{
  "id": "in-place-algorithm",
  "title": "原地算法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "原地算法在输入数据原有的存储空间内完成变换，仅使用少量额外内存。",
  "category": "computer-science",
  "subcategory": "algorithms-theory",
  "type": "concept",
  "aliases": [
    "就地算法"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/in-place-algorithm/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/in-place-algorithm/",
      "json": "https://aiwiki.page/en/in-place-algorithm.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "原地算法是一种在输入数据原本占用的存储空间内对其进行变换、仅使用少量额外工作内存的算法。按照一种严格且常用的定义，原地算法只使用常数个额外机器字，其数量与输入规模无关。有些约定也将使用对数级辅助存储空间的算法称为原地算法，尤其是额外空间用于递归调用栈的情况。因此，使用这一术语时，必须明确存储空间的计算约定：仅仅修改原始数据，并不能说明算法就是原地算法。"
    },
    {
      "heading": "定义与空间计算",
      "text": "原地算法的定义性特征在于辅助空间：除输入存储空间，以及计算模型明确不计入的输出存储空间之外，算法所使用的内存。这与总空间复杂度不同。对含有 \\(n\\) 个元素的数组进行原地操作时，算法仍然可以使用数组本身的存储空间，但其额外工作内存仍可能是常数级的。\n\n按照严格定义，辅助空间为\n\n\\[S_{\\mathrm{aux}}(n)=O(1)\\]\n\n个机器字，其中 \\(n\\) 为输入规模。几个索引变量和一个用于交换两个元素的临时值，通常就能满足这一要求。\n\n计算空间用量时，有几项约定尤为重要：\n\n- 机器字与比特。 在常规的随机存取机模型中，一个机器字足以容纳一个输入地址。因此，指向 \\(n\\) 个位置之一的索引需要 \\(\\Theta(\\log n)\\) 个比特。以机器字计为常数的辅助空间，以比特计时不一定也是常数。\n- 调用栈存储空间。 尚未结束的函数调用中的参数、局部变量和保存的执行状态都会占用内存。递归过程不会仅仅因为没有显式分配缓冲区，就具有常数辅助空间。\n- 输出存储空间。 辅助空间的定义有时不计入单独的输出区域。不过，构造一个完整替代数组的算法通常仍称为非原地算法，即使其空间计算约定不将该数组计入工作存储空间。\n- 元素的表示方式。 当元素是固定大小的值或引用时，一个临时元素占用常数空间。复制大小可变的对象，则可能需要与该对象大小成正比的额外存储空间。\n\n相比之下，非原地算法在单独的存储空间中生成变换后的表示，而不是将输入原有的存储空间作为结果的主要存放位置。"
    },
    {
      "heading": "原地计算的工作方式",
      "text": "原地变换必须保留仍然有用的信息，直到不再需要它。过早覆盖某个值，可能会破坏后续步骤所需的输入。\n\n常见技术包括：\n\n- 交换： 使用一个临时存储位置交换两个元素。\n- 移位： 将元素移动到已经腾出的位置。\n- 循环处理： 沿着置换中的一个循环依次处理，同时保留一个被移出的值。\n- 紧缩： 分别维护读位置和写位置，让需要保留的元素覆盖不再需要的位置。\n- 指针重排： 修改链表中的链接，而不是分配替代节点。\n\n例如，可以先交换数组（数据结构）的首尾元素，再交换第二个与倒数第二个元素，如此向中间推进，完成数组反转。\n\nreverse(A, n):\n    left = 0\n    right = n - 1\n\n    while left < right:\n        temporary = A[left]\n        A[left] = A[right]\n        A[right] = temporary\n        left = left + 1\n        right = right - 1\n\n这个过程执行 \\(\\lfloor n/2 \\rfloor\\) 次交换，时间复杂度为 \\(\\Theta(n)\\)；对于固定大小的元素，其辅助空间为 \\(O(1)\\) 个机器字。\n\n其正确性可以通过一个循环不变量来表述：每次迭代开始前，从 left 到 right 这一区间之外的各个位置都已存放最终值，而区间内仍包含尚待反转的元素。"
    },
    {
      "heading": "排序算法",
      "text": "原地计算在排序算法中尤为重要，因为分配第二个数组可能显著增加内存使用峰值。\n\n算法或实现 | 辅助空间 | 重要说明\n标准迭代式[[insertion-sort | 插入排序]] | \\(O(1)\\)\n采用迭代式堆调整的[[heapsort | 堆排序]] | \\(O(1)\\)\n采用原地划分的常规递归式[[quicksort | 快速排序]] | 按通常的随机化分析，栈空间的期望值为 \\(O(\\log n)\\)，最坏情况为 \\(O(n)\\)\n仅对较小分区递归、对较大分区迭代处理的快速排序 | 最坏情况下栈空间为 \\(O(\\log n)\\) | 限制了递归深度，但并未消除最坏情况下的平方级运行时间。\n常规数组[[merge-sort | 归并排序]] | \\(O(n)\\)\n专门的原地归并方法 | 取决于具体方法 | 可以缩小或消除外部缓冲区，但实现往往更复杂。\n\n快速排序说明了这一术语为何存在不同用法。它通常被称为原地算法，因为其划分操作直接重排原始数组，不需要第二个数组。然而，按照辅助空间必须为常数的严格定义，通常的递归实现并不符合要求。\n\n存储空间用量与稳定排序所要求的稳定性是两个独立的性质。稳定排序会保留键值相等元素原有的相对顺序。标准插入排序既可以稳定，也可以原地进行；标准堆排序是原地的，但通常不稳定。稳定的原地归并和排序是可以实现的，不过，要兼顾稳定性、低存储开销和高效运行时间，就需要更精巧的方法。"
    },
    {
      "heading": "其他应用",
      "text": "数组紧缩\n\n可以使用一个读索引和一个写索引来筛选数组。每个需要保留的元素都被复制到下一个写位置，过程最终返回保留元素所构成的数组前缀的长度。\n\n对于单遍扫描且保持元素顺序的实现，写索引始终不会超过读索引。这能防止写入操作破坏尚未读取的元素。即使逻辑序列变短，实际分配的存储空间也可能保持不变。\n\n从已排序数组中删除重复元素也使用类似技术。\n\n矩阵变换\n\n方形矩阵可以通过交换主对角线两侧的对应元素来原地转置。对于一个 \\(n \\times n\\) 矩阵，\n\n\\[A_{ij} \\leftrightarrow A_{ji} \\qquad \\text{for } i<j.\\]\n\n对存放在一个连续数组中的非方形矩阵进行转置则更为复杂。元素到目标位置的映射可能包含更长的置换循环，而在不使用额外存储空间的情况下定位或跟踪这些循环，会使算法变得复杂。\n\n链式结构\n\n单链表可以使用常数个节点引用来反转，这些引用分别指向前一个节点、当前节点和下一个节点。每次修改链接之前，先保存原来的后继节点。\n\n这种方法修改现有的数据结构，而不是构造一个替代链表。是否允许这样的修改，取决于所有权，以及程序的其他部分是否仍持有对相同节点的引用。\n\n动态规划\n\n有些动态规划算法会在旧状态不再需要时复用其存储空间。完整的状态表可以缩减为几行，甚至一行。\n\n这种缩减并不自动意味着原地计算：剩余的工作空间仍可能随输入规模增长。更新顺序也很重要。如果在所有依赖某个状态的计算使用完它之前就将其覆盖，可能会改变实际求解的递推关系。"
    },
    {
      "heading": "修改操作、接口与实现",
      "text": "“原地”描述的是存储空间的使用方式，而修改操作描述的是对现有对象的改变。两者有所重叠，但并不等同。\n\n函数可能先构建完整的临时结果，之后才修改输入。它的接口会修改输入，但其实现并不是常数空间的原地算法。反过来，原地函数也可以返回对已修改对象的引用；返回一个值并不意味着分配了单独的结果存储空间。\n\n混叠使得通过指向同一存储空间的其他引用，也能观察到修改。当多个线程访问共享数据时，还可能需要同步（计算机科学）机制。原地实现并不天然适合安全地并发使用。\n\n在采用不可变值或写时复制存储机制的环境中，看似更新对象的操作可能触发复制。因此，实际存储空间用量既取决于算法，也取决于运行时的数据表示方式。"
    },
    {
      "heading": "优点与局限",
      "text": "原地算法可以降低内存需求峰值，避免为完整的替代表示分配空间并复制数据。这些特性对大规模输入和内存受限的系统很有价值。\n\n辅助空间少并不保证速度快。与非原地方案相比，原地方法可能进行更多比较、写入或不规则内存访问。根据访问模式的不同，它与 CPU 缓存的交互可能有利，也可能不利。单独的缓冲区还可以为独立操作提供不同的输出区域，从而简化并行计算。\n\n破坏性更新会带来额外限制：\n\n- 原始输入不会自动保留。\n- 操作中途失败时，可能留下仅完成部分变换的状态。\n- 回滚或强异常保证可能需要日志、数据副本或其他额外存储空间。\n- 降低内存用量可能增加运行时间或实现复杂度。\n\n因此，精确的描述应说明辅助空间的界限、计量单位是机器字还是比特、是否计入递归栈帧，以及允许覆盖哪些输入或输出区域。"
    }
  ],
  "links": [
    "algorithm",
    "space-complexity",
    "bit",
    "linked-list",
    "array-data-structure",
    "time-complexity",
    "loop-invariant",
    "sorting-algorithm",
    "insertion-sort",
    "heapsort",
    "quicksort",
    "merge-sort",
    "stable-sorting",
    "matrix",
    "data-structure",
    "dynamic-programming",
    "aliasing",
    "synchronization-computing",
    "cpu-cache",
    "parallel-computing"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}