基础算法-排序-归并排序

   归并排序是一个 nlgn 不错的排序算法，下面我们看下归并排序的逻辑与实现。

 

归并排序介绍

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。(参考下面的图片)

 

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]。

 

从上往下的归并排序采用了递归的方式实现。它的原理非常简单，如下图：

通过"从上往下的归并排序"来对数组{80,30,60,40,20,10,50,70}进行排序时：
1. 将数组{80,30,60,40,20,10,50,70}看作由两个有序的子数组{80,30,60,40}和{20,10,50,70}组成。对两个有序子树组进行排序即可。
2. 将子数组{80,30,60,40}看作由两个有序的子数组{80,30}和{60,40}组成。
    将子数组{20,10,50,70}看作由两个有序的子数组{20,10}和{50,70}组成。
3. 将子数组{80,30}看作由两个有序的子数组{80}和{30}组成。
    将子数组{60,40}看作由两个有序的子数组{60}和{40}组成。
    将子数组{20,10}看作由两个有序的子数组{20}和{10}组成。
    将子数组{50,70}看作由两个有序的子数组{50}和{70}组成。

 

 

从下往上的归并排序的思想正好与"从下往上的归并排序"相反。如下图：

通过"从下往上的归并排序"来对数组{80,30,60,40,20,10,50,70}进行排序时：
1. 将数组{80,30,60,40,20,10,50,70}看作由8个有序的子数组{80},{30},{60},{40},{20},{10},{50}和{70}组成。
2. 将这8个有序的子数列两两合并。得到4个有序的子树列{30,80},{40,60},{10,20}和{50,70}。
3. 将这4个有序的子数列两两合并。得到2个有序的子树列{30,40,60,80}和{10,20,50,70}。
4. 将这2个有序的子数列两两合并。得到1个有序的子树列{10,20,30,40,50,60,70,80}。

 

 

 

 

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*lgN)。
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*lgN)。

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！

 

 

下面给出从上向下实现的归并排序，Java语言实现：

 

package basic.sort;

/**
 * Created by szh on 2019/3/11.
 */
public class MergeSort {

    public void mergeSort(int[] arr) {

        if (arr == null || arr.length == 0) {
            return;
        }

        mergeSort(arr, 0, arr.length - 1);
    }

    private void mergeSort(int[] arr, int left, int right) {

        if (left < right) {
            mergeSort(arr, left, (left + right) / 2);
            mergeSort(arr, ((left + right) / 2) + 1, right);
        }

        int[] tmp = new int[right - left + 1];
        int mid = (left + right) / 2;

        int i = left;
        int j = mid + 1;

        int k = 0;

        while (i <= mid && j <= right) {
            if (arr[i] < arr[j]) {
                tmp[k++] = arr[i++];
            } else {
                tmp[k++] = arr[j++];
            }
        }

        while (i <= mid) {
            tmp[k++] = arr[i++];
        }

        while (j <= right) {
            tmp[k++] = arr[j++];
        }


        for (int index = 0; index < tmp.length; index++) {
            arr[left + index] = tmp[index];
        }
    }


    public static void main(String[] args) {

        {
            int[] tmp = new int[]{4, 3, 2, 5, 1};

            MergeSort tmpObj = new MergeSort();
            tmpObj.mergeSort(tmp);

            for (int i = 0; i < tmp.length; i++) {
                System.out.println(tmp[i]);
            }

        }

        System.out.println("---------------------------------------");

        {
            int[] tmp = new int[]{1};

            MergeSort tmpObj = new MergeSort();
            tmpObj.mergeSort(tmp);

            for (int i = 0; i < tmp.length; i++) {
                System.out.println(tmp[i]);
            }

        }


        System.out.println("---------------------------------------");

        {
            int[] tmp = new int[]{8, 7, 6, 5, 4, 3, 2, 1};

            MergeSort tmpObj = new MergeSort();
            tmpObj.mergeSort(tmp);

            for (int i = 0; i < tmp.length; i++) {
                System.out.println(tmp[i]);
            }

        }

        System.out.println("---------------------------------------");

        {
            int[] tmp = new int[]{8, 2, 1};

            MergeSort tmpObj = new MergeSort();
            tmpObj.mergeSort(tmp);

            for (int i = 0; i < tmp.length; i++) {
                System.out.println(tmp[i]);
            }

        }

    }

}