C语言数据结构之归并排序

疏雨池塘见

微风襟袖知

---

目录

归并排序的介绍

基本思想 

 时间复杂度分析 

⭐归并排序步骤

空间复杂度分析  

 代码展示

✨归并排序的非递归

代码展示

 总结🔥

 

归并排序的介绍

归并排序，是创建在归并操作上的一种有效的排序算法。

算法是采用分治法（Divide and Conquer）的一个非常典型的应用，且各层分治递归可以同时进行。归并排序思路简单，速度仅次于快速排序（nlogn），为稳定排序算法，一般用于对总体无序，但是各子项相对有序的数列。

基本思想 

归并排序是用分治思想，分治模式在每一层递归上有三个步骤：

分解（Divide）：将n个元素分成个含n/2个元素的子序列

解决（Conquer）：用合并排序法对两个子序列递归的排序

合并（Combine）：合并两个已排序的子序列已得到排序结果

分治展开图

为了好理解我们可以扩展开来：

 ⭐归并图解： 

首先把一个序列从中间分割成 2 部分，再把 2 部分分成 4 部分，依次分割下去，直到分割成单个的数据，再把这些数据两两比较归并到一起，使之有序，不停的比较归并，最后成为一个有序的序列。 

---

 时间复杂度分析 

递归的第一层，将n个数划分为2个子区间，每个子区间的数字个数为n/2；

递归的第二层，将n个数划分为4个子区间，每个子区间的数字个数为n/4；

递归的第三层，将n个数划分为8个子区间，每个子区间的数字个数为n/8;

......

......

递归的第logn层，将n个数划分为n个子区间，每个子区间的数字个数为1；

归并排序的过程中，需要对当前区间进行对半划分，直到区间的长度为1。

也就是说，每一层的子区间，长度都是上一层的1/2。

这也就意味着，当划分到第logn层的时候，子区间的长度就是1了。

而归并排序的操作，则是从最底层开始（子区间为1的层），对相邻的两个子区间进行合并

过程如下：

在第logn层（最底层），每个子区间的长度为1，共n个子区间，每相邻两个子区间进行合并，总共合并n/2次。n个数字都会被遍历一次，所有这一层的总时间复杂度为O（n）；

在第二层，每个子区间长度为n/4，总共有4个子区间，每相邻两个子区间进行合并，总共合并2次。n个数字都会被遍历一次，所以这一层的总时间复杂度为O（n）；

......

在第一层，每个子区间长度为n/2，总共有2个子区间，只需要合并一次。n个数字都会被遍历一次，所以这一层的总时间复杂度为O（n）；

✨通过上面的过程我们可以发现，对于每一层来说，在合并所有子区间的过程中，n个元素都会被操作一次，所以每一层的时间复杂度都是O（n）。而之前我们说过，归并排序划分子区间，将子区间划分为只剩1个元素，需要划分logn次。每一层的时间复杂度为O（n），共有logn层，所以归并排序的时间复杂度就是O（nlogn）。

---

⭐归并排序步骤

我们还是以刚刚的序列为例

⭐我们先将一个序列分成左区间和右区间，在分治成一个单元，通过比较排序后归并成一个有序序列

 

⭐然后在定义一个新数组存储左右区间的值，通过连续比较左右的起始值，将较小的尾插到新数组中

⭐最后将排好序的序列拷贝到原序列的空间即可

空间复杂度分析  

✨因为要开辟和原来一样大小的新数组，所以空间复杂度为：O（n）

---

 代码展示

void _MergeSort(int* a, int begin, int end, int* tmp)
{
   //判断递归终止条件，如果end小于等于begin，则表示当前子序列只有一个元素或者为空，无需排序，直接返回
	if (begin == end)
		return;
	//分成左右序列
	int mid = (begin + end) / 2;
	_MergeSort(a, begin, mid, tmp);
	_MergeSort(a, mid + 1, end, tmp);
	int begin1 = begin, end1 = mid;
	int begin2 = mid+1, end2 = end;
	int i = begin;
	//归并
	while (begin1 <= end1 && begin2 <= end2)
	{
		//数据小的插入新数组
		if (a[begin1] <= a[begin2])
		{
			tmp[i++] = a[begin1++];
		}
		else
		{
			tmp[i++] = a[begin2++];
		}
	}
	//若序列为奇数，则最后还有一个单元尾插
	//判断最后一个单元的插入
	while (begin1 <= end1)
	{
		tmp[i++] = a[begin1++];
	}
	while (begin2 <= end2)
	{
		tmp[i++] = a[begin2++];
	}
	//拷贝序列
	memcpy(a + begin, tmp + begin, sizeof(int) * (end-begin+1));
}

void MergeSort(int* a, int n)
{
	//开辟新数组的空间
	int* tmp = (int*)malloc(sizeof(int) * n);
	if (tmp == NULL)
	{
		perror("malloc");
		exit(-1);
	}
	_MergeSort(a, 0, n - 1, tmp);
	//释放空间
	free(tmp);
	tmp = NULL;
}

代码测试

✨归并排序的非递归

💞因为递归是一种压栈的操作，而系统提供的栈中的空间并不是很多，所以在数据量庞大项目中我们往往会选择非递归的方法

首先我们定义 gap 为归并每组的数据个数 

对大框架：

先来找找规律

四个元素需要归并两次

八个元素需要归并三次

十六个元素需要归并四次

归并循环的次数 k 和数组元素个数 n 的关系是：

所以我们可以这样控制外层循环

int gap = 1;
while (gap < n)
{
    ... ...
    gap *= 2;
}

对小框架:

我们根据图中的 gap 来思考

<1>10和10归，6和6归，7和7归，1和1归 ... ... 

<2>10和6归，7和1归，3和9归，4和2归

<3>10、6和7、1归，3，9和4，2归

<4>10，6，7，1和3，9，4，2归

从而数组整体有序

gap从1开始，每归并一次便扩大两倍

每次循环的区间可以这样定义：

1 组: [ i , i + gap - 1]

2 组: [ i + gap , i + 2*gap - 1]

... ...

i 控制进行比较轮到的组号，控制进行归并的组号

所以我们可以这样设计内层循环:

for(int i=0;i<n;i+=2*gap)
{
  ... ...
}

🌤️易错点:

<1>每小组合并完之后再去拷贝

<2>区间合并的起始位置和结束位置的确定

<3>拷贝的长度问题

<4>越界问题

区间合并的起始位置和结束位置的确定

越界问题(合并的组数不一定都是2的次方倍)

代码展示

void MergeSortNonR(int* a, int n)
{
	int* tmp = (int*)malloc(sizeof(int) * n);
	if (tmp == NULL)
	{
		perror("malloc");
		exit(-1);
	}
	//gap 归并每组的数据个数
	int gap = 1;
	while (gap < n)
	{
		for (int j = 0; j < n; j += 2 * gap)
		{
			int begin1 = j, end1 = begin1 + gap - 1;
			int begin2 = begin1 + gap, end2 = begin2 + gap - 1;
			// 越界的问题处理
			if (end1 >= n || begin2 >= n)
				break;

			if (end2 >= n)
				end2 = n - 1;

			int i = j;
			// 依次比较，取小的尾插tmp数组
			while (begin1 <= end1 && begin2 <= end2)
			{
				if (a[begin1] <= a[begin2])
				{
					tmp[i++] = a[begin1++];
				}
				else
				{
					tmp[i++] = a[begin2++];
				}
			}

			while (begin1 <= end1)
			{
				tmp[i++] = a[begin1++];
			}

			while (begin2 <= end2)
			{
				tmp[i++] = a[begin2++];
			}

			memcpy(a + j, tmp + j, sizeof(int) * (end2 - j + 1));
		}
		gap *= 2;
	}
	free(tmp);
	tmp = NULL;
}

代码测试

 总结🔥

归并的缺点在于需要O(N)的空间复杂度，归并排序的思考更多的是解决在磁盘中的外排序问题

时间复杂度：O(nlogn)

空间复杂度：O(n)

稳定性：稳定

归并排序适用于各种数据规模的排序，而且对于大规模数据的排序效果较好。它的时间复杂度稳定在O(nlogn)，不会因为数据规模的增大而导致时间复杂度的增加。此外，归并排序还适用于外部排序，即对于无法一次性加载到内存的大规模数据进行排序。