数据结构与算法之(归并排序)

回顾上节课我们讲了3个排序，冒泡排序,插入排序,插入排序，选择排序，他们的时间复杂度都是O(n^2)，适用于小规模的数据集,今天我们讲一下比前3者更加高效的排序，归并排序和快排,他们的时间复杂度是O(nlogn),适用于大数据集.归并排序和快排都用到了分而治之思想,

   1》归并排序的原理,对于一个数据进行排序，把这个数组从中间进行划分为前后2个部分.，分别对前后2个部分进行排序,再将前后排序的2个部分进行合并，就得到排序完整的数据，这就是归并排序的核心.下面由图来解释一下.

归并排序的主要就是分治思想，将一个大的问题划分为好多小问题，分别处理这些小问题,再将这些小问题进行合并，大的问题就处理完毕.

  2>归并排序的实现代码

public class MergeSort{

 public static void main(String[] args){
   int[] a = {3,4,5,2,5,6,1,8,7}
   mergeSort(a);
}
public static void mergeSort(int[] arr){
       mergeSort(arr,new int[arr.length],0,arr.length-1)

}
public static void mergeSort(int[] arr,int[] temp,int left,int right){
   if(left < right){
    int center = (left +right)/2
    mergeSort(arr,temp,left,center)//左边数据
    mergeSort(arr,temp,center+1,right)//右边数据
    merge(arr,temp,left,center+1,right)//合并2个有序
    
}
public static void merge(int[] arr,int[] temp,int leftPos,int rightPos,int rightEnd){
      int leftEnd = rightPos-1;//左边下标结束
      int temPos = leftPos;//从左边开始计算
      int numEle = rightEnd-leftPos+1;//元素个数
     while(leftPos <= leftEnd && rightPos <= rightEnd){
     if(arr[leftPos] <= arr[rightPos])
            temp[tempPos++] =arr[leftPos++];
     else 
            temp[tempPos++] = arr[rightPos++];

}
   while(leftPos <= leftEnd){//左边如果有剩余
     temp[tempPos++] = arr[leftPos++];
   }
  while (rightPos <= rightEnd) { // 右边如果有剩余
            temp[tempPos++] = arr[rightPos++];
  }
 // 将temp复制到arr
        for (int i = 0; i < numEle; i++) {
            arr[rightEnd] = temp[rightEnd];
            rightEnd--;
        }



}



}




}

   3>归并排序的性能分析?

            归并排序在排序期间，相同2个值的先后位置仍然不会改变,所以归并排序是稳定排序,

           归并排序的时间复杂度是O(nlogn)，且在任何情况下时间复杂度为O(nlogn)

         归并排序在排序之后有个合并的操作,每次进行合并，都要开辟新的内存空间,尽管如此，直到最后合并结束。中间新开辟的内存空间都会被回收，所以最终的归并排序的空间只是取决于最后一次的合并操作，需要申请与原数组同大的内存空间。所以归并排序的空间复杂度是O(n)

  4>归并排序使用什么场景

                 他主要适用于数据量比较，而且他有一个很好的优点,就是在任何情况下他的时间复杂度都是nlogn，主要存在的缺点,是它不是原地排序,在合并的过程中会频繁的申请空间.