$ | $O(n^2)$ | $O(1)$ | **稳定** | 摸牌、越有序越快 |
+| **希尔** | $O(n^{1.3})$ | - | $O(n^2)$ | $O(1)$ | 不稳定 | 增量分组 |
+| **冒泡** | $O(n^2)$ | $O(n)$ | $O(n^2)$ | $O(1)$ | **稳定** | 交换、flag优化 |
+| **快速** | $O(n \log n)$ | $O(n \log n)$ | $O(n^2)$ | $O(\log n)$ | 不稳定 | **Partition**、分治 |
+| **简单选择** | $O(n^2)$ | $O(n^2)$ | $O(n^2)$ | $O(1)$ | 不稳定 | 选最小 |
+| **堆排序** | $O(n \log n)$ | $O(n \log n)$ | $O(n \log n)$ | $O(1)$ | 不稳定 | **建堆**、下沉 |
+| **归并** | $O(n \log n)$ | $O(n \log n)$ | $O(n \log n)$ | $O(n)$ | **稳定** | **合并**、空间换时间 |