时间复杂度: O ( N l o g N ) O(NlogN) O(NlogN)
非原地排序
没办法啊,在合并的那个步骤是要申请额外的空间的。
空间复杂度 O ( N ) O(N) O(N)
归并的步骤
其实归并是所有的排序里最好记的,效率最好的算法了,比起快排;堆排序。归并,你记住步骤就不难了。
其实称之为“归并”并不准确。更加准确应该是“分开”-“归并”。
首先我们把数组一分为二,然后再分,然后再分。
然后再去把数组进行归并。
说的简单点就是“分”-“总”的过程。
优势是什么?
1)稳定的
O
(
N
l
o
g
N
)
O(NlogN)
O(NlogN)
其实时间复杂度为
O
(
N
l
o
g
N
)
O(NlogN)
O(NlogN)的排序不少啊,归并的存在的意义是啥?它可是稳定的
O
(
N
l
o
g
N
)
O(NlogN)
O(NlogN) 哦,我们晓得,快速排序号称
O
(
N
l
o
g
N
)
O(NlogN)
O(NlogN),但是实际上很难真正达到
O
(
N
l
o
g
N
)
O(NlogN)
O(NlogN),因为选拆分点会很随机,起码在单轴快排的时候是这样的,如果每次选的都是什么最小值最大值就很尬了。
但是我们的归并,这个是稳定的。
2)实现简单:
这个很重要,如果你让我手写一个堆排序,那么基本我写不出来,原理倒是可以解释,不过就是马上实现,有点难;但是归并,那就,哈哈哈,只要知道原理,实现简单。
劣势是什么?
1)要额外空间
这个没办法,就要额外的空间来存放临时数组
2)要不断的搬移操作
还要从额外数组把数据搬回来的操作。
SHOW THE CODE
public void mergeSort(int[] arr) {
int len = arr.length;
mergeSort(arr, 0, len - 1);
}
public void mergeSort(int[] arr, int beginIndex, int endIndex) {
if (beginIndex >= endIndex) {
return;
}
int midIndex = beginIndex + ((endIndex - beginIndex) >> 1);
mergeSort(arr, beginIndex, midIndex);
mergeSort(arr, midIndex + 1, endIndex);
mergeCore(arr, beginIndex, midIndex, endIndex);
}
private void mergeCore(int[] arr, int startIndex, int midIndex, int endIndex){
int[] temp = new int[endIndex - startIndex + 1];
int tempIndex = 0;
int leftIndex = startIndex;
int rightIndex = midIndex + 1;
while (leftIndex <= midIndex && rightIndex <= endIndex) {
if (arr[leftIndex] < arr[rightIndex]) {
temp[tempIndex] = arr[leftIndex];
leftIndex++;
} else {
temp[tempIndex] = arr[rightIndex];
rightIndex++;
}
tempIndex++;
}
while (leftIndex <= midIndex) {
temp[tempIndex] = arr[leftIndex];
leftIndex++;
tempIndex++;
}
while (rightIndex <= endIndex) {
temp[tempIndex] = arr[rightIndex];
rightIndex++;
tempIndex++;
}
for (int i = 0, len = temp.length; i < len; ++i) {
arr[startIndex+i] = temp[i];
}
}