跳转至

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」的思想:选定数组的某个元素为基准数 base ,将 base 与其左边的元素依次对比大小,并 “插入” 到正确位置。

然而,由于数组在内存中的存储方式是连续的,我们无法直接把 base 插入到目标位置,而是需要将从目标位置到 base 之间的所有元素向右移动一位(本质上是一次数组插入操作)。

insertion_operation

Fig. 插入操作

算法流程

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

insertion_sort

Fig. 插入排序流程

insertion_sort.java
/* 插入排序 */
void insertionSort(int[] nums) {
    // 外循环:base = nums[1], nums[2], ..., nums[n-1]
    for (int i = 1; i < nums.length; 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) {
            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
    }
}
insertion_sort.cpp
/* 插入排序 */
void insertionSort(vector<int>& nums) {
    // 外循环:base = nums[1], nums[2], ..., nums[n-1]
    for (int i = 1; i < nums.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) {
            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
    }
}
insertion_sort.py
""" 插入排序 """
def insertion_sort(nums):
    # 外循环:base = nums[1], nums[2], ..., nums[n-1]
    for i in range(1, len(nums)):
        base = nums[i]
        j = i - 1
        # 内循环:将 base 插入到左边的正确位置
        while j >= 0 and nums[j] > base:
            nums[j + 1] = nums[j]  # 1. 将 nums[j] 向右移动一位
            j -= 1
        nums[j + 1] = base         # 2. 将 base 赋值到正确位置
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
    }
}
insertion_sort.js
/* 插入排序 */
function insertionSort(nums) {
    // 外循环:base = nums[1], nums[2], ..., nums[n-1]
    for (let i = 1; i < nums.length; i++) {
        let 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) {
            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
    }
}
insertion_sort.ts
/* 插入排序 */
function insertionSort(nums: number[]): void {
    // 外循环:base = nums[1], nums[2], ..., nums[n-1]
    for (let i = 1; i < nums.length; i++) {
        const base = nums[i];
        let j = i - 1;
        // 内循环:将 base 插入到左边的正确位置
        while (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
    }
}
insertion_sort.c

insertion_sort.cs

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 \(O(n)\)

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。