《算法导论》阅读笔记——插入排序

今天读了《算法导论》，趁晚上有些许空闲时间做一下读书笔记。

插入排序

        排序问题是算法题中非常重要又基础的部分，完成排序有许多算法，冒泡排序，桶排序，插入排序，快速排序等等。以下我写一些我对插入排序的一些理解和提供伪代码。

插入排序思想

        对于少量元素的排序，插入排序是一个有效的算法，插入排序的工作方式，像许多人排序一手扑克牌。开始时，我们的左手为空并且桌子上的牌面向下。然后，我们每次从桌子上拿走一张牌并将它插入左手中正确的位置。为了找到一张牌的正确位置，我们从右到左将它与已在手中的每张牌进行比较，拿在左手上的牌总是排序好的，原来这些牌时桌子上牌堆中顶部的牌。

插入排序伪代码

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

        在上面的伪代码中，我们并没有完全依照“从桌子上拿牌放到左手上进行排序”的步骤，而是“所有未排序的牌都在手上”。其中，A表示输入数组，在初始时，A中的所有元素均未排序。A.length表示A的长度，key表示本次循环中选中需要插入排序的元素。

        在第2行代码，我们将 A[j] 中的元素放入到 key 中。因为 A 数组是一个变化的数组，在不断插入排序的过程中，数组的每一个元素都有可能发生改变，一旦我们没有存放当前元素，在下面的步骤中，我们移动元素时可能就会将当前元素覆盖掉，我们就丢失了当前元素是什么了。

        在第4行代码，我们将 i = j - 1，目的是让当前需要排序的元素与之前已经排序好的元素进行对比，即 key (= A[j] )与 A[i] 进行比较大小，然后按照升序降序的需要来完成特定的插入操作。

        在5~7行代码，我们先来看 while 循环的条件，while 循环中有 2 个条件，一个是 i > 0 ，另一个是  A[i] > key ，并且为与关系。A[i]>key 很好理解，因为我们是升序，所以当前一个元素比我当前元素要大，那么我就要把我的元素插入到前面去，那为什么需要 i > 0呢？因为我们是将当前元素与前面元素进行对比，但我们的循环并不能一直往前走，当一直比较到第一个元素（即目前已排序好的序列中的最小元素）时，就无法再往前比较了。A[i+1] = A[j] ，当确认我的当前元素比前一个元素小时，那么就需要把前一个元素往后移，这样我的当前元素才能插入。 i = i -1，下一次循环对比更前面一个元素。

        在第8行代码，A[i+1] = key 在空出来的位置中放入当前元素。 

        如果还是不太理解的话，可以看一下下面这副图片，用图片的方式形式化地表现了插入排序的过程。

 

 分析算法

        我们在考察一个算法的优劣程度时，有一个重要的度量——计算时间。我们往往集中于只求最坏情况运行时间，即对规模为n的任何输入，算法的最长运行时间。

        在上面的插入排序算法的伪代码中，我们很容易看出，算法包含了两个循环，第一个 for 循环一共需要循环 n-1 次（循环从 j=2 开始），但这个 for 循环中还包含了一个 while 循环，当输入情况是最坏情况（即反序）时，我们每次 while 都需要将当前位置的元素调到最前面。此时，我们可以列出最坏情况下的运行时间：

        显然，它是一个 n 的二次函数，在这里的系数c是指计算机在做每一步指令时所需要花费的时间，我们一般把它看成一个常数。

        增长量级

        我们很多时候在分析算法的时间复杂度时，一般只分析最坏情况下的运行时间，除此之外，我们一般指用一种更简化的抽象，即我们真正感兴趣的运行时间的增长率或增长量级。所以我们只考虑公式中最重要的项，在上述公式中，最重要的项就是指数最大的项，因为当 n 十分巨大时，相比于指数最大的项，其它项对于时间消耗的影响就没有那么大了。其中，该项的系数对时间消耗的影响也很小，也可以省略。所以，我们记插入排序具有最坏运行时间