排序算法 归并排序 merge sort

 归并排序（Merge Sort）

归并排序是建立在归并操作上的一种有效的排序算法。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2-路归并。

算法描述

把长度为n的输入序列分成两个长度为n/2的子序列；
对这两个子序列分别采用归并排序；
将两个排序好的子序列合并成一个最终的排序序列。
将两个的有序数列合并成一个有序数列，我们称之为"归并"。
归并排序(Merge Sort)就是利用归并思想对数列进行排序。根据具体的实现，归并排序包括"从上往下"和"从下往上"2种方式。

1、从下往上的归并排序：将待排序的数列分成若干个长度为1的子数列，然后将这些数列两两合并；得到若干个长度为2的有序数列，
再将这些数列两两合并；得到若干个长度为4的有序数列，再将它们两两合并；直接合并成一个数列为止。这样就得到了我们想要的排序结果。

2、从上往下的归并排序：它与"从下往上"在排序上是反方向的。它基本包括3步：

① 分解：将当前区间一分为二，即求分裂点 mid = (low + high)/2;
② 求解：递归地对两个子区间a[low...mid] 和 a[mid+1...high]进行归并排序。递归的终结条件是子区间长度为1。
③ 合并：将已排序的两个子区间a[low...mid]和 a[mid+1...high]归并为一个有序的区间a[low...high]。
下面的图片很清晰的反映了"从下往上"和"从上往下"的归并排序的区别。

归并排序的时间复杂度和稳定性

归并排序时间复杂度
归并排序的时间复杂度是O(n㏒n)。
假设被排序的数列中有N个数。遍历一趟的时间复杂度是O(N)，需要遍历多少次呢？
归并排序的形式就是一棵二叉树，它需要遍历的次数就是二叉树的深度，而根据完全二叉树的可以得出它的时间复杂度是O(n㏒n)。

归并排序稳定性
归并排序是稳定的算法，它满足稳定算法的定义。
算法稳定性 -- 假设在数列中存在a[i]=a[j]，若在排序之前，a[i]在a[j]前面；并且排序之后，a[i]仍然在a[j]前面。
则这个排序算法是稳定的！
   

public static void main(String[] args) {
        int[] arr = new int[]{5, 2, 15, 1, 9, 60, 10, 30, 8, 2, 3, 11};
        arr = mergeSort(arr, 2);
        System.out.println(Arrays.toString(arr));
    }

    /**
     * 数组拆分
     * @param arr
     * @param tag 设置最小分割值
     * @return
     */
    private static int[] mergeSort(int[] arr, int tag){
        int len = arr.length;
        if(len < 2){
            return arr;
        }
        if(len < tag){
            // 结合其他排序，减少递归层数
            return sort(arr);
        }
        int l = len / 2;
        int[] lArr = Arrays.copyOfRange(arr, 0, l);
        int[] rArr = Arrays.copyOfRange(arr, l, len);
        int[] resArr = merge(mergeSort(lArr, tag), mergeSort(rArr, tag));
        return resArr;
    }

    /**
     * 冒泡排序
     * @param arr
     */
    private static int[] sort(int[] arr){
        int l = arr.length;
        boolean flag;
        for (int i = 0; i < l; i++) {
            flag = true;
            for (int j = 0; j < l - i - 1; j++) {
                if(arr[j] > arr[j + 1]){
                    arr[j] += arr[j + 1];
                    arr[j + 1] = arr[j] - arr[j + 1];
                    arr[j] -= arr[j + 1];
                    flag = false;
                }
            }
            if(flag){
                break;
            }
        }
        return arr;
    }

    /**
     * 两个数组合并
     * @param lArr
     * @param rArr
     * @return
     */
    private static int[] merge(int[] lArr, int[] rArr){
        int l = lArr.length;
        int r = rArr.length;
        int f = l + r;
        int[] res = new int[f];

        int ls = 0, rs = 0;
        for (int i = 0; i < f; i++) {
            if(ls == l){
                res[i] = rArr[rs++];
                continue;
            }
            if(rs == r){
                res[i] = lArr[ls++];
                continue;
            }
            if(lArr[ls] < rArr[rs]){
                res[i] = lArr[ls++];
            }else{
                res[i] = rArr[rs++];
            }
        }

        return res;
    }

参考：

归并排序