在数据结构的学习中，希尔排序如何通过调整间隔来提高排序效率？请提供一个具体的代码实现示例。

希尔排序是一种基于插入排序的算法，通过将原始数据分割成若干个子序列，分别进行局部排序，最终达到整体有序的目的。它通过不断地调整间隔（也称为增量或步长）来提高排序效率。最开始，间隔较大，可以迅速减少数据的混乱程度；随着间隔逐渐减小，子序列的数量增加，算法逐步逼近完全有序的序列。这种增量序列的选择对算法效率有很大影响，常见的选择有Hibbard增量序列、Knuth增量序列和Sedgewick增量序列等。下面提供一个使用Sedgewick增量序列的希尔排序实现示例：

参考资源链接：[数据结构选择题解析与解答](https://wenku.csdn.net/doc/1m6fyww4ok?spm=1055.2569.3001.10343)

def shell_sort(arr):
    n = len(arr)
    # 初始化间隔序列，Sedgewick增量序列
    gap = 1
    while gap < n // 3:
        gap = gap * 3 + 1  # 使用Sedgewick增量序列

    # 进行多轮排序，每轮排序使用不同的间隔
    while gap > 0:
        # 使用插入排序对每个子列表进行排序
        for i in range(gap, n):
            temp = arr[i]
            j = i
            # 插入排序
            while j >= gap and arr[j - gap] > temp:
                arr[j] = arr[j - gap]
                j -= gap
            arr[j] = temp
        gap //= 3  # 间隔缩小，为下一轮做准备

# 示例数组
array = [64, 34, 25, 12, 22, 11, 90]
shell_sort(array)
print(

参考资源链接：[数据结构选择题解析与解答](https://wenku.csdn.net/doc/1m6fyww4ok?spm=1055.2569.3001.10343)