排序算法(二):时间复杂度为O(nlogn)的排序算法

一、希尔排序（实际上很少用到，了解即可）

1、算法步骤

1. 将待排序数组按照一定的间隔进行排序，如此时排序间隔为gap：则从index=gap处的元素开始排序；对于index = i的元素，每次和当前index - gap处的元素进行比较，直到符合插入条件；然后继续比较index = i++的元素，直到数组末尾，完成当前间隔的排序
2. 逐渐缩小间隔进行下一轮排序
3. 最后一轮时，取间隔为 1，也就相当于直接使用插入排序。但这时经过前面的「宏观调控」，数组已经基本有序了，所以此时的插入排序只需进行少量交换便可完成
   

其中，每一遍排序的间隔在希尔排序中被称之为增量，所有的增量组成的序列称之为增量序列， 上图中增量序列为 [5, 2, 1]。增量依次递减，最后一个增量必须为 1。

有一条非常重要的性质保证了希尔排序的效率：D(K+1)间隔有序的序列在经过D(K)间隔排序后仍然是D(K+1)间隔有序的，其中D(K+1) >= D(K)

2、算法实现

void shellSort(vector<int>& arr){
   
	//排序间隔循环
    for(int gap = arr.size() / 2; gap > 0; gap /= 2){
   

		/-------以下代码其实就是插入排序-----------/
    	//使用当前间隔进行排序，元素范围为`[gap, size()-1)
        for(int i = gap; i < arr.size(); i++){
   
        
        	//记录当前待插入元素 和 第一个被比较的元素
            int curNum = arr[i];
            int j = i - gap;
            
            //如果没有比较到首元素 或 带插入元素仍小于当前比较元素，继续比较
            while(j >= 0 && arr[j] > curNum){
   
                arr[j + gap] = arr[j];
                j -= gap;
            }

			//找到了插入位置j+gap(这里加gap是抵消最后一次-gap)
            arr[j + gap] = curNum;
        }
    }
}

3、算法性能

排序方式：in-place

希尔排序稳定性：不稳定

希尔排序时间复杂度：与增量序列有关，O(n)到O(n^2)之间，最好为O(n^1.3)

希尔排序空间复杂度：O(1)

4、增量序列的选择

1）Knuth增量序列(D1 = 1,Dk+1 = 3Dk + 1)

平均时间复杂度为O(n^1.5)

2）Hibbard增量序列(Dk = 2^k - 1)

最坏时间复杂度O(n^1.5)，平均时间复杂度O(n^1.25)

3）Sedgewick增量序列(94^k - 92^k + 1 和 4^k - 3*2^k + 1序列交替构成)

最坏时间复杂度O(n^(4/3))，平均时间复杂度O(n^(7/6))

5、希尔排序算法与O(n^2)级别算法的本质区别

逆序对

当我们从小到大排序时，在数组中的两个数字，如果前面一个数字大于后面的数字，则这两个数字组成一个逆序对

希尔排序突破O(n^2)的关键

对于随机数组，逆序对的数量是 O(n^2)级的，如果采用「交换相邻元素」的办法来消除逆序对，每次最多只能消除一组逆序对，因此必须执行 O(n^2)级的交换次数，这就是为什么冒泡、插入、选择算法只能到 O(n^2)级的原因。反过来说，基于交换元素的排序算法要想突破 O(n^2) 级，必须通过一些比较，交换间隔比较远的元素，使得一次交换能消除一个以上的逆序对。

二、堆排序(用的也比较少，快速排序比对排序要快)

大顶堆与小顶堆

堆是符合以下两个条件之一的完全二叉树：

• 根节点的值 ≥ 子节点的值，这样的堆被称之为最大堆，或大顶堆；
• 根节点的值 ≤ 子节点的值，这样的堆被称之为最小堆，或小顶