---

前言

前面我们学习了直接插入排序，我们可知道一个特点：当插排接近有序时，会非常的高效 。因此希尔研究出的希尔排序，令插排前面的数据更接近有序，就更高效。效率远超预期。

---

一、希尔排序的演示图例

---

二、希尔排序：插入排序的优化版本

希尔排序（Shell Sort）是一种排序算法，由美国计算机科学家Donald Shell于1959年提出。希尔排序是插入排序的一种改进版本，Shell从插入排序中感悟到了插入排序只要保持 要调整待插入的数据的前面的数据越有序，排序的效率就越高，旨在减少插入排序的交换操作和比较次数，从而提高排序效率。这个算法的名字是以发明者的名字命名的，虽然它也被称为 “递减增量排序” 。

---

☆三、核心算法思路

希尔排序法 又称 缩小增量法 。

• 基本思路：
  先选定一个整数 gap（间距），把待排序文件中所有记录分成gap个组，所有距离为gap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gap=gap/2 或 gap=gap/3+1 ( 增量逐渐递减 )，重复上述分组和排序的工作。当gap到达=1时，所有记录在统一组内排好序（=插入排序）。

旨在通过 将间距为gap的数据之间的插入排序
将大的数据通过 间距gap的插入排序 更快的甩到后面去，小的数据甩到前面来
使待排序的序列在gap增量递减到1之前 [也就是在真正的插入排序之前] ，使数据更接近有序，让最后一次gap==1时的插入排序实现高效排序。

---

四、算法思路步骤

（一）预排序 gap>1

1. 分组排，间距为 gap 的数据都分为一组 ，共有 gap 组（gap的间隔中，就是分好的组数）
2. 间距为 gap 的数据都分为一组，每组数据进行单趟间距为gap的插入排序。（和插入排序的思路一样，但能让大的数据通过间距gap更快的甩到后面去，小的数据更快的到前面来）
3. 增量递减 gap=gap/2 或 gap=gap/3+1（一般取这个） [ gap随n变化 ]，进行多次预排序【gap递减的幅度也是有讲究的，请看下文 】
4. gap越大，跳的越快，越不接近有序；gap越小越慢，越接近有序一点。

多次预排的意义：让大的数据更快的到后面去，让小的数更快的到前面来。

（二）gap=1 插入排序 完成排序收尾

当 gap==1 时，就是插入排序。完成全部数据的排序。这时的数据已经非常接近有序了，这时的插入排序将会非常高效！

---

五、码源详解

（1）ShellSort1 —— gap组 轮完一组再接下一组

运用两层循环：

1. 外层循环控制轮到的组号
2. 内层循环控制一组内间隔为gap之间数据的比较

//希尔排序 —— 一组一组轮
void ShellSort(DataType* a, int n) {
	int gap = n;
	while (gap > 1) {
		//gap = gap / 2;
		gap = gap / 3 + 1;  //+1确保除到最后gap=1  //gap根据n的大小进行变化  //gap也能取n/2（最终除出来一定为1）

		//将 数组中 间隔为gap的数分为一组，共分为gap组，（间隔的数据中间的个数，便是所有已经分好的组数）
		//一组一组遍历
		for (int j = 0; j < gap; j++) {
			//每组进行遍历
			for (int i = j; i< n - gap; i += gap) {
				int end = i;
				int tmp = a[end + gap];            //先将要移的数先保存起来，前面发生挪动会将其覆盖
				while (end >= 0) {             //向前遍历完
					if (tmp < a[end]) {              //比tmp大就往后移
						a[end + gap] = a[end];
						end -= gap;                //再继续向前比较
					}
					else {
						break;
					}

					a[end + gap] = tmp;
				}
			}
		}
	}
}

注意：边界问题建议大家套值进去试，不容易出错。

（2）ShellSort2 —— 多组并排

一组排完第一个gap，就跳到另一组排另一组的第一个gap（每组都一部分一部分地排）

//希尔排序 —— 多组并排
void ShellSort(DataType* a, int n) {
	int gap = n;
	while (gap > 1) {
		
		//gap = gap / 2;      //gap也能取n/2（最终除出来一定为1）
		gap = gap / 3 + 1;    //+1确保除到最后gap=1  //gap根据n的大小进行变化  

		for (int i = 0; i < n - gap; i++) {
			int end = i;
			int tmp = a[end + gap];
			while (end >= 0) {
				if (tmp < a[end]) {
					a[end + gap] = a[end];
					end -= gap;      //希尔排序的本质还是插入排序（end从前往后，每个end都向前遍历一次，遍历与其间隔gap的数），只不过是先通过gap分组来排出个相对有序，然后实现更高效的插入排序
				}
				else {
					break;
				}
				a[end + gap] = tmp;   //若发生了值的交换， end-=gap后 再加上gap 就是现在end的位置，就是将小的tmp值换到现在end的位置
									  //若当前没有发生值的交换，则让tmp储存下一个相距gap的值 a[end+gap]，让下一个值再进行 向前比较遍历
			}
		}
	}
}

---

【关于gap幅度的选择】

《数据结构-用面相对象方法与C++描述》— 殷人昆

gap越大，跳的越快，越不接近有序，gap越大能让大和小数据更快地到两边。
gap越小越慢，越接近有序一点。

相比之下，gap=gap / 3 + 1 是比较适合的大小

int gap = n;
	while (gap > 1) {
		//gap = gap / 2;
		gap = gap / 3 + 1;  //+1确保除到最后gap=1  //gap根据n的大小进行变化  //gap也能取n/2（最终除出来一定为1）

---

六、效率分析

（1）时间复杂度 O（N^ 1.3）（和O（NlogN）是一个量级的，可能O（N^ 1.3）会略差于O（NlogN））

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)到 O(1.6* n^1.25) 来算。

结论：O（N^ 1.3）
以 gap=N / 3 为例，有N/3组数据，每组里有3个数据进行比较，每组比3次 => 一个gap 比较（N/3 * 3 = N）次，但其中并不是都要交换 => N^2 => N^1.3 (N*logN).

稳定性：不稳定

呈如图这样的趋势：先增大，中间性能增大，再回复到小。

是个数学问题 " 复变函数 "
图中的变化参数 大概为 log2 N（底数为2）

---