入秋的第一篇数据结构算法：看看归并与快排的风采，三面蚂蚁金服成功拿到offer

package com.liuxing.sort;

import com.liuxing.util.Print;

/**

• @author liuxing007

• @ClassName MergeSort

• @Description 归并排序（Merge Sort）

• 归并排序的核心思想还是蛮简单的。如果要排序一个数组，

• 我们先把数组从中间分成前后两部分，然后对前后两部分分别排序，

• 再将排好序的两部分合并在一起，这样整个数组就都有序了。

• 时间复杂度：O(nlogn)

• 空间复杂度：O(n)

• 不是原地排序算法

• @date 2020/9/17 15:04

*/

public class MergeSort {

public static void main(String[] args) {

int[] arr = new int[]{6,4,1,7,2,5,8,3};

int length = arr.length;

System.out.println(“排序前数组===========”);

Print.print(arr, length);

sort(arr, length);

System.out.println(“排序后数组===========”);

Print.print(arr, length);

}

/**

• 排序算法

• @param arr 数组

• @param l 数组长度

*/

private static void sort(int[] arr,int l){

sortMerge(arr,0,l-1);

}

/**

• 递归

• @param arr 数组

• @param p 开始位置下表

• @param r 结束位置下表

*/

private static void sortMerge(int[] arr,int p,int r){

if(p >= r){

return ;

}

//分治的下标，这里我采用p到r的中间位置index。

int index = p + (r-p)/2;

//左侧递归

sortMerge(arr,p,index);

//右侧递归

sortMerge(arr, index + 1, r);

merge(arr, p, index,r);

System.out.println(“排序后数组===========”);

Print.print(arr, length);

}

/**

• 合并计算

• @param arr 原素组

• @param l 左侧数组开始位置下标

• @param index 左侧数组结束位置下标

• @param r 右侧数组结束位置下标

*/

private static void merge(int[] arr, int l,int index, int r) {

//临时数组，这里可以优化，数组的频繁创建会降低程序运行的效率，

// 所以这里可以将这个临时数组改成参数传递进来，在数量较大的时候执行效率变化变焦显著

int[] temp = new int[r-l+1];

//左侧开始下标

int i= l;

//右侧开始下标

int j = index+1;

//临时数组下标

int k=0;

// 左侧数组与右侧数组进行对比，将小的元素放入临时数组中

while(i<=index && j<=r){

if(arr[i]<arr[j]){

temp[k++] = arr[i++];

}else{

temp[k++] = arr[j++];

}

}

//对比完成之后，需要把两侧数组中还没有对比的数据加入到临时数组中

//把左边剩余元素加入临时数组中

while(i<=index){

temp[k++] = arr[i++];

}

//把右边剩余元素加入临时数组中

while(j<=r){

temp[k++] = arr[j++];

}

//将临时数组的元素拷贝原数组中

for(int x=0;x<temp.length;x++){

arr[x+l] = temp[x];

}

}

}

package com.liuxing.util;

/**

• @author liuxing007

• @ClassName Print

• @Description 打印

• @date 2020/9/17 11:13

*/

public class Print {

/***

• 打印数据

• @param arr 数组

• @param length 数组长度

*/

public static void print(int[] arr, int length) {

for (int i = 0; i < length; ++i) {

System.out.print(arr[i] + " ");

}

System.out.println("");

}

}

排序前数组===========

6 4 1 7 2 5 8 3

合并后的数据

4 6 1 7 2 5 8 3

合并后的数据

4 6 1 7 2 5 8

《一线大厂Java面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义》

【docs.qq.com/doc/DSmxTbFJ1cmN1R2dB】 完整内容开源分享

3

合并后的数据

1 4 6 7 2 5 8 3

合并后的数据

1 4 6 7 2 5 8 3

合并后的数据

1 4 6 7 2 5 3 8

合并后的数据

1 4 6 7 2 3 5 8

合并后的数据

1 2 3 4 5 6 7 8

排序后数组===========

1 2 3 4 5 6 7 8

Process finished with exit code 0

---

3.时间空间复杂度分析

---

我们假设对 n 个元素进行归并排序需要的时间是 T(n)，那分解成两个子数组排序的时间都是 T(n/2)。我们知道，merge() 函数合并两个有序子数组的时间复杂度是 O(n)。所以，套用前面的公式，归并排序的时间复杂度的计算公式就是：

T(1) = C； n=1时，只需要常量级的执行时间，所以表示为C。

T(n) = 2*T(n/2) + n； n>1

通过这个公式，如何来求解 T(n) 呢？还不够直观？那我们再进一步分解一下计算过程。

T(n) = 2*T(n/2) + n

= 2*(2T(n/4) + n/2) + n = 4T(n/4) + 2*n

= 4*(2T(n/8) + n/4) + 2n = 8T(n/8) + 3n

= 8*(2T(n/16) + n/8) + 3n= 16T(n/16) + 4n

…

= 2^k * T(n/2^k) + k * n

…

通过这样一步一步分解推导，我们可以得到 T(n) = 2 k 2^k 2k T(n/ 2 k 2^k 2k)+kn。当 T( n / 2 k n/2^k n/2k)=T(1) 时，也就是 2 k 2^k 2k=1，我们得到 k= l o g 2 n log_2n log2​n 。我们将 k 值代入上面的公式，得到 T(n)=Cn+ l o g 2 n log_2n log2​n 。如果我们用大 O 标记法来表示的话，T(n) 就等于 O(nlogn)。所以归并排序的时间复杂度是 O(nlogn)。从我们的原理分析和伪代码可以看出，归并排序的执行效率与要排序的原始数组的有序程度无关，所以其时间复杂度是非常稳定的，不管是最好情况、最坏情况，还是平均情况，时间复杂度都是 O(nlogn)-----摘自-极客时间-数据结构与算法-王争

归并排序的时间复杂度已经很优秀了，但为什么我们在日常开发中却很少看到他的身影呢？我们先来分析一下归并排序的空间复杂度。

我们需要注意的是合并方法，这个方法中我们使用了一个临时数组用来存储数据，但是合并之后这个临时数组就会释放，又因为临时数组的最大长度不会超过原始数组长度n，所以归并排序的空间复杂度为：O(n)

为什么开发中很少人使用到归并排序呢？原因很简单，因为它不是一个原地排序算法，这个时候你可能会有疑惑了，什么是原地排序算法？简单来说：不通过其他空间来完成的排序，我们称它为原地排序算法，但归并排序很明显借用了一个临时数组，所以它不是一个原地排序算法，即使它的时间复杂都很稳定，使用的人也比较少。

---

三、快速排序

=====================================================================

1.什么是快速排序

---

如果要排序数组中下标从 p 到 r 之间的一组数据， 我们选择 p 到 r 之间的任意一个数据作为 pivot（分区点）。我们遍历 p 到 r 之间的数据，将小于 pivot 的放到左边， 将大于 pivot 的放到右边，将 pivot 放到中间。经过这一步骤之后， 数组 p 到 r 之间的数据就被分成了三个部分，前面 p 到 q-1 之间都是小于 pivot 的，中间是 pivot，后面的 q+1 到 r 之间是大于 pivot 的.根据分治、递归的处理思想，我们可以用递归排序下标从 p 到 q-1 之间的数据和下标从 q+1 到 r 之间的数据，直到区间缩小为 1，就说明所有的数据都有序了。（摘自-极客时间-数据结构与算法-王争）

快速排序的思想和归并排序有点类似，都是通过分治的思想，利用递归实现排序，只不过实现的细节有所不同，快排（快速排序）需要一个分区点，可以在数组中随便去一个元素作为分区点即可，后面就是前面讲到的概念了，归并的核心在于合并，而快排的核心在于分区点，所以我们就一起来看看在获取分区点的时候快排都干了些啥？

之前说过，快排选择一个分区点（pivot）之后，将小于分区点（pivot）的元素放左边，分区点（pivot）放中间，大于分区点（pivot）的放右边，这个一看就很好解决嘛，和归并排序一样，我先申请两个临时数组，一个存放小于分区点元素的数组，一个存放大于分区点元素的数组，这样，就能完美的解决了，非常简单，但是这个就和归并排序面临这同一样的一个问题：它不是一个原地排序算法，那如果我希望快排是一个原地排序算法呢？我们应该如何实现呢？其实也不难，我们可以参考一下选择排序：【数据结构与算法】常见的三种排序（冒泡排序、插入排序、选择排序）

我们定义一个游标 i (数组下标) 把数组a[p-(r-1)]分成两部分，A[p-(i-1)]都是小于分区点（pivot）的，我们叫他“已排序区间”。a[(i+1) - (r-1)]都是大于分区点（pivot）元素的，我们叫他“未排序区间”，只要从未排序区间去值与分区点（pivot）进行比较，如果小于分区点（pivot），那么将此元素追加到已排序区间中（a[i]），否者不需要变动。

我还是准备了一张图给大家参考，也许大家就能明白了。

这是一次分区交换的结果，当把所有分区都交换完成之后，整个数组也就有序了，既然快速排序的思想已经讲的差不多了，下面我们一起来看看代码怎么实现

快排代码实现

package com.liuxing.sort;

import com.liuxing.util.DataUtil;

import com.liuxing.util.Print;

/**

• @author liuxing007

• @ClassName Quicksort

• @Description 快速排序

• 如果要排序数组中下标从 p 到 r 之间的一组数据，

• 我们选择 p 到 r 之间的任意一个数据作为 pivot（分区点）。

• 我们遍历 p 到 r 之间的数据，将小于 pivot 的放到左边，

• 将大于 pivot 的放到右边，将 pivot 放到中间。经过这一步骤之后，

• 数组 p 到 r 之间的数据就被分成了三个部分，

• 前面 p 到 q-1 之间都是小于 pivot 的，中间是 pivot，

• 后面的 q+1 到 r 之间是大于 pivot 的.

• 根据分治、递归的处理思想，

• 我们可以用递归排序下标从 p 到 q-1 之间的数据和下标从 q+1 到 r 之间的数据，

• 直到区间缩小为 1，就说明所有的数据都有序了（摘自-极客时间-数据结构与算法-王争）

• 时间复杂度：O(nlogn)

• 空间复杂度：O(1)

• 原地排序算法，但不是稳点排序算法

• @date 2020/9/18 10:22

*/

public class Quicksort {

public static void main(String[] args) {

int[] arr = new int[]{6, 5, 4, 3, 2, 1};

// int[] arr = DataUtil.createIntArrData();

int length = arr.length;

System.out.println(“排序前数组===========”);

Print.print(arr, length);

sort(arr, length);

System.out.println(“排序后数组===========”);

Print.print(arr, length);

}

/**

• 排序算法

• @param arr 数组

• @param l 数组长度

*/

private static void sort(int[] arr,int l){

sortRec(arr,0,l-1);

}

/**

• 递归

• @param arr

• @param p

• @param r

*/

private static void sortRec(int[] arr, int p, int r) {

//递归终止条件

if (p >= r){

return;

}

//获取分区点

int q = partition(arr, p, r);