「数组」希尔排序 / 区间增量优化（C++）

目录

概述

思路

核心概念：增量d

算法过程

流程

Code

优化方案

区间增量优化

Code(pro)

复杂度

---

概述

我们在「数组」冒泡排序|选择排序|插入排序 / 及优化方案（C++）中讲解了插入排序。

它有这么两个特点：

①待排序元素较少时效率高。

②待排序元素较有序时效率高。

正如同快速排序时冒泡排序的究极promax进化版，希尔排序则是充分利用了这两个特点的插入排序promax进化版。

---

思路

战略是这样的：多次进行小数目的插入排序使得数组变得相对有序。

我们要采取一点策略：

通过多轮小型插入排序使得数组逐渐有序，然后就可以将小型插入排序变成中型插入排序。通过多轮中型插入排序使得数组几乎有序，然后就可以将小型插入排序变成整体插入排序。

通过一轮整体插入排序使得数组完全有序。

这个“小型的插入排序”的目的是使得数组逐渐有序，这意味这我们要在整个数组中挑选几个数出来，对他们进行插入排序。

这种挑选是很有讲究的：

我们挑选的数必须能均等地位于整个数组的不同位置中，这样才能使整个数组愈发有序。

我们挑选的数必须能覆盖整个数组，这样才能使整个数组整体愈发有序。

于是就有了增量的概念。

---

核心概念：增量d

增量d的本质就是对整个数组进行间隔分组：

我们将arr[i],arr[i+d],arr[i+2d]...分为一组，在组内进行插入排序。

完成一组后再完成下一组，直到所有组都进行了组内插入排序。之后减小增量d重新分组，重复上述过程，直到d=1，进行完整的插入排序。

通常我们初始化d=len/2，然后依次d/=2。（向下取整）

例如：

 len=11;
 arr[i] 7 1 8 9 5 6 4 2 3 10 0
                      ↓d=len/2;
┌--------------------------------------------┐
 d=5;
     i  0 1 2 3 4 5 6 7 8 9 10
 arr[i] 7 1 8 9 5 6 4 2 3 10 0
               ↓d↓
 group0 7----d----6          0
 group1   1----d----4
 group2     8----d----2
 group3       9----d----3
 group4         5----d----10
        ↓insertion_sort()↓
 group0 0         6          7
 group1   1         4
 group2     2         8
 group3       3         9
 group4         5         10
          ↓after sorted↓
 arr[i] 0 1 2 3 5 6 4 8 9 10 7
└--------------------------------------------┘
                      ↓d/=2;
┌--------------------------------------------┐
 d=2;
     i  0 1 2 3 4 5 6 7 8 9 10
 arr[i] 0 1 2 3 5 6 4 8 9 10 7
               ↓d↓
 group0 0-d-2   5   4   9    7
 group1   1-d-3   6   8   10
        ↓insertion_sort()↓
 group0 0   2   4   5   7    9
 group1   1   3   6   8   10
          ↓after sorted↓
 arr[i] 0 1 2 3 4 6 5 8 7 10 9
└--------------------------------------------┘
                      ↓d/=2;
┌--------------------------------------------┐
 d=1;
     i  0 1 2 3 4 5 6 7 8 9 10
 arr[i] 0 1 2 3 4 6 5 8 7 10 9
        ↓insertion_sort()↓
 arr[i] 0 1 2 3 4 5 6 7 8 9 10
└--------------------------------------------┘

我们注意到，d的值和分组数量是相等的：

因为arr[i]与arr[i+d]为同组，而arr[i+d]与arr[i]间共有d-1组各不相同，再加上arr[i]这一组，共d组。

这一点将会在分组代码实现时利用到。 

*注意*：分组图只是我们的具象化表达，希尔排序是原地算法，不会使用额外的空间储存每一组。 

---

算法过程

流程

共有四层循环：

①最外层循环（增量减半缩小层）while (d/=2)控制增量减半

②次外层循环（按照增量分组层）for (int group = 0; group < d; group++)进行分组

③次内层循环for (int i = group+d; i < len; i += d)进行组内插入排序（根据插入排序的原理，首个元素可以跳过）

④最内层循环for ( j= i-d; j >= 0; j -= d)将组内的元素插入到组内的有序区中。

你会发现内部的两层循环就是普通插入排序的是实现，只不过普通插入排序的增量d始终为1。

Code

void shell_sort(int arr[], int len) {
	int d = len;
	while (d /= 2) {
		for (int group = 0; group < d; group++) {
			for (int i = group+d; i < len; i += d) {
				int temp = arr[i], j = i - d;
				for (; j >= 0; j -= d) {
					if (temp < arr[j])arr[j + d] = arr[j];
					else break;
				}
				arr[j + d] = temp;
			}
		}
	}
}

---

优化方案

区间增量优化

Knuth大神提出了另一种增量策略：d=d/3+1。（+1是为了使得d==2时下次取到d==1）

你会意识到上一种分组的增量减半缩小层是log₂N级别的，而这种则是log₃N级别的。

但是这种优化不一定是最理想的，其实与上一种分组各有胜负：

因为这只是优化了增量减半缩小层，而每层内部进行了更多的比较。

Code(pro)

void SLsort(int arr[], int len) {
	int d = len;
	while (d = d/3+1) {
		for (int group = 0; group < d; group++) {
			for (int i = group + d; i < len; i += d) {
				int temp = arr[i], j = i - d;
				for (; j >= 0; j -= d) {
					if (temp < arr[j])arr[j + d] = arr[j];
					else break;
				}
				arr[j + d] = temp;
			}
		}
		if (d == 1)break;
	}
}

*注意*： 需要加入d==1的判断语句来结束最外层循环。

---

复杂度

时间复杂度：O(n¹·³)（或：O(nlog²n)）

空间复杂度：O(1)

事实上，希尔排序的时间复杂度不是nlogn，它的证明极其困难，略去不表。

百万数量级抗压测试

int main()
{   int nums = 5000000;
	int* arr1 = new int[nums];
	int* arr2 = new int[nums];
 	for (int i = 0; i < nums; i++) {
		int x = mt()%1000;
		arr1[i] =arr2[i]= x;
	}

	DWORD tick1 = GetTickCount64();
	shell_sort(arr1, nums);//show(arr, nums);
	DWORD tick2 = GetTickCount64();
	cout <<"Shell's strategy(ms):" << tick2 - tick1 << endl;

	DWORD tick3 = GetTickCount64();
	SLsort(arr2, nums);//show(arr, nums);
	DWORD tick4 = GetTickCount64();
	cout <<"Knuth's strategy(ms):" << tick4 - tick3 << endl;

	delete[] arr1;
	delete[] arr2;
	return 0;
}