算法原理
希尔排序是一种基于插入排序的排序算法，也被称为缩小增量排序。它通过将待排序的序列分割成若干个子序列，对每个子序列进行插入排序，然后逐步缩小增量，最终使整个序列有序。
算法描述
希尔排序（Shell Sort）是一种基于插入排序的算法，由Donald Shell于1959年提出。它是插入排序的一种更高效的改进版本。希尔排序的核心思想是将原始数据分成多个子序列，先对每个子序列进行插入排序，然后逐步减少子序列的数量，最终对整个数据序列进行插入排序。
这个算法的关键特点是其间隔序列的选择，即每次排序时元素之间的间隔。开始时，间隔较大，随着算法的进行，间隔逐渐减小，最后间隔为1，即普通的插入排序。通过这种方式，希尔排序可以快速减少大量的初期乱序，从而提高排序效率。
希尔排序的步骤如下：
-
选择合适的间隔序列：最初的版本使用序列长度的一半作为第一个间隔，然后逐步减半，直到间隔为1。现代版本可能会使用不同的间隔序列。
-
分组并排序：按照当前间隔将数组分为多个子序列，独立地对每个子序列应用插入排序。
-
减少间隔并重复：减少间隔大小，重复上述过程，直到间隔减至1。
-
最终排序：当间隔减至1时，进行一次标准的插入排序，此时由于序列已经部分排序，这一步骤会非常快。
动画演示
代码实现
public static void shellSort(int arr[]) {
int n = arr.length;
//设置排序的间隔（gap）。
//初始间隔设置为数组长度的一半，每次循环后间隔减半。
//循环继续直到间隔减至0。
for (int gap = n / 2; gap > 0; gap /= 2) {
//内层循环从gap开始，对数组进行遍历。
for (int i = gap; i < n; i += 1) {
int temp = arr[i];//存储当前元素的值。
int j;//用于后续的内嵌循环，用于比较和交换元素。
//此循环用于将较大的元素向右移动。
//当j大于等于gap且arr[j - gap]（当前元素的前一个间隔位置的元素）大于temp（当前元素）时，将arr[j - gap]向右移动到arr[j]的位置。
for (j = i; j >= gap && arr[j - gap] > temp; j -= gap) {
arr[j] = arr[j - gap];
}
//此处的j 是上面循环 j -= gap 后的。
arr[j] = temp;
}
}
}
算法复杂度
| 时间复杂度（最坏） | 时间复杂度（最好） | 时间复杂度（平均） | 空间复杂度 | 稳定性 |
|---|---|---|---|---|
| O(n^2) | O(nlogn) | O(n^1.5) | O(1) | 不稳定 |
- 最好情况：O(nlogn)
- 平均情况：取决于间隔序列。对于原始的间隔序列（减半序列），平均时间复杂度为O(n^1.5)。
- 最坏情况：取决于间隔序列。对于某些不佳的间隔序列，最坏情况可以达到O(n^2)。
- 空间复杂度：O(1)。希尔排序是一种原地排序算法。
希尔排序的优化方式
<<<前方高能 量力而行>>>
希尔排序的性能在很大程度上依赖于间隔序列的选择。不同的间隔序列会导致算法的性能有显著差异。优化希尔排序通常涉及使用更有效的间隔序列，而不是初始版本中的简单递减序列（如数组长度的一半递减至1）。以下是几种常见的优化方法：
- 优化间隔序列
-
Hibbard序列：使用形式为 2^k - 1 的间隔，如 1, 3, 7, 15, 31, … 这样的序列可以使希尔排序达到大约 O(n^(3/2)) 的时间复杂度。
-
Sedgewick序列：这是一种更复杂的间隔序列，可以进一步优化性能。一个常见的Sedgewick序列是 1, 5, 19, 41, 109, …
-
Knuth序列：使用形式为 (3^k - 1) / 2 的间隔，如 1, 4, 13, 40, 121, …
这些序列都是试图在排序过程中更有效地打乱数组，从而避免某些特定情况下的糟糕性能。
- 动态间隔
一种更高级的优化是根据数组的特定特征动态选择间隔。这种方法通常适用于特定类型的数据或在需要极致优化时使用。
下面是一个使用Hibbard间隔序列的希尔排序的Java实现示例：
public static void sort(int[] arr) {
int n = arr.length;
int h = 1;
// 计算最大间隔
while ((h * 2) - 1 < n) {
h = h * 2;
}
h = h - 1;
// 希尔排序
while (h >= 1) {
for (int i = h; i < n; i++) {
int temp = arr[i];
int j;
for (j = i; j >= h && arr[j - h] > temp; j -= h) {
arr[j] = arr[j - h];
}
arr[j] = temp;
}
h = (h + 1) / 2 - 1; // 更新间隔为下一个较小的Hibbard数
}
}
这段代码首先计算最大的Hibbard间隔，然后在每次迭代中减小间隔，直到间隔为1。每个间隔都会对数组进行一轮希尔排序。这种使用Hibbard间隔的方法通常比简单的递减间隔方法表现得更好。
相关概念
• 稳定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面。
• 不稳定：如果a原本在b的前面，而a=b，排序之后 a 可能会出现在 b 的后面。
• 时间复杂度：对排序数据的总的操作次数。反映当n变化时，操作次数呈现什么规律。
• 空间复杂度：是指算法在计算机内执行时所需存储空间的度量，它也是数据规模n的函数。