数据结构与算法之美 | 学习笔记09 ——归并排序&快速排序

归并排序和快速排序都用到了分治思想，的时间复杂度都为$O(nlogn)$，适合大规模的数据排序。

一、归并排序（Merge Sort）

1. 归并排序实现

分治算法一般都是用递归来实现的，分治是解决问题的处理思想，递归是一种编程技巧。用递归来代码实现归并排序，首先写出递推公式的伪代码：

递推公式：
merge_sort(p…r) = merge(merge_sort(p…q), merge_sort(q+1…r))
//下标p到r之间的数组排序，转化为p到q和q+1到r的数组排序
终止条件：
p >= r 不用再继续分解

整个过程的伪代码：

// 归并排序算法, A是数组，n表示数组大小
merge_sort(A, n) {
   
  merge_sort_c(A, 0, n-1)
}

// 递归调用函数
merge_sort_c(A, p, r) {
   
  // 递归终止条件
  if p >= r  then return

  // 取p到r之间的中间位置q
  q = (p+r) / 2
  // 分治递归
  merge_sort_c(A, p, q)
  merge_sort_c(A, q+1, r)
  // 将A[p...q]和A[q+1...r]合并为A[p...r]
  merge(A[p...r], A[p...q], A[q+1...r])
}

对于最后一个合并步骤：

1. 申请一个大小与A[p…r]相同的临时数组，两个游标i,j分别指向前后部分的第一个元素，比较A[i]和A[j]，如果A[i]<=A[j]，就把A[i]放入临时数组，并将i后移一位，继续比较。最后将tmp临时数组拷贝入原数组A[p…r]中。

伪代码为：

merge(A[p...r], A[p...q], A[q+1...r]) {
   
  var i := p，j := q+1，k := 0 // 初始化变量i, j, k
  var tmp := new array[0...r-p] // 申请一个大小跟A[p...r]一样的临时数组
  while i<=q AND j<=r do {
   
    if A[i] <= A[j] {
   
      tmp[k++] = A[i++] // i++等于i:=i+1
    } else {
   
      tmp[k++] = A[j++]
    }
  }
  
  // 判断哪个子数组中有剩余的数据
  var start := i，end := q
  if j<=r then start := j, end:=r
  
  // 将剩余的数据拷贝到临时数组tmp
  while start <= end do {
   
    tmp[k++] = A[start++]
  }
  
  // 将tmp中的数组拷贝回A[p...r]
  for i:=0 to r-p do {
   
    A[p+i] = tmp[i]
  }
}

2. 归并排序的稳定性

合并过程中，如果A[p…q]和A[q+1…r]之间有相同的元素，就先把A[p…q]放入tmp数组，保证了值相同的元素合并前后的先后顺序不变，因此归并排序是稳定的排序算法。

3. 时间复杂度

不仅递归求解的问题可以写成递推公式，递归代码的时间复杂度也可以写成递推公式。 假设对n个元素进行归并排序需要$T($