# 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」原理:选定某个待排序元素为基准数 `base`,将 `base` 与其左侧已排序区间元素依次对比大小,并插入到正确位置。 回忆数组插入操作,我们需要将从目标索引到 `base` 之间的所有元素向右移动一位,然后再将 `base` 赋值给目标索引。 ![单次插入操作](insertion_sort.assets/insertion_operation.png) ## 算法流程 循环执行插入操作: 1. 先选取数组的 **第 2 个元素** 为 `base` ,执行插入操作后,**数组前 2 个元素已完成排序**。 2. 选取 **第 3 个元素** 为 `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** 为 `base` ,执行插入操作后,**所有元素已完成排序**。 ![插入排序流程](insertion_sort.assets/insertion_sort_overview.png) === "Java" ```java title="insertion_sort.java" [class]{insertion_sort}-[func]{insertionSort} ``` === "C++" ```cpp title="insertion_sort.cpp" [class]{}-[func]{insertionSort} ``` === "Python" ```python title="insertion_sort.py" [class]{}-[func]{insertion_sort} ``` === "Go" ```go title="insertion_sort.go" [class]{}-[func]{insertionSort} ``` === "JavaScript" ```javascript title="insertion_sort.js" [class]{}-[func]{insertionSort} ``` === "TypeScript" ```typescript title="insertion_sort.ts" [class]{}-[func]{insertionSort} ``` === "C" ```c title="insertion_sort.c" [class]{}-[func]{insertionSort} ``` === "C#" ```csharp title="insertion_sort.cs" [class]{insertion_sort}-[func]{insertionSort} ``` === "Swift" ```swift title="insertion_sort.swift" [class]{}-[func]{insertionSort} ``` === "Zig" ```zig title="insertion_sort.zig" [class]{}-[func]{insertionSort} ``` ## 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。输入数组完全有序下,达到最佳时间复杂度 $O(n)$ ,因此是“自适应排序”。 **空间复杂度 $O(1)$** :指针 $i$ , $j$ 使用常数大小的额外空间,因此是“原地排序”。 在插入操作中,我们会将元素插入到相等元素的右边,不会改变它们的次序,因此是“稳定排序”。 ## 插入排序 vs 冒泡排序 回顾「冒泡排序」和「插入排序」的复杂度分析,两者的循环轮数都是 $\frac{(n - 1) n}{2}$ 。但不同的是: - 冒泡操作基于 **元素交换** 实现,需要借助一个临时变量实现,共 3 个单元操作; - 插入操作基于 **元素赋值** 实现,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,因此更受欢迎。实际上,许多编程语言(例如 Java)的内置排序函数都使用到了插入排序,大致思路为: - 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 $O(n^2)$ ; **在数据量较小时插入排序更快**,这是因为复杂度中的常数项(即每轮中的单元操作数量)占主导作用。这个现象与「线性查找」和「二分查找」的情况类似。