Java排序算法 希尔排序

希尔排序(缩小增量法) 属于插入类排序,是将整个无序列分割成若干小的子序列分别进行插入排序。希尔排序并不稳定，O(1)的额外空间，时间复杂度为O(N*(logN)^2)。最坏的情况下的执行效率和在平均情况下的执行效率相比相差不多。

基本思想：

先取一个小于n的整数d1作为第一个增量，把文件的全部记录分成d1个组。所有距离为d1的倍数的记录放在同一个组中。先在各组内进行直接插入排序；然后，取第二个增量d2<d1重复上述的分组和排序，直至所取的增量dt=1(dt<dt-l<…<d2<d1)，即所有记录放在同一组中进行直接插入排序为止。

代码实现：

1. public class Test {   
2. public static int[] a = { 10, 32, 1, 9, 5, 7, 12, 0, 4, 3 }; // 预设数据数组   
3. public static void main(String args[]) {   
4. int i; // 循环计数变量   
5. int Index = a.length;// 数据索引变量   
6. System.out.print("排序前: ");   
7. for (i = 0; i &lt; Index - 1; i++)   
8. System.out.printf("%3s ", a);   
9. System.out.println("");   
10. ShellSort(Index - 1); // 选择排序   
11. // 排序后结果   
12. System.out.print("排序后: ");   
13. for (i = 0; i &lt; Index - 1; i++)   
14. System.out.printf("%3s ", a);   
15. System.out.println("");   
16. }   
17. public static void ShellSort(int Index) {   
18. int i, j, k; // 循环计数变量   
19. int Temp; // 暂存变量   
20. boolean Change; // 数据是否改变   
21. int DataLength; // 分割集合的间隔长度   
22. int Pointer; // 进行处理的位置   
23. DataLength = (int) Index / 2; // 初始集合间隔长度   
24. while (DataLength != 0) // 数列仍可进行分割   
25. {   
26. // 对各个集合进行处理   
27. for (j = DataLength; j &lt; Index; j++) {   
28. Change = false;   
29. Temp = a[j]; // 暂存Data[j]的值,待交换值时用   
30. Pointer = j - DataLength; // 计算进行处理的位置   
31. // 进行集合内数值的比较与交换值   
32. while (Temp &lt; a[Pointer] && Pointer >= 0 && Pointer &lt;= Index) {   
33. a[Pointer + DataLength] = a[Pointer];   
34. // 计算下一个欲进行处理的位置   
35. PointerPointer = Pointer - DataLength;   
36. Change = true;   
37. if (Pointer &lt; 0 || Pointer > Index)   
38. break;   
39. }   
40. // 与最后的数值交换   
41. a[Pointer + DataLength] = Temp;   
42. if (Change) {   
43. // 打印目前排序结果   
44. System.out.print("排序中: ");   
45. for (k = 0; k &lt; Index; k++)   
46. System.out.printf("%3s ", a[k]);   
47. System.out.println("");   
48. }   
49. }   
50. DataLengthDataLength = DataLength / 2; // 计算下次分割的间隔长度   
51. }   
52. }   
53. } 

希尔排序几乎没有最坏情况，无论是正序、逆序、乱序，所用时间都不是很多，附加储存是O(1)，的确非常不错。在没搞清楚快速排序、堆排序之前，它的确是个很好的选择。希望能给你带来帮助。