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 ( n l o g n ) O(nlogn) 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:
- 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 ( n ) T(n) T(