【算法学习笔记05】分治思想之MergeSort合并排序

1 分治(Divide-and-Conquer)

分治的思想就是字面意义，“分而治之”。当我们拿到一个复杂问题时，如果不能够很好的解决，我们首先会想到的是将这个复杂的问题简单化。将原问题分成很多个子问题，再将子问题分成更小的子问题，直到他们是好解决能解决的。

分治法的基本思想：将一个难以直接解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。

分治的基本步骤：

• 分解：将原问题分解为若干个规模较小，相互独立，与原问题形式相同的子问题
• 解决：若子问题规模较小而容易被解决则直接解，否则递归地解各个子问题
• 合并：将各个子问题的解合并为原问题的解

分治法的复杂性分析：分治时，将问题划分成很多子问题，这些子问题往往有很高的自相似，所以和递归的时间复杂度非常相似。其实递归就是实现很多分治算法的有效武器。用T(n)表示该分治法解规模为|P|=n的问题所需的计算时间： T(n)=kT(n/m)+f(n)

常见算法：二分搜索、合并排序、快速排序、汉诺塔问题。

2 Merge Sort 合并排序及其python实现

合并排序就是典型的采用分治算法来实现排序。按照之前讨论的分治的基本步骤，合并排序分为以下几个步骤：

分解：将需要排序的数组等分为左右两部分，直到不可再分割

解决：对分割好的子序列依次排序

合并：将排列好的子序列进行排序

以排列[ 1,3,4,6,8,9,5,2]的合并排序为例子：

 将数组对半分组，分到最小后进行排序合并。合并排序的优势在于，每次合并时都是在合并已经排列好的数组，大大减少了排序的开销。

算法实现：

采用分治的有效武器，递归来实现算法

分解部分：我们只需要将需要解决的数组进行对半分，直到分解到不能再分割(数组的大小等于1)

合并部分：已知我们合并的数组都是已经排列好的数组，如何合并两个有序数组呢。我们只需要从数组的第一位进行比较，将小的放进合并的第一位，更大的是第二位，接着比较第二位，以此类推。

合并部分的思路如下：

while len(left)>0 and len(right)>0:
    if left[0] < right[0]:
        res.append(left.pop(0))
    else:
        res.append(right.pop(0))
if len(left)>0:
    res.extend(left)
if len(right)>0:
    res.extend(right)

合并算法代码实现：

#合并排序
def merge(left,right):
    res=[]
    while len(left)>0 and len(right)>0:
        if left[0] < right[0]:
            res.append(left.pop(0))
        else:
            res.append(right.pop(0))
    if len(left)>0:
        res.extend(left)
    if len(right)>0:
        res.extend(right)
    return res

def merge_sort(arr:list):
    if len(arr)<2:
        return arr
    mid=len(arr) //2
    left=arr[:mid]
    right=arr[mid:]
    #不断将左右两部分再进行对半分
    left_sort=merge_sort(left)
    right_sort=merge_sort(right)

    return merge(left_sort,right_sort)

时间复杂度分析：

可知在对left和right排序的过程中是遍历数组，时间复杂度是O(N)。在将数组对半分的时候(分成left和right），时间复杂度时O(logN)，类比二分法可知：

归并排序的时间复杂度为O(nlogn)，其执行效率与要排序的原始数组的有序程度无关。