程序员必须掌握的排序算法:希尔排序的原理与实现

简介: 程序员必须掌握的排序算法:希尔排序的原理与实现

📋 前言

希尔排序,不知道大家有没有感觉听起来都很吊吊的样子。事实也确实如此,希尔排序的性能在八大排序中某些特定情况是最强的,也是我们必学的高效算法之一。

一、什么是希尔排序

希尔排序,也称为缩小增量排序,是插入排序的一种高效改进版本也可以把它

  • 看做为插入排序的优化版

希尔排序法的基本思想是:先选定一个整数,把待排序文件中所有记录分成个组,所有距离为的记录分在同一组内,并对每一组内的记录进行排序。然后,取,重复上述分组和排序的工作。当到达=1时,所有记录在统一组内排好序

二、希尔排序的思想与实现

既然希尔排序是分组来实现的,那么这样做的好处呢?其实是因为每次分组跳着来进行选择排序,可以更快的吧大数调整到后面:

而插入排序却需要需要排 N*N 次才能找到最大值(最坏情况)

如上图当排的分组的区间为2的时候每次只需要排一次就可以达到全部有序了。

2.1 希尔排序的版本一

当我们看到分组的时候肯定大部分想的都是 定义一个 gap组然后再进行每次排序一直重复到 1 ;

  • 这里需要注意的是数据被分成了 gap组那么每次进行交换
  • 都需要间隔 gap 组

而被分成了 gap 组那么每次都需要排序gap次所以需要一个外循环

🍸 代码演示:

// 希尔排序
void ShellSort(int* a, int n)
{
  //方法一普通想法
  int gap = 3;
  for (int j = gap; j > 0; j--)
  {
    for (int i = j; i < n-j; i++)
    {
      int end = i;
      int tmp = a[end+j];
      while (end >= 0)
      {
        if (a[end] > tmp)
        {
          a[end + j] = a[end];
        }
        else
        {
          break;
        }
        end = end-j;
      }
      a[end + j] = tmp;
    }
  }
}

以上就是普通实现的希尔排序的代码了,而第二组排序的时候就是从第二个数据开始了:

  • 所以 i = j, 而每次需要跨越 gap 个数据

2.2 希尔排序的优化版本

但是上述代码有很大的局限性,希尔排序在排序每次 需要的 gap 分组都不一样:

  • 一般我们是采用 gap = n/2
  • 优化一下也可以写成 gap = n/3 +1

gap = n/3 +1 为什么要+1 呢因为当时候 2/3 的时候编译器回默认为 0 ,但我们这次还需要再排序一次数据所以需要+1;

🍸 代码演示:

void ShellSort(int* a, int n)
{
  int gap = n;
  while (gap > 1)
  {
    gap = gap / 3 + 1;
    for (int i = 0; i < n - gap; i++)
    {
      int end = i;
      int tmp = a[end + gap];
      while (end >= 0)
      {
        if (a[end] > tmp)
        {
          a[end + gap] = a[end];
          end -= gap;
        }
        else
        {
          break;
        }
      }
      a[end + gap] = tmp;
    }
  }
}

二、希尔排序的性能

希尔排序的特性总结:

  1. 希尔排序是对直接插入排序的优化。
  2. 当gap > 1时都是预排序,目的是让数组更接近于有序。当gap == 1时,数组已经接近有序的了,这样就会很快。这样整体而言,可以达到优化的效果。我们实现后可以进行性能测试的对比。
  3. 希尔排序的时间复杂度不好计算,因为gap的取值方法很多,导致很难去计算,因此在好些树中给出的希尔排序的时间复杂度都不固定:

《数据结构(C语言版)》— 严蔚敏

《数据结构-用面相对象方法与C++描述》— 殷人昆

因为咋们的gap是按照Knuth提出的方式取值的,而且Knuth进行了大量的试验统计,我们暂时就按照:O ( n 1.25 ) O(n^{1.25})O(n1.25)O ( 1.6 ∗ n 1.25 ) O(1.6*n^{1.25})O(1.6n1.25)来算。

  1. 稳定性:不稳定
目录
相关文章
|
19天前
|
算法 数据可视化
【视频】Copula算法原理和R语言股市收益率相依性可视化分析-3
【视频】Copula算法原理和R语言股市收益率相依性可视化分析
|
18天前
|
算法 数据可视化
【视频】Copula算法原理和R语言股市收益率相依性可视化分析(下)
【视频】Copula算法原理和R语言股市收益率相依性可视化分析
|
1天前
|
负载均衡 算法 调度
负载均衡原理及算法
负载均衡原理及算法
7 1
|
1天前
|
算法 搜索推荐 程序员
程序员常用的几种算法
程序员常用的几种算法
5 0
|
4天前
|
Arthas 监控 算法
JVM工作原理与实战(二十五):堆的垃圾回收-垃圾回收算法
JVM作为Java程序的运行环境,其负责解释和执行字节码,管理内存,确保安全,支持多线程和提供性能监控工具,以及确保程序的跨平台运行。本文主要介绍了垃圾回收算法评价标准、标记清除算法、复制算法、标记整理算法、分代垃圾回收算法等内容。
18 0
JVM工作原理与实战(二十五):堆的垃圾回收-垃圾回收算法
|
5天前
|
算法 前端开发 搜索推荐
前端算法之希尔排序
前端算法之希尔排序
4 0
|
9天前
|
机器学习/深度学习 自然语言处理 算法
机器学习算法原理与应用:深入探索与实战
【5月更文挑战第2天】本文深入探讨机器学习算法原理,包括监督学习(如线性回归、SVM、神经网络)、非监督学习(聚类、PCA)和强化学习。通过案例展示了机器学习在图像识别(CNN)、自然语言处理(RNN/LSTM)和推荐系统(协同过滤)的应用。随着技术发展,机器学习正广泛影响各领域,但也带来隐私和算法偏见问题,需关注解决。
|
11天前
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】层次聚类算法的原理与应用
【4月更文挑战第30天】层次聚类是数据挖掘中的聚类技术,无需预设簇数量,能生成数据的层次结构。分为凝聚(自下而上)和分裂(自上而下)两类,常用凝聚层次聚类有最短/最长距离、群集平均和Ward方法。优点是自动确定簇数、提供层次结构,适合小到中型数据集;缺点是计算成本高、过程不可逆且对异常值敏感。在Python中可使用`scipy.cluster.hierarchy`进行实现。尽管有局限,层次聚类仍是各领域强大的分析工具。
|
11天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习算法的原理与应用
【4月更文挑战第30天】集成学习通过组合多个基学习器提升预测准确性,广泛应用于分类、回归等问题。主要步骤包括生成基学习器、训练和结合预测结果。算法类型有Bagging(如随机森林)、Boosting(如AdaBoost)和Stacking。Python中可使用scikit-learn实现,如示例代码展示的随机森林分类。集成学习能降低模型方差,缓解过拟合,提高预测性能。
|
12天前
|
机器学习/深度学习 算法 数据挖掘
【视频】支持向量机算法原理和Python用户流失数据挖掘SVM实例(下)
【视频】支持向量机算法原理和Python用户流失数据挖掘SVM实例(下)