4.7 KiB

Raw Blame History Unescape Escape

comments
true

11.3. 插入排序

「插入排序 Insertion Sort」是一种基于 数组插入操作 的排序算法。

「插入操作」原理：选定某个待排序元素为基准数 base，将 base 与其左侧已排序区间元素依次对比大小，并插入到正确位置。

回忆数组插入操作，我们需要将从目标索引到 base 之间的所有元素向右移动一位，然后再将 base 赋值给目标索引。

Fig. 插入操作

11.3.1. 算法流程

第 1 轮先选取数组的 第 2 个元素 为 base ，执行「插入操作」后，数组前 2 个元素已完成排序。
第 2 轮选取 第 3 个元素 为 base ，执行「插入操作」后，数组前 3 个元素已完成排序。
以此类推……最后一轮选取 数组尾元素 为 base ，执行「插入操作」后，所有元素已完成排序。

Fig. 插入排序流程

=== "Java"

```java title="insertion_sort.java"
[class]{insertion_sort}-[func]{insertionSort}
```

=== "C++"

```cpp title="insertion_sort.cpp"
[class]{}-[func]{insertionSort}
```

=== "Python"

```python title="insertion_sort.py"
[class]{}-[func]{insertion_sort}
```

=== "Go"

```go title="insertion_sort.go"
/* 插入排序 */
func insertionSort(nums []int) {
    // 外循环：待排序元素数量为 n-1, n-2, ..., 1
    for i := 1; i < len(nums); i++ {
        base := nums[i]
        j := i - 1
        // 内循环：将 base 插入到左边的正确位置
        for j >= 0 && nums[j] > base {
            nums[j+1] = nums[j]     // 1. 将 nums[j] 向右移动一位
            j--
        }
        nums[j+1] = base            // 2. 将 base 赋值到正确位置
    }
}
```

=== "JavaScript"

```javascript title="insertion_sort.js"
[class]{}-[func]{insertionSort}
```

=== "TypeScript"

```typescript title="insertion_sort.ts"
[class]{}-[func]{insertionSort}
```

=== "C"

```c title="insertion_sort.c"
/* 插入排序 */
void insertionSort(int nums[], int size) {
    // 外循环：base = nums[1], nums[2], ..., nums[n-1]
    for (int i = 1; i < size; i++)
    {
        int base = nums[i], j = i - 1;
        // 内循环：将 base 插入到左边的正确位置
        while (j >= 0 && nums[j] > base)
        {
            // 1. 将 nums[j] 向右移动一位
            nums[j + 1] = nums[j]; 
            j--;
        }
        // 2. 将 base 赋值到正确位置
        nums[j + 1] = base; 
    }
}
```

=== "C#"

```csharp title="insertion_sort.cs"
[class]{insertion_sort}-[func]{insertionSort}
```

=== "Swift"

```swift title="insertion_sort.swift"
[class]{}-[func]{insertionSort}
```

=== "Zig"

```zig title="insertion_sort.zig"

```

11.3.2. 算法特性

时间复杂度 O(n^2) ：最差情况下，各轮插入操作循环 n - 1 , n-2 , \cdots , 2 , 1 次，求和为 \frac{(n - 1) n}{2} ，使用 O(n^2) 时间。

空间复杂度 O(1) ：指针 i , j 使用常数大小的额外空间。

原地排序：指针变量仅使用常数大小额外空间。

稳定排序：不交换相等元素。

自适应排序：最佳情况下，时间复杂度为 O(n) 。

11.3.3. 插入排序 vs 冒泡排序

!!! question

虽然「插入排序」和「冒泡排序」的时间复杂度皆为 $O(n^2)$ ，但实际运行速度却有很大差别，这是为什么呢？

回顾复杂度分析，两个方法的循环次数都是 \frac{(n - 1) n}{2} 。但不同的是，「冒泡操作」是在做 元素交换，需要借助一个临时变量实现，共 3 个单元操作；而「插入操作」是在做赋值，只需 1 个单元操作；因此，可以粗略估计出冒泡排序的计算开销约为插入排序的 3 倍。

插入排序运行速度快，并且具有原地、稳定、自适应的优点，因此很受欢迎。实际上，包括 Java 在内的许多编程语言的排序库函数的实现都用到了插入排序。库函数的大致思路：

对于 长数组，采用基于分治的排序算法，例如「快速排序」，时间复杂度为 O(n \log n) ；
对于 短数组，直接使用「插入排序」，时间复杂度为 O(n^2) ；

在数组较短时，复杂度中的常数项（即每轮中的单元操作数量）占主导作用，此时插入排序运行地更快。这个现象与「线性查找」和「二分查找」的情况类似。

4.7 KiB Raw Blame History Unescape Escape

11.3. 插入排序

11.3.1. 算法流程

11.3.2. 算法特性

11.3.3. 插入排序 vs 冒泡排序

4.7 KiB

Raw Blame History Unescape Escape