重温算法Day9:归并和快排

归并排序：
先把数组从中间分成前后两部分，然后对前后两部分分别排序，再将排好序的两部分合并在一起，这样整个数组就都有序了。
先是自顶向下细分，再自底向上合并。复杂度相当于N乘以log（N）。

参考：https://blog.csdn.net/Linzhongyilisha/article/details/100110826

假设对 n 个元素进行归并排序需要的时间是 T(n)，那分解成两个子数组排序的时间都是 T(n/2)。
merge()函数合并两个有序子数组的时间复杂度是 O(n)。

T(1) = C； n=1时，只需要常量级的执行时间，所以表示为C。
T(n) = 2*T(n/2) + n； n>1
     = 2*(2*T(n/4) + n/2) + n 
     = 4*T(n/4) + 2*n 
     = 4*(2*T(n/8) + n/4) + 2*n 
     = 8*T(n/8) + 3*n 
     = 8*(2*T(n/16) + n/8) + 3*n 
     = 16*T(n/16) + 4*n 
     ...... 
     = 2^k * T(n/2^k) + k * n

当 T(n/2^k)=T(1) 时，也就是 n/2^k=1，我们得到 k=log2n 。我们将 k 值代入上面的公式，得到 T(n)=Cn+nlog2n 。如果我们用大 O 标记法来表示的话，T(n) 就等于 O(nlogn)。所以归并排序的时间复杂度是 O(nlogn)。

快速排序（Quicksort）

参考：https://blog.csdn.net/Linzhongyilisha/article/list/2
从中随机挑选一个，这个被随机选上的数字被称为枢值比如53，接下来，将所有要排序的数字分成两部分，第一部分是大于等于枢值53的，第二部分是小于枢值53的。
第二步，从上面得到的两堆数字，分别采用第一步的方法各自再找一个枢值。对于第一堆，由于所有的数字都比53大，至少也等于53，因此，第二次随机挑选的枢值肯定是一个大于53的数字，比如79；类似地，对于第二堆，由于所有的数字都小于53，因此第二次随机挑选的枢值肯定小于它，比如4。
接下来，再把两堆数字各自分成大于等于相应枢值的数字序列，以及小于枢值的数字序列。
这样做下来，原来的一大堆数就变成了四小堆，它们分别是小于4的数字，介于4到53之间的，介于53到79之间的，以及大于或等于79的。
再接下来，用同样的方法，四堆变八堆，八堆变十六堆，很快所有的数字就排好序了。
这种算法通常情况下复杂度也是N乘以log（N）

在工程上，快速排序算法一般情况下比归并排序快两倍，因此在工程上还是有意义的。

有没有可能发明一种比快速排序更好的算法？
从科学上讲，答案是否定的。因为从数学上可以证明N个任意随机数的排序，复杂度不可能比N乘以log（N）更低，
这是数学给出的极限，或者边界。

用快排思想在O(n)内查找第K大元素：

我们选择数组区间 A[0…n-1]的最后一个元素 A[n-1]作为 pivot，
对数组 A[0…n-1]原地分区，这样数组就分成了三部分，A[0…p-1]、A[p]、A[p+1…n-1]。
如果 p+1=K，那 A[p]就是要求解的元素；
如果 K>p+1, 说明第 K 大元素出现在 A[p+1…n-1]区间，我们再按照上面的思路递归地在 A[p+1…n-1]这个区间内查找。
如果 K<p+1，那我们就在 A[0…p-1]区间查找。

第一次分区查找，我们需要对大小为 n 的数组执行分区操作，需要遍历 n 个元素。
第二次分区查找，我们只需要对大小为 n/2 的数组执行分区操作，需要遍历 n/2 个元素。
依次类推，分区遍历元素的个数分别为、n/2、n/4、n/8、n/16.……直到区间缩小为 1。
如果我们把每次分区遍历的元素个数加起来，就是：n+n/2+n/4+n/8+…+1。这是一个等比数列求和，最后的和等于2n-1。
所以，上述解决思路的时间复杂度就为 O(n)。