归并排序(MERGE-SORT)是利用归并的思想实现的排序方法,该算法采用经典的分治(divide-and-conquer)策略(分治法将问题分(divide)成一些小的问题然后递归求解,而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起,即分而治之)。
Git地址:https://github.com/maronghe/arithmetic/blob/master/src/com/ibm/sort/MergeSort.java
分而治之
可以看到这种结构很像一棵完全二叉树,本文的归并排序我们采用递归去实现(也可采用迭代的方式去实现)。分阶段可以理解为就是递归拆分子序列的过程,递归深度为log2n。
合并相邻有序子序列
再来看看治阶段,我们需要将两个已经有序的子序列合并成一个有序序列,比如上图中的最后一次合并,要将[4,5,7,8]和[1,2,3,6]两个已经有序的子序列,合并为最终序列[1,2,3,4,5,6,7,8],来看下实现步骤。
代码实现
package com.ibm.sort;
/**
* MergeSort
* @author Logan
*
*/
public class MergeSort{
/**
* merge sort arithmetic
* @param srcArray
* @return sorted array
*/
public static void mergeSort(int[] srcArray) {
// 避免重复创建临时数组
int[] tempArr = new int[srcArray.length];
mergeSort(srcArray, 0, srcArray.length - 1, tempArr);
}
/**
*
* @param srcArray
* @param start
* @param end
* @param tempArr
*/
private static void mergeSort(int[] srcArray, int start, int end, int[] tempArr) {
if(start < end) {
int mid = (start + end) / 2;
mergeSort(srcArray, start, mid, tempArr); // 左侧归并排序
mergeSort(srcArray, mid + 1, end, tempArr);// 右侧归并排序
merge(srcArray, start, mid, end, tempArr); // 合并当前的有序序列
}
}
/**
* 合并当前有序序列
* @param srcArray
* @param start
* @param mid
* @param end
* @param tempArr
*/
private static void merge(int[] srcArray, int start, int mid, int end, int[] tempArr) {
// 左序列指针
int left = start;
// 右序列指针
int right = mid + 1;
// 临时指针
int temp = 0;
// 当左指针小于右指针,逐一比较
while(left <= mid && right <= end) {
// 当左侧数据小于右侧数据
if(srcArray[left] <= srcArray[right]) {
tempArr[temp ++] = srcArray[left ++];
}else {
tempArr[temp ++] = srcArray[right ++];
}
}
// 将剩余的左数组放入临时数组中
while(left <= mid) {
tempArr[temp ++] = srcArray[left ++];
}
// 将剩余的右数组放入临时数组中
while(right <= end) {
tempArr[temp ++] = srcArray[right ++];
}
temp = 0;
// 将临时数组数据转移到原数组中
while(start <= end) {
srcArray[start ++] = tempArr[temp ++];
}
}
}
最后
归并排序是稳定排序,它也是一种十分高效的排序,能利用完全二叉树特性的排序一般性能都不会太差。java中Arrays.sort()采用了一种名为TimSort的排序算法,就是归并排序的优化版本。从上文的图中可看出,每次合并操作的平均时间复杂度为O(n),而完全二叉树的深度为|log2n|。总的平均时间复杂度为O(nlogn)。而且,归并排序的最好,最坏,平均时间复杂度均为O(nlogn)。