05、归并排序及其复杂度分析

注：转载：图解排序算法(四)之归并排序 - dreamcatcher-cx - 博客园

作者： dreamcatcher-cx        出处： <http://www.cnblogs.com/chengxiao/>

        本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在页面明显位置给出原文链接。

---

概念：

        归并排序（MERGE-SORT）是利用归并的思想实现的排序方法，该算法采用经典的分治（divide-and-conquer）策略（分治法将问题分(divide)成一些小的问题然后递归求解，而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起，即分而治之)

 　　可以看到这种结构很像一棵完全二叉树，本文的归并排序我们采用递归去实现（也可采用迭代的方式去实现）。分阶段可以理解为就是递归拆分子序列的过程，递归深度为log2n。

---

合并相邻有序子序列

        再来看看治阶段，我们需要将两个已经有序的子序列合并成一个有序序列，比如上图中的最后一次合并，要将[4,5,7,8]和[1,2,3,6]两个已经有序的子序列，合并为最终序列[1,2,3,4,5,6,7,8]，来看下实现步骤。

代码实现：

package basic_package_01;

public class Code_05_MergeSort {
	public static void mergeSort(int[] arr) {
		if (arr == null || arr.length < 2) {
			return;
		}
		sortProcess(arr, 0, arr.length-1);
	}

	private static void sortProcess(int[] arr, int L, int R) {
		if(L==R) {
			return;
		}
		int mid = L + ((R-L)>>1); // L和R的中点的位置
		sortProcess(arr,L,mid);	// T(n/2)
		sortProcess(arr,mid+1,R); // T(n/2)
		merge(arr, L, mid, R);  //O(N)
		// T(N) = 2T(N/2)+O(N)
	}

	private static void merge(int[] arr, int L, int mid, int R) {
		// 两边各自都已排好序，进行合并
		int[] temp = new int[R-L+1]; 
		int i=0;
		int p1 = L;	//左序列指针
		int p2 = mid + 1;	//右序列指针
		while(p1 <= mid && p2 <= R) {
			temp[i++] = arr[p1] < arr[p2]? arr[p1++] : arr[p2++];
		}
		// 两个必有且只有一个越界
		while (p1 <= mid) {
			temp[i++] = arr[p1++];
		}
		while (p2 <= R) {
			temp[i++] = arr[p2++];
		}
		for(i=0;i<temp.length;i++) {
			arr[L + i] = temp[i];
		}
	}
	
	// 打印数组
	public static void printArray(int[] arr) {
		if (arr == null) {
			return;
		}
		for (int i = 0; i < arr.length; i++) {
			System.out.print(arr[i] + " ");
		}
		System.out.println();
	}
	
	public static void main(String[] args) {
		int[] arr = {8,4,5,7,1,3,6,2};
		mergeSort(arr);
		printArray(arr);
		
	} 
}

结果：

复杂度分析：

        时间复杂度O(N*logN)，额外空间复杂度O(N)