2 归并排序

归并排序

Profile

说到归并排序，就不得不说道分治法。将原问题分解为几个规模较小但类似原问题的子问题，递归地求解这些子问题，然后再合并这些子问题的解来得到原问题的解。总结一下就是以下步骤：分解、解决、合并。对于归并排序来说(这个总结来自《算法导论》)：
- 分解:分解待排序的n个元素为两个子序列;
- 解决:使用归并排序递归地排序两个子序列;
- 合并:合并两个已排序的子序列产生已排序的答案.
分治法的思想是很重要的，归并排序是其很好的例子。在Java中，提供的sort方法就是以归并排序为蓝本改造的算法。但是，一般而言归并排序的效率没有快速排序(后面会讲到)高，快速排序是原地排序且实现简单等。不过，学习算法的本身不就是一种乐趣吗，给人以启发。

代码实现和注释

/**
 * 归并过程 时间复杂度O(n)
 */
 template <typename T>
void merge(vector<T>& A, int first, int middle, int last) {
    const int lLen = middle - first + 1;
    const int rLen = last - middle;
    /**
     * 注意，临时空间Left\Right应该在进行归并排序时就一次性分配好
     * 这里为了演示算法简化了细节，所以每次merge的时候都分配新的临时空间
     */
    T Left[lLen];
    T Right[rLen];
    for (int i = 0; i < lLen; ++i)
        Left[i] = A[first + i];
    for (int i = 0; i < rLen; ++i)
        Right[i] = A[middle + 1 + i];
    /**
     * 这里不用担心i、j下标越界的问题，因为上述代码已经保证了有
     * lLen + rLen == last - first + 1,所以不用担心当i>=lLen&&j>=rLen
     * 的情况(也就是循环中if/else判断的最后一个注释了的else);
     * merge过程，从左右两堆元素中依次选取最小的元素放回原序列，
     * 直到左右两堆元素都放完
     */
    for (int k = first, i = 0, j = 0; k <= last; ++k) {
        // Left和Right中都还有元素(选取Left和RIght之间较小的元素放入)
        if (i < lLen && j < rLen) {
            A[k] = Left[i] < Right[j] ? Left[i++] : Right[j++];
        }
        // 只剩下Left中还有元素，那么就直接放入Left中的元素
        else if (i < lLen) {
            A[k] = Left[i++];
        }
        // 只剩下Right中还有元素，那么就直接放入Right中的元素
        // 不用再判断j < rLen,根据上下文保证如果进入这个else一定满足j<rLen
        else {
            A[k] = Right[j++];
        }
    }
}

/**
 * 归并排序 (分治思想)
 */
template <typename T>
void mergeSort(vector<T>& A, int first, int last) {
    if (first < last) {
        // 注意int溢出，最好不要写(last + first) / 2
        int middle = first + (last - first) / 2;
        mergeSort(A, first, middle);// 对左边序列归并排序
        mergeSort(A, middle + 1, last);// 对右边序列归并排序
        merge(A, first, middle, last);// 对两个已经有序的区间进行合并
    }
}