本文主要是介绍三种插入排序详解和代码实现(直接插入排序、折半插入排序和希尔排序),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
目录
- 基本思想
- 直接插入排序
- 排序方法
- 代码实现
- 复杂度分析
- 折半插入排序
- 排序方法
- 代码实现
- 复杂度分析
- 希尔排序
- 排序方法
- 代码实现
- 复杂度分析
- 最佳情况
- 平均情况
- 最坏情况
- 增量序列的影响
基本思想
插入排序的基本思想是:每一趟将一个待排序的元素按照其关键字的大小插入到已经排好序的一组数据的适当位置,直到所有的待排序元素全部插入为止。
就像我们在打扑克时,每抓取一张牌,都将其插入到合适的位置,直到所有的牌摸完,我们就得到了一个有序的序列。
本文介绍三种插入排序的方法:直接插入排序、折半插入排序、希尔排序。
直接插入排序
排序方法
-
将待排序的元素存放在数组中,数据元素的数量为 n n n。
-
每次选择一个元素将其放到前面的有序数组中,使得其仍然保持有序。共循环 n − 1 n-1 n−1 次,第 k k k 次循环之后有序数组的长度为 k + 1 k+1 k+1。
代码实现
public class Test {public static void insertSort(int[] a) {for (int i = 1; i < a.length; i ++) {int key = a[i];int j = i - 1;// 数组元素后移直到key找到合适的位置while (j >= 0 && a[j] > key) {a[j + 1] = a[j];j --;}a[j + 1] = key;}}public static void main(String[] args) {int[] data = {5, 7, 4, 2, 0, 3, 1, 6};insertSort(data);for (int i : data) {System.out.print(i + " ");}}
}
复杂度分析
- 外层循环从 i = 1 i=1 i=1 开始,共执行了 n − 1 n-1 n−1 次循环,内层循环中最坏情况下每次需要移动的次数为 O ( n ) O(n) O(n),因此时间复杂度为 O ( n 2 ) O(n^2) O(n2)。
- 排序过程中只需要 O ( 1 ) O(1) O(1) 数量级的变量来记录状态,因此空间复杂度为 O ( 1 ) O(1) O(1)。
- 直接插排由于在移动元素时可以是从后向前遍历移动,因此算法属于稳定排序。
折半插入排序
排序方法
- 在直接插入排序的基础上进行优化,在进行查找待插入元素位置操作的时候,我们可以利用二分法来实现(即折半查找)。
代码实现
public static void binaryInsertSort(int[] array) {for (int i = 1; i < array.length; i++) {int key = array[i];int left = 0;int right = i - 1;// 二分查找while (left <= right) {int mid = left + (right - left) / 2;if (key < array[mid]) {right = mid - 1;} else {left = mid + 1;}}int j = i - 1;while (j >= left) {array[j + 1] = array[j];j--;}array[left] = key;}
}
复杂度分析
- 折半插入排序的对象移动次数和直接插入排序相同,依赖于对象的初始排列方式。由于折半插入排序只是减少了元素之间的比较次数,并没有改变元素的移动次数。因此折半插入排序的时间复杂度仍为 O ( n 2 ) O(n^2) O(n2)。
- 其空间复杂度也和直接插入排序相同,为 O ( 1 ) O(1) O(1)。
- 折半插入排序也属于稳定排序,但是由于用到了二分查找,所以只能应用于顺序结构,不能用于链式结构。
希尔排序
排序方法
希尔排序实质上是采用分组插入的方法,将整个待排序的数组分为若干组,从而减少直接插入排序的数据量,对每个分组分别进行直接插入排序,然后增加每个分组的数据量重新进行排序。直至所有分组合并为一组。
- 确定一个增量 d 1 d_1 d1 ,并把间隔为 d 1 d_1 d1 的数据分入同一组中,在各组进行直接插入排序。
- 第二趟取增量 d 2 d_2 d2 ,重复上述分组和排序。
- 以此类推,直到所取的增量 d i = 1 d_i=1 di=1( d t < d t − 1 < . . . < d 2 < d 1 d_t<d_{t-1}<...<d_2<d_1 dt<dt−1<...<d2<d1),所有数据在同一组中直接插入排序为止。
-
如图所示,第一趟取增量 d 1 = 4 d_1=4 d1=4,所有间隔为 4 4 4 的元素分为同一组,并进行直接排序。
-
第二趟取增量 d 2 = 2 d_2=2 d2=2,所有间隔为 2 2 2 的元素分为同一组,并进行直接排序。
-
第三趟取增量 d 3 = 1 d_3=1 d3=1,所有元素分为同一组,并进行直接排序,排序完成。
代码实现
public static void shellSort(int[] array) {int n = array.length;// 每次间隔折半for (int gap = n / 2; gap > 0; gap /= 2) {// 同组元素直接插入排序for (int i = gap; i < n; i++) {int key = array[i];int j = i;while (j >= gap && array[j - gap] > key) {array[j] = array[j - gap];j -= gap;}array[j] = key;}}
}
复杂度分析
希尔排序的空间复杂度与上述两种排序相同,均为 O ( 1 ) O(1) O(1)。
记录跳跃式的移动导致了希尔排序算法是不稳定的。
希尔排序的时间复杂度取决于所使用的增量序列(gap sequence)。以下是对希尔排序时间复杂度的详细分析
最佳情况
- 时间复杂度: O ( n l o g n ) O(nlogn) O(nlogn)(在某些特定的增量序列下,如Hibbard增量序列)
- 描述:当增量序列优化得当时,希尔排序的性能接近于 O ( n l o g n ) O(nlogn) O(nlogn)。这意味着希尔排序在最优情况下的性能与归并排序相近。
平均情况
- 时间复杂度: O ( n 3 2 ) − O ( n 5 4 ) O(n^\frac{3}{2})-O(n^\frac{5}{4}) O(n23)−O(n45)
- 描述:对于大多数常用的增量序列(如Shell增量序列、Knuth增量序列等),希尔排序的平均时间复杂度通常介于 O ( n 3 2 ) O(n^\frac{3}{2}) O(n23) 和 O ( n 5 4 ) O(n^\frac{5}{4}) O(n45) 之间。
最坏情况
- 时间复杂度: O ( n 2 ) O(n^2) O(n2)(例如,使用简单的增量序列,如 n 2 , n 4 , . . . , 1 \frac{n}{2},\frac{n}{4},...,1 2n,4n,...,1 )
- 描述:在使用不优化的增量序列时,希尔排序的时间复杂度可能会退化到 O ( n 2 ) O(n^2) O(n2),类似于简单插入排序的时间复杂度。
增量序列的影响
- Shell增量序列:初始增量为 n 2 \frac{n}{2} 2n,然后逐步减小到 1 1 1。时间复杂度为 O ( n 2 ) O(n^2) O(n2)。
- Hibbard增量序列:增量为 1 , 3 , 7 , 15 , . . . , 2 k − 1 1, 3, 7, 15, ..., 2^k-1 1,3,7,15,...,2k−1。时间复杂度为 O ( n 3 2 ) O(n^\frac{3}{2}) O(n23)。
- Knuth增量序列:增量为 1 , 4 , 13 , 40 , 121 , . . . , 3 k − 1 2 1, 4, 13, 40, 121, ..., \frac{3^{k-1}}{2} 1,4,13,40,121,...,23k−1。时间复杂度为 O ( n 5 4 ) O(n^\frac{5}{4}) O(n45)。
- Sedgewick增量序列:例如, 1 , 5 , 19 , 41 , 109 , . . . 1, 5, 19, 41, 109, ... 1,5,19,41,109,... 时间复杂度为 O ( n 4 3 ) O(n^\frac{4}{3}) O(n34)。
这篇关于三种插入排序详解和代码实现(直接插入排序、折半插入排序和希尔排序)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!