归并排序
百度上对归并排序有这样的定义:归并排序是建立在归并操作上的一种有效,稳定的排序算法,该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为二路归并。
具体排序的做法描述如下:首先把一个未排序的序列从中间分割成2部分,再把2部分分成4部分,依次分割下去,直到分割成一个一个的数据,再把这些数据两两归并到一起,使之有序,不停的归并,最后成为一个排好序的序列。
动画演示
该排序的代码实现如下:
public class merge {
public static void mergeSort(int[] arr) {
if (arr == null || arr.length < 2)
return;
process(arr, 0, arr.length - 1);
for (int i : arr) {
System.out.println(i);
}
}
public static void process(int[] arr, int L, int R) {//对数组中L到R位置的数进行排序
if (L == R)
return;
int M = L + ((R - L) >> 1);//取中点,>>1等价于除以2
process(arr, L, M);
process(arr, M + 1, R);//通过递归调用process方法,数组中的数据全被分成两两一组,之后即进行归并排序
merge(arr, L, M, R);//调用merge方法进行排序
}
public static void merge(int[] arr, int L, int M, int R) {
int[] help = new int[R - L + 1];//申请一个辅助空间长度为数据两两递归合并后的长度(每归并一次长度翻倍)
int i = 0;//help数组的下标
int p1 = L;
int p2 = M + 1;
while (p1 <= M && p2 <= R) {//当p1和p2都不越界的情况下
//比较两个数组首下标位置的数,把小的赋给辅助数组,然后该下标(首数据小的数组)后移,辅助数组下标后移
help[i++] = arr[p1] < arr[p2] ? arr[p1++] : arr[p2++];
}
//当上边的while执行后,必有p1或p2位置上的数赋给help数组,之后p1或p2后移后必有该数组的下标越界。
//因此下边两个while会有一个符合(p2或p1),把此位置的数也存进help数组,然后此数组下标后移,help下标后移。
//这就进行了一次排序,之后反复进行。
while (p1 <= M) {
help[i++] = arr[p1++];
}
while (p2 <= R) {
help[i++] = arr[p2++];
}
for (i = 0; i < help.length; i++) {
arr[L + i] = help[i];//把help数组拷贝到原数组
}
}
public static void main(String[] args) {
int[] array = {3, 6, 1, 2, 4, 2, 7, 4, 1, 0, 5};
mergeSort(array);
}
}
归并排序的时间复杂度求法
可推得此算法的master公式为
T(N) = 2T(N/2) + O(N)
在此公式中,a=2,b=2,d=1,所以logba=d,所以时间复杂度为O(N*logN)
附:
master公式的使用
T(N) = a*T(N/b) + O(N^d)
-
T(N)指的是母问题的数据量是N级别的(母问题有N个数据,规模是N)
-
T(N/b)指的是子问题的规模都是N/b规模的子问题(所有调用的子过程是等量的,都是N/b的规模)
-
a指的是子问题被调用次数
-
O(N^d)是除去子问题调用之外,剩下的过程的时间复杂度
只要是满足子问题都是等规模的递归问题,都可以用master公式求解时间复杂度