插入排序

「插入排序 Insertion Sort」是一种简单的排序算法，它的工作原理与手动整理一副牌的过程非常相似。

具体来说，我们在未排序区间选择一个基准元素，将该元素与其左侧已排序区间的元素逐一比较大小，并将该元素插入到正确的位置。

回忆数组的元素插入操作，设基准元素为 base ，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。

算法流程

插入排序的整体流程如下：

=== "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}
```

=== "Dart"

```dart title="insertion_sort.dart"
[class]{}-[func]{insertionSort}
```

时间复杂度 O(n^2) 、自适应排序 ：最差情况下，每次插入操作分别需要循环 n - 1 , n-2 , \cdots , 2 , 1 次，求和得到 \frac{(n - 1) n}{2} ，因此时间复杂度为 O(n^2) 。在遇到有序数据时，插入操作会提前终止。当输入数组完全有序时，插入排序达到最佳时间复杂度 O(n) 。
空间复杂度 O(1) 、原地排序 ：指针 i , j 使用常数大小的额外空间。
稳定排序：在插入操作过程中，我们会将元素插入到相等元素的右侧，不会改变它们的顺序。

插入排序的时间复杂度为 O(n^2) ，而我们即将学习的快速排序的时间复杂度为 O(n \log n) 。尽管插入排序的时间复杂度相比快速排序更高，但在数据量较小的情况下，插入排序通常更快。

这个结论与线性查找和二分查找的适用情况的结论类似。快速排序这类 O(n \log n) 的算法属于基于分治的排序算法，往往包含更多单元计算操作。而在数据量较小时，n^2 和 n \log n 的数值比较接近，复杂度不占主导作用；每轮中的单元计算操作数量起到决定性因素。

实际上，许多编程语言（例如 Java）的内置排序函数都采用了插入排序，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；对于短数组，直接使用插入排序。

虽然冒泡排序、选择排序和插入排序的时间复杂度都为 O(n^2) ，但在实际情况中，插入排序的使用频率显著高于冒泡排序和选择排序。这是因为：

冒泡排序基于元素交换实现，需要借助一个临时变量，共涉及 3 个单元操作；插入排序基于元素赋值实现，仅需 1 个单元操作。因此，冒泡排序的计算开销通常比插入排序更高。
选择排序在任何情况下的时间复杂度都为 O(n^2) 。如果给定一组部分有序的数据，插入排序通常比选择排序效率更高。
选择排序不稳定，无法应用于多级排序。