算法基础：排序（二）——归并排序——Python实现

1. 归并排序与分治策略

归并排序的核心思想就是 分而治之。

先介绍下分治法，设计思想是：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。

分治策略：对于一个规模为N（N较大）的问题，将其划分为K个规模较小的子问题，若子问题相互独立且与原问题形式相同，我们则可以使用递归不断地将子问题进行划分，将一个大问题自顶向下一层层划分为容易解得小问题，得到小问题的解后再自底向上逐层合并得到原问题的解。

归并排序就是采用了这样的分治策略来设计算法。对于一个长度为N的数组，通过逐层二分将大数组分解成容易排序的小数组，然后对排好序的两个子数组进行归并，最终得到归并后的有序数组。

使用增量策略的排序（如插入排序）的算法复杂度为O(n^2)，而使用分治策略的归并排序则将算法复杂度降到了O(nlogn)。经过测试，这种排序算法的优化效果是很显著的，大家可以在最后看到测试时各种方法所用时间的对比。

---

2. 自顶向下、自底向上、使用插入排序的归并算法实现

（1）归并算法

有了分治的策略，那么我们如何将排好序的子数组合并成一个有序的数组呢？这就是归并排序的核心算法merge(a,lo,mid,hi)。

对于上图看了代码应该很容易理解：
需要一个辅助数组aux，现将a的元素拷贝给aux，再将aux元素归并到a中。

    def __merge(self,a,lo,mid,hi):
        i=lo
        j=mid+1
        self.__aux[lo:hi+1]=a[lo:hi+1] #将a[lo..hi] 复制给aux[lo..hi]
        for k in range(lo,hi+1):
            if i > mid:#左侧元素归并完毕，将右侧剩余元素依次拷贝到a
                a[k] = self.__aux[j]
                j+=1
            elif j > hi:#右侧，同上
                a[k] = self.__aux[i]
                i+=1
            elif self.less(self.__aux[j],self.__aux[i]):#谁小将谁归并入a
                a[k] = self.__aux[j]
                j+=1
            else:
                a[k] = self.__aux[i]
                i+=1

（2）自顶向下的归并排序

有了以上的归并操作后，我们如何递归地划分数组并将两个子数组排序呢？通过递归直到将子数组划分为长度为1的数组，此时hi <= lo开始return，归并后的数组即是长度为2，4，8，…，n的有序数组。

   def __sort_by_recurse(self,a,lo,hi): # 使用递归进行自顶向下归并
        if hi <= lo:
            return
        mid=int((hi+lo)/2)
        self.__sort_by_recurse(a,lo,mid)
        self.__sort_by_recurse(a,mid+