[论文解读] Average-Case Complexity of Shellsort

Tao Jiang, Ming Li+1 more|arXiv (Cornell University)|Jan 20, 1999

Algorithms and Data Compression参考文献 10被引用 5

一句话总结

本文建立了堆排序在平均情况时间复杂度上的通用下界，证明对于任意增量序列的 p 轮堆排序，其时间复杂度为 Ω(pn^{1+1/p})，其中 p ≤ log n。该结果通过组合与概率论方法分析数据移动和比较操作，解决了长达数十年的开放性问题，提供了非平凡的平均情况下界。

ABSTRACT

We prove a general lower bound on the average-case complexity of Shellsort: the average number of data-movements (and comparisons) made by a p-pass Shellsort for any incremental sequence is \\Omega\\Gamma pn 1+ 1 p ) for all p log n. Using similar arguments, we analyze the average-case complexity of several other sorting algorithms. 1 Introduction The question of a nontrivial general lower bound (or upper bound) on the average complexity of Shellsort (due to D.L. Shell [15]) has been open for about four decades [7, 14]. We present such a lower bound for p-pass Shellsort for every p. Shellsort sorts a list of n elements in p passes using a sequence of increments h 1 ; : : : ; h p . In the kth pass the main list is divided in h k separate sublists of length n=h k , where the ith sublist consists of the elements at positions j, where j mod h k , of the main list (i = 1; : : : ; h k ). Every sublist is sorted using a straightforward insertion sort. The efficiency of the method is gove...

研究动机与目标

• 建立堆排序平均情况复杂度的非平凡通用下界，该问题在近四十年来一直悬而未决。
• 分析所有可能的增量序列下，p 轮堆排序中平均数据移动次数与比较次数。
• 将分析框架扩展至其他排序算法，使用类似的组合与概率技术。
• 解决关于堆排序是否存在任何非平凡平均情况下界这一长期悬而未决的问题。

提出的方法

• 作者使用组合与概率论方法，分析堆排序每轮中预期的数据移动次数与比较次数。
• 通过将输入列表在每轮 k 划分为 h_k 个子列表，并对每个子列表使用插入排序来建模堆排序的行为。
• 分析聚焦于所有增量序列下逆序对与数据移动的期望数量，利用模运算性质与子序列行为特征。
• 关键技术贡献在于通过考虑元素在子列表中分布的最坏情况，推导出平均数据移动次数的下界。
• 该方法适用于任意增量序列，使得下界具有普遍性，且不依赖于 h_1, ..., h_p 的具体选择。
• 作者还将该技术扩展至分析其他排序算法的平均情况复杂度，证明了该方法的广泛适用性。

实验结果

研究问题

• RQ1 任何 p 轮堆排序必须执行的最小平均数据移动次数与比较次数是多少？
• RQ2 能否为所有增量序列下的堆排序平均情况复杂度建立一个非平凡的通用下界？
• RQ3 堆排序的平均情况复杂度如何随轮数 p 与输入规模 n 变化？
• RQ4 这些分析技术是否适用于其他基于比较的排序算法？

主要发现

• 对于所有满足 p ≤ log n 的情况，p 轮堆排序的平均情况复杂度下界为 Ω(pn^{1+1/p})，且不依赖于所使用的增量序列。
• 该下界同时适用于数据移动次数与比较次数，确立了堆排序效率的根本限制。
• 该结果解决了堆排序分析中长期悬而未决的开放性问题，此前该问题尚未有已知的非平凡平均情况复杂度下界。
• 分析表明，即使采用最优增量序列，也无法将平均情况复杂度降低至该渐近阈值以下。
• 相同的方法论框架成功扩展至分析其他排序算法的平均情况复杂度，暗示其具有更广泛的理论影响。