Sorting 排序算法: Insertion Sort 插入排序
簡介
比较排序算法的时间复杂度理论极限是 O(n2),但是作为排序中非常通用,或是作为分治算法中的子历程,在确保数组长度足够小的情况下平均性能是要优于快速排序的,同时算法的简单性和易读性也适合作为排序算法的入门介绍。
參考
动图来源 | https://blog.csdn.net/mengmengdajuanjuan/article/details/83932933 |
正文
算法思想原理
输入
/* 传入参数 */
int[] A // 原数组(可以是任何类型的数据,这边使用 int 类型为示例)
/* 限制 */
int n // 数组长度
算法思想
如果在每轮迭代中把数组中的前 i(i = 0…n-1) 位视为已经完成排序的序列,则下一个数(num
)只要又后往前找到第一个比 num
小的数,将 num
插入到该数之后便完成第 i + 1 个数的插入
- 动图
算法流程
伪代码(参考:算法导论)
Insertion-Sort(A)
for j = 1 to A.length - 1
key = A[j]
i = j - 1
while i>= 0 and A[i] > key
A[i + 1] = A[i]
i = i - 1
A[i + 1] = key
算法的开始将第一个数(下标从零开始)视为已排序好的数组,每轮迭代中保存 A[j] 作为 key,i 指向前一位;如果前一位大于当前的数则向后移一位,最后将 key 插入到第一个小于等于它的数后面也就是在 A[i+1]的位置
算法复杂度分析
先说结论:
- 时间复杂度:O(n2)
- 空间复杂度:1 (额外空间复杂度,不考虑原数组的空间)
- 原址排序
- 稳定的
- 时间复杂度:O(n2)
外层循环 j 遍历整个数组,复杂度为 n;内层循环不一定,平均需要移动 j / 2 的距离复杂度也是 n;所以整个算法的复杂度为 O(n2)
- 空间复杂度:1
只是使用了常数个额外空间
- 原址排序
在原数组内部进行排序,属于原址排序
- 稳定的
由于交换的条件是前一个数要大于当前的数,所以对于一样大的两个值的相对位置不会改变,所以整个交换是稳定的。
Java 实现
InsertionSort.java
public class InsertionSort {
public static void sort(int[] A) {
for(int i=1 ; i < A.length ; i++) {
int num = A[i];
int p = i - 1;
while(p >= 0 && A[p] > num) {
A[p + 1] = A[p];
p--;
}
A[p + 1] = num;
}
}
}
InsertionSortTest.java
public class InsertionSortTest {
@Test
public void test_1() {
int[] A = new int[]{1,3,5,7,9,2,4,6,8,0};
int[] ans = new int[]{0,1,2,3,4,5,6,7,8,9};
System.out.println("origin: " + Arrays.toString(A));
InsertionSort.sort(A);
System.out.println("sorted: " + Arrays.toString(A));
assertArrayEquals(ans, A);
}
}
- 输出
origin: [1, 3, 5, 7, 9, 2, 4, 6, 8, 0]
sorted: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
結語
在大多数场景之下快速排序是通用场景下的排序算法首选,也是平均性能最好的。而排序算法作为平方时间复杂度的算法通常需要在特殊场景下、或是确保数组大小足够小时采用,才能保证算法的效率。