排序优化

Collections.sort()方法底层使用Arrays.sort()实现的！

而Arrays中对于集合类的sort()方法主要采用TimSort算法（优化的归并算法）（对应数组的算法主要采用DualPivotQuicksort.sort()（优化的快速排序算法）), 大致思路是这样的：

1. 元素个数 < 32, 采用二分查找插入排序(Binary Sort)
2. 元素个数 >= 32, 采用归并排序，归并的核心是分区(Run)
3. 找连续升或降的序列作为分区，分区最终被调整为升序后压入栈
4. 如果分区长度太小，通过二分插入排序扩充分区长度到分区最小阙值
5. 每次压入栈，都要检查栈内已存在的分区是否满足合并条件，满足则进行合并
6. 最终栈内的分区被全部合并，得到一个排序好的数组

Timsort的合并算法非常巧妙:

1. 找出左分区最后一个元素(最大)及在右分区的位置
2. 找出右分区第一个元素(最小)及在左分区的位置
3. 仅对这两个位置之间的元素进行合并，之外的元素本身就是有序的

---

而所有的排序（二叉树也是）的比较都是基于compareTo()实现的！！！
所以要排序一个自定义的对象，那么：
4. 该类一定要实现Comparable< T >接口实现compareTo()方法；
5. 或者构造一个比较器，实现Comparator< T >的compare()方法！！！

---

如何优化快速排序？

如果数据原来就是有序的或者接近有序的，每次分区点都选择最后一个数据，那快速排序算法就会变得非常糟糕，时间复杂度就会退化为 O(n2)。实际上，这种 O(n2) 时间复杂度出现的主要原因还是因为我们分区点选得不够合理。

1. 三数取中法（主要）

我们从区间的首、尾、中间，分别取出一个数，然后对比大小，取这 3 个数的中间值作为分区点。这样每间隔某个固定的长度，取数据出来比较，将中间值作为分区点的分区算法，肯定要比单纯取某一个数据更好。但是，如果要排序的数组比较大，那“三数取中”可能就不够了，可能要“五数取中”或者“十数取中”。

2. 随机法

随机法就是每次从要排序的区间中，随机选择一个元素作为分区点。这种方法并不能保证每次分区点都选的比较好，但是从概率的角度来看，也不大可能会出现每次分区点都选得很差的情况，所以平均情况下，这样选的分区点是比较好的。时间复杂度退化为最糟糕的 O(n2) 的情况，出现的可能性不大。

递归优化

1.限制递归深度

一旦递归过深，超过了我们事先设定的阈值，就停止递归。

2. 通过在堆上模拟实现一个函数调用栈，手动模拟递归压栈、出栈的过程，这样就没有了系统栈大小的限制。（主要）