# 插入排序、选择排序、希尔排序
插入排序(Insertion Sort)
一个有序的数组,我们往里面添加一个新的数据后,如何继续保持数据有序呢?很简单,我们只要遍历数组,找到数据应该插入的位置将其插入即可。
这是一个动态排序的过程,即动态地往有序集合中添加数据,我们可以通过这种方法保持集合中的数据一直有序。而对于一组静态数据,我们也可以借鉴上面讲的插入方法,来进行排序,于是就有了插入排序算法。
插入排序具体实现:
1、首先,我们将数组中的数据分为两个区间,已排序区间和未排序区间。初始已排序区间只有一个元素,就是数组的第一个元素。
2、插入算法的核心思想是【取未排序区间中的元素】,【在已排序区间中找到合适的插入位置将其插入】,【并保证已排序区间数据一直有序。】
2.1 元素的比较:将一个数据a 插入到已排序区间时,需要拿 a 与已排序区间的元素依次比较大小,找到合适的插入位置。
2.2 元素的移动:还需要将插入点之后的元素顺序往后移动一位,这样才能腾出位置给元素a插入
3、重复这个过程,直到未排序区间中元素为空,算法结束。
如图所示,要排序的数据是 4,5,6,1,3,2,其中左侧为已排序区间,右侧是未排序区间。
插入排序也包含两种操作,一种是元素的比较,一种是元素的移动。当我们需要将一个数据a 插入到已排序区间时,需要拿 a 与已排序区间的元素依次比较大小,找到合适的插入位置。找到插入点之后,我们还需要将插入点之后的元素顺序往后移动一位,这样才能腾出位
置给元素 a 插入。
代码:
// 插入排序,a表示数组
public static void insertionSort(int[] arr) {
if (arr.length <= 1) return;
for (int i = 1; i < arr.length; i++) {
int value = arr[i]; // 要插入的后面的第i个元素
int j = i - 1; // 插到i的前面
// 查找插入的位置
for (; j >= 0; j--) {
if (arr[j] > value) { // 如果往前查找时找到j处的元素比要插入的值大就移动
arr[j+1] = arr[j]; // j处的数据往后移动一下给要插入的元素腾位置
} else {
break;
}
}
arr[j+1] = value; // 如果没有找到比插入元素大的,那就直接在j后面插入数据
}
}
复杂度:
第一,插入排序是原地排序算法吗?
从实现过程可以很明显地看出,插入排序算法的运行并不需要额外的存储空间,所以**空间复杂度是 O(1)**,也就是说,这是一个原地排序算法。
第二,插入排序是稳定的排序算法吗?
在插入排序中,对于值相同的元素,我们可以选择将后面出现的元素,插入到前面出现元素的后面,这样就可以保持原有的前后顺序不变,所以插入排序是稳定的排序算法。
第三,插入排序的时间复杂度是多少?
如果要排序的数据已经是有序的,我们并不需要搬移任何数据。如果我们从尾到头在有序数据组里面查找插入位置,每次只需要比较一个数据就能确定插入的位置。所以这种情况下,最好是时间复杂度为 O(n)。注意,这里是从尾到头遍历已经有序的数据。
如果数组是倒序的,每次插入都相当于在数组的第一个位置插入新的数据,所以需要移动大量的数据,所以最坏情况时间复杂度为 O(n ^2)。所以,对于插入排序来说,每次插入操作都相当于在数组中插入一个数据,循环执行 n 次插入操作,所以【平均时间复杂度为 O(n^2 )】。
选择排序(Selection Sort):
选择排序算法的实现思路有点类似插入排序,也分已排序区间和未排序区间。
但是选择排序每次会从未排序区间中找到最小的元素,将其放到已排序区间的末尾。
选择排序空间复杂度为 O(1),是一种原地排序算法。选择排序的最好情况时间复杂度、最坏情况和平均情况时间复杂度都为 O(n )。
那选择排序是稳定的排序算法吗?答案是否定的,选择排序是一种不稳定的排序算法。从前面画的那张图中,你可以看出
来,选择排序每次都要找剩余未排序元素中的最小值,并和前面的元素交换位置,这样破坏了稳定性。
比如 5,8,5,2,9 这样一组数据,使用选择排序算法来排序的话,第一次找到最小元素2,与第一个 5 交换位置,那第一个 5 和中间的 5 顺序就变了,所以就不稳定了。正是因此,相对于冒泡排序和插入排序,选择排序就稍微逊色了。
希尔排序
希尔排序也是一种插入排序,它是简单插入排序经过改进之后的一个更高效的版本,也称为缩小增量排序,同时该算法是冲破O(n2)的第一批算法之一
有时间再学习这个了
参考:《数据结构与算法之美》