In the analysis of (3, 2, 1)-Shell

In the analysis of (3, 2, 1)-Shell Sort, it is notationally convenient to assume we are given
a linear array of size 3n. We assume the usual random permutation model for the data, in
which the ranks of the data are equally likely to be any of the permutations of {1, 2, . . . ,
3n}, each occurring with probability 1/(3n)!. We may assume that our data are 3n real
numbers from a continuous probability distribution, and because the probability integral
transform preserves ordering of the data, we may (and will) assume that the probability
distribution is uniform on (0,1). Prior to any sorting, we will denote our raw array by

ผลลัพธ์ (ไทย) 1:

ในการวิเคราะห์ (3, 2, 1) -เชลล์เรียง เป็น notationally ดีถือว่า เราได้อาร์เรย์ที่เชิงเส้นของ 3 คืนขนาด เราคิดว่ารูปแบบการเรียงสับเปลี่ยนแบบสุ่มปกติสำหรับข้อมูล ในซึ่งอันดับของข้อมูลเท่า ๆ กันแนวโน้มที่จะมีสับของ {1, 2,...,วัน 3 คืน}, แต่ละเกิดขึ้น ด้วยความน่าเป็น 1/(3n) เราอาจคิดว่า ข้อมูลของเราเป็นจริง 3 คืนตัวเลขจากการกระจายความน่าเป็นอย่างต่อเนื่อง และความน่าเป็นเป็นแปลงรักษาลำดับของข้อมูล เราพฤษภาคม (และจะ) สมมุติว่าความน่าเป็นกระจายเป็นรูปบน (0,1) ก่อนที่จะมีการเรียงลำดับ เราจะแสดงแถวของเราดิบโดย

ผลลัพธ์ (ไทย) 2:

ในการวิเคราะห์ของ (3, 2, 1) -Shell ประเภทก็จะสะดวก notationally
จะถือว่าเราจะได้รับอาร์เรย์เชิงเส้นของ3n ขนาด เราถือว่าการเปลี่ยนแปลงรูปแบบการสุ่มปกติสำหรับข้อมูลในที่จัดอันดับของข้อมูลที่มีแนวโน้มที่จะเป็นอย่างเท่าเทียมกันใด ๆ ของพีชคณิตของ {1, 2,
. . ,
3n} แต่ละที่เกิดขึ้นกับความน่าจะ 1 / (3n) !. เราอาจจะคิดว่าข้อมูลของเราเป็นจริง 3n
ตัวเลขจากการกระจายความน่าจะเป็นอย่างต่อเนื่องและน่าจะเป็นเพราะการหนึ่งแปลงรักษาการสั่งซื้อของข้อมูลที่เราอาจ (และจะ) คิดว่าน่าจะเป็นการจัดจำหน่ายเป็นชุดใน(0,1) ก่อนที่จะมีการเรียงลำดับใด ๆ เราจะแสดงอาร์เรย์ดิบของเราโดย

ผลลัพธ์ (ไทย) 3:

ในการวิเคราะห์ ( 3 , 2 , 1 ) - หอย เรียง เป็น notationally สะดวก ถือว่าเราได้รับ
อาร์เรย์เชิงเส้นขนาด 3N เราเดาแบบสุ่มการเปลี่ยนแปลงปกติข้อมูลใน
ซึ่งอันดับของข้อมูลจะมีโอกาสเท่าเทียมกันที่จะใด ๆของวิธีเรียงสับเปลี่ยนของ { 1 2 . . . . . . . .
3N } , , แต่ละเกิดขึ้นกับความน่าจะเป็น 1 / ( 3N ) เราอาจจะคิดว่าข้อมูลของเรา
3N ที่แท้จริงตัวเลขจากการแจกแจงความน่าจะเป็นของตัวแปรสุ่มแบบต่อเนื่อง เพราะน่าจะเป็นส่วนประกอบ
แปลงรักษาการสั่งซื้อของข้อมูลเราอาจ ( จะ ) สันนิษฐานว่าน่าจะเป็น
แจกจ่ายเครื่องแบบ ( 0.1 ) ก่อนที่จะมีการเรียงลำดับ เราจะแสดงอาร์เรย์ดิบของเราโดย