我重新访问了插入排序算法并发现了一些有趣的内容。
显然不应该使用这种类型的数组，因为在插入时，必须移动所有后续元素 O（n ^ 2 log（n））。但是链接列表在这里也不是很好，因为我们最好使用二进制搜索找到正确的位置，这对于简单的链表是不可能的（所以我们最终得到 O（n ^ 2））。
这让我想知道：这个排序算法在哪个数据结构中提供了 O（nlog（n））复杂性的前提？
答案 0 :(得分：2)
从哪里获得 O（n log n）的前提？ Wikipedia disagrees，和我自己的经历一样。插入排序的前提包括每个n元素 O（n）的组件。
此外，我认为您对 O（n ^ 2 log n）的主张不正确。二进制搜索是 log n ，随后的“侧向移动”是 n ，但这两个步骤是连续的，而不是嵌套的。结果是 n + log n ，而不是乘法。结果是预期的 O（n ^ 2）。
答案 1 :(得分：1)
如果您使用有间隙的数组和二进制搜索来确定插入内容的位置，那么很有可能您的排序为O(n log(n))。有关详细信息，请参阅https://en.wikipedia.org/wiki/Library_sort。
然而，这并不像广泛实施的各种其他种类那样有效。所以这些知识只是理论上的兴趣。
答案 2 :(得分：1)
插入排序是在数组或列表上定义的，如果使用其他数据结构，那么它将是另一种算法。
当然如果你使用BST，插入和搜索将是O（log（n）），你的整体复杂度平均为O（n.log（n））（提醒它将是O（n） ^ 2）在最糟糕的情况下），但这不再是插入排序，而是树排序。如果使用AVL树，则会得到O（n.log（n））最坏情况的复杂性。
答案 3 :(得分：0)
在插入排序中，最佳情况是当序列已经排序并且需要线性时间时，在最坏的情况下需要 O（n ^ 2）时间。我不知道你是如何得到复杂性的对数部分的。