插入排序算法的实现和优化~

简介: 插入排序算法的实现和优化~

插入排序的基本思想:

在一个已排好序的记录子集的基础上,每一步将下一个待排序的记录有序插入到已排好序的记录子集中,直到将所有待排记录全部插入为止

直接插入排序

直接插入排序是一种最基本的插入排序方法,元素的插入和排序同时进行,其基本操作为,如下图所示:


文字描述(以升序为例):

1:将数组分为两个区域,排序区域和未排序区域,每一轮从未排序区域中取出第一个元素,插入到排序区域(需保证顺序)

2:重复以上步骤,直到整个数组有序

package bin_find;
import java.util.Arrays;
public class Insert_sort {
    public static void main(String[] args) {
        int arr[]={3,1,29,4,8,10,71,22};
        sort(arr);
    }
    public static void sort(int arr[]){
        //起初将数组的第一个元素视为有序区域,剩下元素即为无序区域,因此无序区域应为下标为1的元素
        for(int i=1;i<arr.length;i++){
            //暂存区域的元素始终为无序区域的第一个元素
            int t=arr[i];
            //j始终为有序区域的最后一个元素下标
            int j=i-1;
            //该循环完成的是比较+移动的操作,循环次数为比较次数,也就是有序数组的长度
            while(j>=0){
                //当暂存区域元素小于有序区域的最后一个元素时
                if(t<arr[j]){
                    //将有序区域的元素向后移动一位
                    arr[j+1]=arr[j];
                }
                //否则本轮排序结束
                else{
                    break;
                }
                j--;//表示将暂存区域的元素与有序区域的元素一一进行比较,直到比较完有序区域的第一个元素
            }
            arr[j+1]=t;//将元素插入对应的位置
            System.out.println("第"+i+"趟插入排序的结果为:"+Arrays.toString(arr));
        }
    }
}

输出如下:

第1趟插入排序的结果为:[1, 3, 29, 4, 8, 10, 71, 22]
第2趟插入排序的结果为:[1, 3, 29, 4, 8, 10, 71, 22]
第3趟插入排序的结果为:[1, 3, 4, 29, 8, 10, 71, 22]
第4趟插入排序的结果为:[1, 3, 4, 8, 29, 10, 71, 22]
第5趟插入排序的结果为:[1, 3, 4, 8, 10, 29, 71, 22]
第6趟插入排序的结果为:[1, 3, 4, 8, 10, 29, 71, 22]
第7趟插入排序的结果为:[1, 3, 4, 8, 10, 22, 29, 71]

优化方式:

1.待插入元素进行比较时,遇到比自己小的元素,就代表找到了插入位置,直接循环退出,无需进行后续比较

2.插入时可以直接移动元素,而不是交换元素

选择排序比较:

1:二者平均时间复杂度都是 0(n^2)
2:大部分情况下,插入都略优于选择
3:有序集合插入的时间复杂度为 0(n)
4:插入属于稳定排序算法,而选择属于不稳定排序

上述的选择排序并不是最优的,当某些元素从起始位置移动到最终位置需要移动的次数过多时,这会很麻烦,如下所示:

假设我们需要将下述的无序数组通过插入排序使之成为有序数组,那么元素9会移动7次!

对于这种情况,我们可以使用希尔排序!

希尔排序:[掌握思路]

步骤:

以上述实例为例进行:

第一步:选择间距为4的元素进行插入排序

排序后的结果为:


第2步:选择间距为2的元素进行插入排序

排序后的结果为:

第3步:选择间距为1的元素进行插入排序,也就是普通的插入排序,排序结果如下:


使用希尔排序,我们通过上述步骤,可以看出元素9只移动了3次

对于间隙的选择是多种多样的,不同的队列选择它的时间复杂度也是不同的,这里我们主要学习它的思路

练习题:

one:


答案为:9,18,19,23,23,15

two:

答案为:9,15,18,19,23,23

相关文章
|
10天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
10天前
|
人工智能 算法 大数据
Linux内核中的调度算法演变:从O(1)到CFS的优化之旅###
本文深入探讨了Linux操作系统内核中进程调度算法的发展历程,聚焦于O(1)调度器向完全公平调度器(CFS)的转变。不同于传统摘要对研究背景、方法、结果和结论的概述,本文创新性地采用“技术演进时间线”的形式,简明扼要地勾勒出这一转变背后的关键技术里程碑,旨在为读者提供一个清晰的历史脉络,引领其深入了解Linux调度机制的革新之路。 ###
|
21天前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
20天前
|
存储 缓存 算法
优化轮询算法以提高资源分配的效率
【10月更文挑战第13天】通过以上这些优化措施,可以在一定程度上提高轮询算法的资源分配效率,使其更好地适应不同的应用场景和需求。但需要注意的是,优化策略的选择和实施需要根据具体情况进行详细的分析和评估,以确保优化效果的最大化。
|
21天前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。
|
21天前
|
存储 缓存 算法
前端算法:优化与实战技巧的深度探索
【10月更文挑战第21天】前端算法:优化与实战技巧的深度探索
18 1
|
22天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。
|
22天前
|
数据采集 缓存 算法
算法优化的常见策略有哪些
【10月更文挑战第20天】算法优化的常见策略有哪些
|
22天前
|
缓存 分布式计算 监控
算法优化:提升程序性能的艺术
【10月更文挑战第20天】算法优化:提升程序性能的艺术
|
22天前
|
缓存 分布式计算 监控
优化算法和代码需要注意什么
【10月更文挑战第20天】优化算法和代码需要注意什么
16 0