B站左神算法课学习笔记（P4）：认识O(NlogN)的排序

递归

定义

举例：（在数组上使用递归求最大值）

我的理解：

master公式

用处：在等规模的子递归问题中，可以直接使用此公式求解时间复杂度。

其中，T( N ) 表示母问题的数据量为 N ，a 表示递归中对于母函数的调用次数，N / b 表示子递归中的规模，最后一项表示除了递归以外剩下的部分的时间复杂度。

对于上述的递归代码，易得其时间复杂度为。

在求出master公式中的 a、b、d 三个参数之后，我们根据下列条件即可求得时间复杂度：

1. 当  时，时间复杂度为 ；
2. 当  时，时间复杂度为 ；
3. 当  时，时间复杂度为 ；

求中点

使用此方法可能在数组很大时溢出：

int mid = (L + R)/2

所以更推荐使用此写法来防止这种情况发生：

int mid = L + (R - L)/2

当然 “ / 2 ” 也可以使用移位操作来代替， “ >> 1 ” 右移一位即可。

而且移位操作比除法更快！！

归并排序

定义

归并排序（Merge Sort）：先递归使得左右两侧有序，再将两侧结果整合到一起，并重复该过程。

归并排序时间复杂度O(NlogN)，额外空间复杂度为O(N)。

            

代码实现

Step1：递归排序，使得左右两侧分别有序。

Step2：合并两侧

在 p1 或 p2 越界前，比大小并依次放入；当任一指针越界后，将另一侧剩下的数字放入。

    

对于归并排序使用master公式可得 

其中 a = 2， b = 2，d = 1，故符合  的情况，时间复杂度为 ，代入数据可知，归并排序的时间复杂度为 。

Q: 为什么归并排序的时间复杂度是O(NlogN)？

核心：没有浪费比较行为

对于冒泡排序和选择排序，经过多次比较才找到一个数的合适位置，大量浪费了比较行为。

而归并排序并未浪费！归并排序是将左右两部分进行排序后，利用带序特性进行合并，随后再将排好序的这部分数据，与其同等大小的较初始大小更大的数据进行排序，得到新的带序数据。

可以理解为：每次比较后的信息是往下传递的！！

拓展：

小和问题

在一个数组中，每一个数的左边比当前数小的所有数之和，叫做这个数组的小和。

Q：求数组 [ 1, 3, 4, 2, 5 ] 的小和。

手算可知答案为：5+6+4+1=16

下面讨论如何借助归并排序的思想，在时间复杂度为 O(NlogN) 的限制下完成求小和：

核心思想：正难则反

已知小和的定义是求所有数的左侧比各自数值小的数的和，不妨反过来想：只需找到每个数右侧有多少个比其数值更大的数，我们就可以确定每个数产生的小和数量，即可求出小和。

代码实现：

其中，process 函数和 merge 函数既对数组进行了排序，又在排序过程中实现了求小和。

process 函数 return ：左侧求小和的值 + 右侧求小和的值 + 左右合并求小和的值。

再来看 merge 函数：

标绿的部分表示求小和的过程：如果p1指针位置的值小于p2指针位置的值，说明p1指针位置上的值会产生小和，我们可以通过指针之差直接求算p1位置所产生的小和的数量（即有( r - p2 + 1 )个arr[ p1 ]作为小和）。

绿色部分的下一行是拷贝过程，注意，当左右两侧所指的数相等时，必须先拷贝右侧的数。

因为上文所提到使用指针之差来计算产生此小和的个数，所以需要在相等时先移动右侧指针。其中，右侧不会产生小和（右侧数，一方面本身顺序就相对左组来说位于右侧；另一方面，我们写算法的时候取的是小和的“正难则反”的定义，即找右侧有多少比它大的数，而在内部排序的时候已经计算过内部的小和，所以这里说右侧不会产生小和），但是左侧所产生的小和需要借助右侧 p2 指针与 r 指针位置之差来确定，所以必须先合并右侧的数，使得能够用指针之差确定左侧产生小和的个数！！

补充：

Q：为什么保证了不重不漏？

大概是讲清楚了，但是感觉理解还没有很通畅，得练两题感受一下。

逆序对问题

在一个数组中，左边的数如果比右边的数大，则这两个数构成一个逆序对，请找出数组中逆序对的数量。

与上题十分类似，排序+找逆序对即可。

快速排序

引入

Q1：给定一个数组 arr 和一个数 num ，请把小于等于 num 的数放在数组的左边，大于 num 的数放在数组的右边。要求额外空间复杂度O(1)，时间复杂度O(N)。

举例说明：

划分一个 <= 区域，表示放置在数组左侧。

1. 当 arr [ i ] <= num 时，arr [ i ] 上的数与 <= 区的下一个数做交换，<= 区右扩，i ++ ;
2. 当 arr [ i ] > num 时，i ++ 。

Q2：（荷兰国旗问题）给定一个数组 arr 和一个数 num ，请把小于等于 num 的数放在数组的左边，等于 num 的数放在数组的中间，大于 num 的数放在数组的右边。要求额外空间复杂度O(1)，时间复杂度O(N)。

可以看作：

实现条件：

1. 当 arr [ i ] < num 时，arr [ i ] 上的数与 < 区的下一个数做交换，< 区右扩，i ++;
2. 当 arr [ i ] == num 时，i ++ ;
3. 当 arr [ i ] >= num 时，arr [ i ] 上的数与 > 区的前一个数做交换，> 区左扩，i 原地不动（交换后未验证当前位置）。

手算模拟：

快排1.0

每次取最后一个数字作为 num ，把每个数与之比较后放置在前半部分或后半部分，最后将大于 num 部分的第一个数与 num 交换位置。然后再各个小部分上重复该操作。

例：

快排2.0

改进：添加 = num 的区域

优化点：一次搞定一批值相等的数，比 1.0 一次搞定一个数字更快。

例：

到此为止，上方的两种快排时间复杂度都是。

因为我们很容易举出最坏情况的例子：[ 1, 2, 3, 4, 5, 6, 7, 8, 9 ]

对于此数组运用上面两种快排，得到的时间复杂度都是等差数列 9 + 8 + ... + 1 ，即级别。

快排3.0

改进：从数组中随机选择一个数与最后位置上的数进行交换，然后进行比较与分区操作。

根据开始提到的 master 公式我们可以估计其时间复杂度，每种情况的时间复杂度出现概率都是.

对于所有可能的时间复杂度求数学期望，得到其时间复杂度的期望为。

注意：这是概率事件！此处给出的时间复杂度是使用数学期望进行的估计！

代码实现：

先随机选数并交换位置，随后调用 partition 函数，即快排的实现函数，其实现了比较和划分的过程，返回一个含两位的数组，表示 “ = ” 区域的左右两侧边界，其中 p [ 0 ] 为  “ = ” 区域的左边界， p [ 1 ] 为  “ = ” 区域的右边界。

相应的， p [ 0 ] - 1 即为 < 区的右边界， p [ 0 ] + 1 即为 > 区的左边界。

完成一轮快排后，在左右的 < 区和 > 区上递归进行第二轮快排，直至完全有序。

注意：下图中，L 代表指针位置，第一个 swap() 函数 ++less 是先自增后传给函数，对应 “与 < 区右边界的下一位交换” ；第二个 swap() 函数 --more 是先自减后传给函数，对应 “与 > 区左边界的前一位交换”。