希尔排序（一）

希尔排序的名称源于它的发明者——唐纳德·希尔（Donald Shell）。

希尔排序是另一种形式的插入排序，它神奇地突破了冒泡排序、直接选择排序、直接插入排序等算法的二次时间界限，在时间复杂度上首次实现了质的突破。

希尔排序如此神奇，这源于它对插入排序两个优点的综合应用：

1. 在数据量少的时候插入排序速度很快；
2. 在数据几乎有序的时候插入排序速度很快；

什么是希尔排序

我们通过一个例子解释希尔排序使用的策略。假设我们要对随机数组 A[16] 进行排序，其中的元素用 a0 ~ a15 表示。

一、 从 a0 开始，按照 1,2,3，…，8 报数，报相同数字的分为一组。即将 16 个数据分为 8 组：

[a0, a8],

[a1, a9],

[a2, a10],

[a3, a11],

[a4, a12],

[a5, a13],

[a6, a14],

[a7, a15]。

注意：这里说的是逻辑上的分组，不是真的把数据交换位置。在代码实现上我们只要用跳跃的数组下标就可以。

这 8 组数据每一组都只包含两个元素，通过插入排序可以快速完成（插入排序的第一个优点）。排序完成后的数组用 B[16] 表示；

二、从 b0 开始，按 1,2,3,4 报数。报相同数字的分为一组，这样就将 B[16] 分为 4 组：

[b0, b4, b8, b12],

[b1, b5, b9, b13],

[b2, b6, b10, b14],

[b3, b7, b11, b15]。

这 4 组数据每一组中的元素个数比第一步要多一些，但是每一组都有一个特点：比较有序。比如第一组： b0 和 b8 是有序的，b4 和 b12 也是有序的。这样我们就可以利用插入排序第二个优点，对每一组进行插入排序。第二步完成后的数组用 C[16] 表示；

三、从 c0 开始，按 1，2 报数。报相同数字的分为一组，这样就将 C[16] 分为 2 组：

[c0, c2, c4, c6, c8, c10, c12, c14],

[c1, c3, c5, c7, c9, c11, c13, c15]。

这 2 组数据每一组中的元素个数比上一步又要多一些，但是它的有序程度也更明显。比如第一组中的c0, c4, c8, c12 是有序的，c2, c6, c10, c14 也是有序的。这样我们还是可以利用插入排序的第二个优点，对每一组进行插入排序；

四、对所有元素进行排序。虽然元素数量是这四步中最多的，但是这时候元素的有序程度也是最高的。

这样我们就通过 4 组插入排序完成了对 16 个元素的排序工作。请注意，这 4 组中的每一组都有这样一个特点：要么数据量很小（第一组），要么数据量越来越大但是有序程度越来越高（后三组）。

可以看到，希尔排序在数据量和数据有序程度上进行了折中安排。虽然进行了多次插入排序，但是由于插入排序是二次的而不是线性的，所以小规模的多次插入排序快于大规模的一次插入排序。

值得注意的是，希尔排序必须在最后一组进行完整的插入排序，否则结果一般不会正确。

总结上面的方法，我们得到希尔排序的一般策略：

希尔排序使用一个序列 $h_1$，$h_2$，$h_3$，$...$，$h_t$ 叫做增量序列。只要 $h_1=1$，任何增量序列都是可行的。不过，有些增量序列比另外一些增量序列要好（后文会说到）。在使用增量 $h_k$ 的一趟排序后，对于每一个 $i$，我们有 $a[i] \leq a[ i+h_k ]$，此时称文件是$h_k$ - 排序 的。

$h_k$ - 排序 的一般做法是：

把 $a_1$，$a_{1+h_k}$，$a_{1+2h_k}$，$...$，分为一组；
把 $a_2$，$a_{2+h_k}$，$a_{2+2h_k}$，$...$，分为一组；
把 $a_3$，$a_{3+h_k}$，$a_{3+2h_k}$，$...$，分为一组；
$...$
$...$

把$a_{h_k}$，$a_{2h_k}$，$a_{3h_k}$，$...$， 分为一组。

一趟 $h_k$ - 排序 的作用就是对 $h_k$ 个独立的子数组执行一次插入排序。

在增量序列的选择上，比较流行的做法是使用Shell建议的序列：

$h_t = floor(N/2 )$
$h_k = floor(h_{k+1}/ 2)$

也就是我们上面介绍的方法。

C语言实现

数组打印函数

void print_array(int a[],  int len, int gap)
{
    for(int i=0; i<len; ++i)
    {
        printf("[%d]:%2d  ", i, a[i]);
        if((i + 1) % gap == 0)
            printf("\n");
    }
    printf("\n\n");
}

这个函数是专门为希尔排序设计的。我想把排序的过程打印出来，那自然少不了分组。gap这个参数用来传递 $h_k$ - 排序 的 $h_k$

因为有if((i + 1) % gap == 0)这个条件判断，所以每打印 $h_k$ 个数就换行一次，所以看的时候要竖着看，每一纵列就是一组，一共有 $h_k$ 组。

如果不希望换行打印，则可以给gap传一个比数组长度大的参数。

排序函数

这个是原原本本地按照希尔排序的步骤而写的。

如果在编译的时候定义了宏PRINT_PROCEDURE，则可以打印出排序的具体过程，对理解希尔排序非常有帮助。

代码就不多说了，因为有详细的注释。

void shellsort(int arr[], int n)  
{  
    //步长采用shell序列
    for (int gap = n / 2; gap > 0; gap /= 2) 
    {  
#ifdef PRINT_PROCEDURE
        printf("-------- gap = %d--------\n",gap);
        print_array(arr, n, gap);
#endif       
        for (int i = 0; i < gap; i++)       
        {
#ifdef PRINT_PROCEDURE          
            printf("column %d :\n",i);  // 对列i排序
#endif
            for (int j = i + gap; j < n; j += gap) 
            {   // 每次加上步长，即按列排序。 
                // if 条件成立说明arr[j]需要插入到某个位置
                if (arr[j - gap] > arr[j]) 
                {  
                    // 因为arr[j]会被前面的记录覆盖，所以先暂存
                    int temp = arr[j]; 
                    int k = j - gap;  // k指向arr[j-gap]，从后往前遍历
                    while (k >= 0 && arr[k] > temp) 
                    {  
                        arr[k + gap] = arr[k];  // arr[k]向后移动 
                        k -= gap;  
                    }  
                    // 把arr[j]插入到arr[k]的后面
                    arr[k + gap] = temp; 
#ifdef PRINT_PROCEDURE
                    printf("[%d] insert to [%d]\n", j, k+gap);
#endif                              
                } 
            }
        }
#ifdef PRINT_PROCEDURE
        printf("\n");
        print_array(arr, n, gap);
#endif      
    }  
}  

赶紧写个测试函数，看看排序的过程吧。

测试函数

#define DUMMY_GAP 100

int main(void)
{
    int array[] = {5,2,8,9,3,9,7,1,0,4,}; // 10个数
    print_array(array,sizeof(array)/sizeof(array[0]),DUMMY_GAP);

    shellsort(array, sizeof(array)/sizeof(array[0]));

    print_array(array,sizeof(array)/sizeof(array[0]),DUMMY_GAP);
    return 0;
}

运行结果

从上图可以看出，一共分成了5组（竖着看），对每一组都进行直接插入排序。

上图是 $h_k=1$ 的情况，对所有元素进行排序。虽然元素数量是这3次中最多的，但是这时候元素的有序程度也是最高的。

【未完待续】

参考资料

《数据结构与算法分析（原书第2版）》（机械工业出版社，2004）