算法04-希尔排序

希尔排序(Shell Sort)

希尔排序是插入排序的改进版,通过分组插入排序 的方式逐步缩小分组间隔,最终完成整个数组的排序。它的核心思想是让数组中任意间隔为h的元素有序,随着h的减小,数组逐渐趋于全局有序。


算法原理

  1. 分组插入排序

    • 选择一个增量序列(例如 h = n/2, n/4, ..., 1),将数组分成若干子数组,每个子数组包含间隔为h的元素。
    • 对每个子数组进行插入排序。
  2. 逐步缩小增量

    • 每次缩小增量h,重复分组和插入排序的过程,直到h=1。
    • 当h=1时,整个数组被当作一个子数组进行插入排序,此时数组已经基本有序,插入排序的效率很高。

算法步骤

  1. 选择一个增量序列(例如 h = n/2, n/4, ..., 1)。
  2. 对于每个增量h:
    • 将数组分成若干子数组,每个子数组包含间隔为h的元素。
    • 对每个子数组进行插入排序。
  3. 重复上述步骤,直到h=1,完成最后一次插入排序。

示例

假设数组为 [8, 3, 5, 1, 4, 7, 6, 2],增量序列为 [4, 2, 1]

第1轮(h=4):

  • 将数组分成4个子数组:
    • 子数组1:[8, 4]
    • 子数组2:[3, 7]
    • 子数组3:[5, 6]
    • 子数组4:[1, 2]
  • 对每个子数组进行插入排序:
    • 子数组1:[4, 8]
    • 子数组2:[3, 7]
    • 子数组3:[5, 6]
    • 子数组4:[1, 2]
  • 排序后的数组:[4, 3, 5, 1, 8, 7, 6, 2]

第2轮(h=2):

  • 将数组分成2个子数组:
    • 子数组1:[4, 5, 8, 6]
    • 子数组2:[3, 1, 7, 2]
  • 对每个子数组进行插入排序:
    • 子数组1:[4, 5, 6, 8]
    • 子数组2:[1, 2, 3, 7]
  • 排序后的数组:[4, 1, 5, 2, 6, 3, 8, 7]

第3轮(h=1):

  • 将整个数组当作一个子数组进行插入排序:
    • 排序后的数组:[1, 2, 3, 4, 5, 6, 7, 8]

代码实现

python 复制代码
def shell_sort(arr):
    n = len(arr)
    # 初始增量h
    h = n // 2
    while h > 0:
        # 对每个子数组进行插入排序
        for i in range(h, n):
            temp = arr[i]
            j = i
            # 插入排序的核心逻辑
            while j >= h and arr[j - h] > temp:
                arr[j] = arr[j - h]
                j -= h
            arr[j] = temp
        # 缩小增量
        h //= 2
    return arr

# 示例
arr = [8, 3, 5, 1, 4, 7, 6, 2]
print(shell_sort(arr))  # 输出: [1, 2, 3, 4, 5, 6, 7, 8]

时间复杂度

  • 最好情况:O(n log n)(当数组已经有序时)

  • 最坏情况:O(n²)(取决于增量序列的选择)

  • 平均情况:O(n log n) ~ O(n²)

空间复杂度

  • O(1)(原地排序)

稳定性

  • 不稳定(相同元素可能被分到不同的子数组,导致相对顺序改变)

优缺点

优点:

  • 比插入排序更快,尤其是对中等规模的数据。

  • 实现简单,代码量少。

缺点:

  • 时间复杂度依赖于增量序列的选择。

  • 不稳定。


适用场景

  • 中等规模的数据排序。

  • 对稳定性要求不高的场景。

总结

  • 希尔排序通过分组插入排序的方式,逐步缩小增量,最终完成排序。
    它的时间复杂度介于O(n log n)和O(n²)之间,适合中等规模的数据排序。
    虽然不稳定,但在实际应用中表现良好。

© 著作权归作者所有

相关推荐
风逸hhh13 分钟前
python打卡day58@浙大疏锦行
开发语言·python
烛阴1 小时前
一文搞懂 Python 闭包:让你的代码瞬间“高级”起来!
前端·python
JosieBook1 小时前
【Java编程动手学】Java中的数组与集合
java·开发语言·python
Gyoku Mint2 小时前
深度学习×第4卷:Pytorch实战——她第一次用张量去拟合你的轨迹
人工智能·pytorch·python·深度学习·神经网络·算法·聚类
葫三生3 小时前
如何评价《论三生原理》在科技界的地位?
人工智能·算法·机器学习·数学建模·量子计算
拓端研究室5 小时前
视频讲解:门槛效应模型Threshold Effect分析数字金融指数与消费结构数据
前端·算法
随缘而动,随遇而安7 小时前
第八十八篇 大数据中的递归算法:从俄罗斯套娃到分布式计算的奇妙之旅
大数据·数据结构·算法
郭庆汝8 小时前
pytorch、torchvision与python版本对应关系
人工智能·pytorch·python
IT古董8 小时前
【第二章:机器学习与神经网络概述】03.类算法理论与实践-(3)决策树分类器
神经网络·算法·机器学习
水木兰亭11 小时前
数据结构之——树及树的存储
数据结构·c++·学习·算法