数据结构与算法（一）插入排序

数据结构与算法（一）插入排序

---

1. 插入排序

---

1.1 排序问题

输入：n个数的一个序列 A = <$a_1$ , $a_2$, …, $a_n$>。

输出：输入序列的一个排序$A^{\prime }$ = < $a_1^{\prime }$ , $a_2\prime$, …, $a_n\prime$ >，满足 $a_1^{\prime }$ $\le$ $a_2\prime$ $\le$ … $\le$ $a_n\prime$ 。

原理：

  从整个待排序列中选出一个元素插入到已经有序的子序列中去，得到一个有序的、元素加一的子序列，直到整个序列的待插入元素为0，则整个序列全部有序。

在实际的算法中，我们经常选择序列的第一个元素作为有序序列（因为一个元素肯定是有序的），我们逐渐将后面的元素插入到前面的有序序列中，直到整个序列有序。

1.2 实现伪代码

INSERTION-SORT(A)
for 2 to A.length
    key = A[j];
    // Insert A[j] into the sorted sequence A[1..j-1]
    i = j - 1;
    while i > 0 and A[j] > key
        A[i + 1] = A[i]
        i = i - 1
    A[i + 1] = key

1.3 步骤解析

举例：对数组A = <5, 2, 4, 6,1, 3>进行插入排序（升序）

1.3 算法分析

假设第i行的每次执行时间为$a_i$。

INSERTION-SORT(A)	代价	次数
for 2 to A.length	$c_1$	n
key = A[j];	$c_2$	n - 1
// Insert A[j] into the sorted sequence A[1…j-1]	0	n - 1
i = j - 1;	$c_4$	n - 1
while i > 0 and A[j] > key	$c_5$	${\sum }_{j=2}^n$$t_j$
A[i + 1] = A[i]	$c_6$	${\sum }_{j=2}^n$($t_j$ - 1)
i = i - 1	$c_7$	${\sum }_{j=2}^n$($t_j$ - 1)
A[i + 1] = key	$c_8$	n - 1

其中：

• $t_j$表示对那个值j第5行执行while循环的次数
• 当一个for 或 while循环按通常的方式（即由于循环头中的测试）退出时，执行测试的次数比执行循环体的次数多1
• 注释是不可执行的语句，所以不需要时间

由上表的次数和代价相乘我们可以得到运行时间T[n]:

T(n) = $c_1$n + $c_2$(n - 1) + $c_4$(n - 1) + $c_5$${\sum }_{j=2}^n$$t_j$ + $c_6$ ${\sum }_{j=2}^n$($t_j$ - 1) + $c_7$${\sum }_{j=2}^n$($t_j$ - 1) + $c_8$(n - 1)

1.3.1 最佳情况
我们都知道，当输入数组已经排好序时是插入排序的最佳情况。即在伪代码的第5行，i 取初值 j - 1时， 有A[j] $\le$ key。从而对于j = 2， 3， … ，n，有$t_j$ = 1。故最佳情况的运行时间为：

$T(n)=c_1$n + $c_2$(n - 1) + $c_4$(n - 1) + $c_5$(n - 1) + $c_8$(n - 1)

$=（c_1+c_2+c_4+c_5+c_8）n-（c_2+c_4+c_5+c_8）$

$=\Theta (n)$

1.3.2 最坏情况

而最坏情况则是，每个元素A[j]都要和整个已排序子数组A[1…j - 1] 中的每个元素进行比较，所以 j = 2， 3， …, n,有$t_j=j$ .

则有： ${\sum }_{j=2}^{n}j=\frac{n(n+1)}{2}-1$ 和 ${\sum }_{j=2}^n(j-1)=\frac{n(n-1)}{2}$

T(n) = c_1 n + $c_2$(n-1) + $c_4$(n-1) + $c_5$( $\frac{n(n+1)}{2}-1$) + $c_6(\frac{n(n-1)}{2})$ + $c_7$($\frac{n(n-1)}{2}$) + $c_8$(n-1)

= $(\frac{c_5}{2}+\frac{c_6}{2}+\frac{c_7}{2})$$n^2$ + $(c_1+c_2+c_4+\frac{c_5}{2}-\frac{c_6}{2}\frac{c_7}{2}+c_8)$$n-$($c_2+c_4+c_5+c_8$)

= $\Theta (n^2)$

1.3.3两种情况的区别
相比于最佳情况，对于我们分析算法优劣最有用的应该是最坏情况，因为：

• 算法的最坏情况提供了一个上界，知道了上界能确保算法不需要更长的时间。
• 对于某些算法最坏情况经常出现。
• “平均情况”往往与最坏情况大致一样差。