希尔排序

最新推荐文章于 2024-10-31 16:45:22 发布

weixin_30270561

最新推荐文章于 2024-10-31 16:45:22 发布

阅读量94

点赞数

文章标签：数据结构与算法 java shell

原文链接：http://www.cnblogs.com/dhcao/p/10704131.html

版权

一、定义
二、算法分析
三、代码地址

一、定义

1.1 描述

希尔排序（Shellsort）有时也被称作缩减增量排序。它通过比较一定间距的元素来工作，各趟比较所用的距离随着算法的进行而减小。

首先要说明2个概念：

增量序列：希尔排序使用$h_1,h_2,h_3,…,h_t$序列，叫做增量序列，只要$h_1=1$，任何增量序列都是可行的！不过不同的增量对算法的影响可能差距很大。例如：$h_1 = 1,h_2=3,h_3=5$是一个增量序列。
$h_k$排序：每次使用增量序列中的一个增量$h_k$进行排序之后，对于每一个$i$，我们都有$a[i]\leq a[i+h_k]$，所有相隔$h_k$的元素都被排序。

1.2 过程

$h_k$排序的一般做法：将$h_k,h_k+1,…,N-1$中的每一个位置$i$，把其上的元素放到$i，i-h_k,i-2h_k,…$中的正确位置。其实可以看出这就是在插入排序的基础上进行分组。

插入排序：https://www.cnblogs.com/dhcao/p/10693286.html

图解（增量序列：$h_1 = 1,h_2=3,h_3=5$，数组a=[81，94，11，96，12，35，17，95，28，58，41，75，15]）

过程描述

在$h_3=5$增量时。我们对a[5]以后的数字进行间距为5的插入排序，得到在间隔为5的所有元素都是已排序的。例如：a[0],a[5],a[10]是已排序的，a[1],a[6],a[11]是已排序的。
在$h1=1$增量时，相当于一次插入排序。所以说只要$h_1=1$，任何增量序列都是可行的！。

二、算法分析

我们知道，希尔排序的关键点在与增量序列，不同的增量序列对排序的效率将有不同的影响，我们总是期望选择一个增量序列，它拥有最好的时间函数。

选择增量序列，是希尔排序最最最重要的，也是从算法开始到现在，都没有得出最好结论的，我们永远不知道有没有一个增量序列比我们已知最好的还要好。但是我们可以分析出不同的增量得到的上界和下界，并由分析推荐几个合适的增量序列。

2.1 希尔增量序列

由Shell提出的一个序列：$h_t=\left \lfloor N/2 \right \rfloor $ 和 $h_k=\left \lfloor h_{k+1}/2 \right \rfloor $。这个序列的性能不算最好，是最开始提出的序列之一。我们很容易给出它的Java实现：

$h_t=\left \lfloor N/2 \right \rfloor $ 的含义：$h_t $ 的取值为比 $N/2$ 小的最大整数。

同理：$\lceil N/2 \rceil$的取值为比$N/2$大的最小整数

/**
     * 希尔排序。
     * 增量序列：N/2，N/4 ....
     *
     * @param a
     * @param <T>
     */
    public static <T extends Comparable<? super T>> void shellsort(T[] a) {

        int j;

        for (int gap = a.length / 2; gap > 0; gap /= 2) { // 增量序列

            // 每个序列排序过程
            for (int i = gap; i < a.length; i++) {
                T tmp = a[i];
                for (j = i; j >= gap && tmp.compareTo(a[j - gap]) < 0; j -= gap) {
                    a[j] = a[j - gap];
                }

                a[j] = tmp;
            }
        }
    }

希尔增量时，希尔排序的最坏情形运行时间为$\Theta(N^2)$

这个时间将很容易证明，我们需要分2步。

首先给出最坏情形的一个数组。
对这个数组用希尔增量序列进行分析，分析过程如上文第一张图。

我们假设有这样一个数组a={1，9，2，10，3，11，4，12，5，13，6，14，7，15，8，16}。这个数组看上去只是奇怪，但是构造这样的数组，对于希尔增量来说，将会很麻烦。因为希尔增量的取值为$N/2$并不断二分。我们可以给出这个数组的增量序列为$h_4=8,h_3=4,h_2=2,h_1=1$。

我们首先证明下界$\Omega(N^2)$（其实这个下界适用于多种排序，可以单独拿出来证明，而不限于希尔排序）。如果走一遍上面的增量序列，我们可以对每个要比较移动的数字，进行判断。对于15，我们只需要移动1次到倒数第二，14需要移动2次到倒数第三，13需要移动3次到倒数第四，…，数字9需要移动7次。统计需要次数：1+2+3+…+7 = 28。所以总的次数：$\sum\limits_{i=1}^{N/2} i-1=\Omega(N^2)$。

我们再说明上界$O(N^2)$。我们前面在分析增量为$h_k$的一趟排序时不断提到插入排序，而且希尔排序确实基于这样一个事实：带有增量$h_k$的一趟排序由$h_k$次关于$N/h_k$个元素的插入排序组成。由于插入排序的界是已知的二次界。所以每趟排序的开销$O(h_k(N/h_k)^2)$。求和得到：
\[O(\sum_{i=1}^{t}N^2/h_i)\\ =O(N^2\sum_{i=1}^{t}1/h_i)\\ \mbox{我们已知：}\sum_{i=1}^{t}1/h_i \mbox{ 中，增量是一个几何级数,例如上例，h1=1，h2=2，h3=4，h4=8}\\ \sum_{i=1}^{t}1/h_i 是一个公比为2的几何级数，而且最大项h_1 = 1。所以\sum_{i=1}^{t}1/h_i<2。\\ O(N^2\sum_{i=1}^{t}1/h_i) 表示为：O(N^2)\]
所以希尔增量得到的希尔排序时间界为$\Theta(N^2)$。