数据结构与算法——14. 希尔排序

希尔排序（Shell Sort）

我们注意到：在插入排序中，列表越接近有序，比对次数就越少。从这个情况入手，希尔排序以插入排序作为基础，对无序表进行**“等间隔”划分子列表**，每个子列表都执行插入排序。

比如，间隔为3进行分组，如下图，每行深色的为一组：

间隔为多少，那么子列表就有多少个。随着间隔的缩小，子列表的数量越来越少，无序表的整体越来越接近有序，从而减少整体排序的比对次数。

对3个子列表分别进行插入排序后，整个表的状态（最下面一行）：

最后一趟是标准的插入排序，但由于前面几趟已经将列表处理到接近有序，这一趟仅需少数几次移动即可完成。

python代码实现

子列表的间隔一般从n/2开始，每趟倍增：n/4, n/8……直到1。

def shell_sort(a_list):
    # 初始化间隔大小
    sublist_count = len(a_list) // 2
    # 只要间隔大于0，就对子列表进行排序
    while sublist_count > 0:
        for start_position in range(sublist_count):
            gap_insertion_sort(a_list, start_position, sublist_count)
        # 缩小间隔
        sublist_count = sublist_count // 2


def gap_insertion_sort(a_list, start, gap):
    """
    带间隔的插入排序
    :param a_list: 需要排序的列表
    :param start: 偏移量
    :param gap: 间隔的大小
    """
    # 从每个子列表的第start个元素开始，进行带间隔的插入排序
    for i in range(start + gap, len(a_list), gap):
        current_value = a_list[i]
        position = i
        # 当同一组中有逆序的数据项时，按照间隔移动数据项，腾出空位
        while position >= gap and a_list[position - gap] > current_value:
            a_list[position] = a_list[position - gap]
            # 空位的位置向前移gap位
            position = position - gap
        # 将当前数据项放入空位
        a_list[position] = current_value

算法分析

粗看上去，希尔排序以插入排序为基础，可能并不会比插入排序好。但由于每趟都使得列表更加接近有序，这过程会减少很多原先需要的“无效”比对。

希尔排序的详尽分析比较复杂，大致说是介于$O(n)$和$O(n^2)$之间。如果将间隔保持在$2^k-1$(1、3、5、7、15、31等等），希尔排序的时间复杂度约为$O(n^{\frac{3}{2}})$。