合并排序算法的时间复杂性分析

算法分析
假设待排序序列中元素个数为n。
显然，当n=1时，合并排序一个元素需要常数时间，因而T（n）=O（1）。
当n>1时，将时间T如下分解：
分解：这一步仅仅是计算出子序列的中间位置，需要常数时间O（1）。
解决子问题：递归求解两个规模为n/2的子问题，所需时间为2T（n/2）。
合并：对于一个含有n个元素的序列，Merge算法可在O（n）时间内完成。
将以上阶段所需的时间进行相加，即得到合并排序算法对n个元素进行排序，在最坏情况下所需的运行时间T（n）的递归形式为：

当 n>1时，T（n）=2T（n/2）+O(n)
=2(2T(n/4)+O(n/2))+O（n）=4T(n/4)+2O(n)
=4(2T(n/8)+O(n/4))+2O(n)=8T(n/8)+3O(n)
=……

$$T(n)=2^xT(n/2^x)+xO(n)$$
$$令n=2^x,则x=logn$$
由此可得，T（n）=nT(1)+nlogn=n+nlogn,即合并排序算法的时间复杂性为O（nlogn）
合并排序算法所使用的工作空间取决于Merge算法，每调用一次Merge算法，便得一个适当大小的缓冲区，退出Merge便释放它。在最后一次调用Merge算法时，所分配的缓冲区最大，它把两个子序列合并成一个长度为n的序列，需要O（n）个工作单元。所以，合并排序算法的空间复杂性为O（n）。