二分法排序 java_遍历，二分法：排序，红黑树，斯特拉森算法

计算机的特点是擅长大量重复而简单的运算，人则是更擅长复杂的、抽象的、高视角的思维。

这个区别导致计算机程序解决问题的路数，与人的差异较大。

以排序为例子，人会首先选择最显眼的东西，最大的数字，导致逆序最多的数字，从而尽量移动最少的次数完成排序。

几个“最”，说明人对极值更敏感:(

电脑一般情况下，要么从头到尾遍历，要么使用二分法。

电脑算法的优化，很多就是把遍历算法变成二分法的递归。

冒泡排序，是假设第1个最小，然后依次与第2～N个比较，如果有比第1个更小的则交换到第1个的位置，继续比较。

排完了最小的，排第二小的，...，直到排完了第二大的，剩下的就是最大的。

典型的遍历算法，遍历两遍，复杂度为O(N^2)。

归并排序，则是典型的二分法。

16个数，一分为二每组8个，二分为4每组4个，三分为8每组2个，四分为16每组1个。

每组1个的时候也就无所谓顺序了。

然后把它们两两一组的合并起来，只需要一次比较，小的在前，大的在后，也就排好了。

然后依次递归处理，组的元素个数越来越多，组的个数越来越少，最终只剩下1个组，排序完成。

但是它有中间的临时数据，需要额外的存储空间:(

与归并排序类似的一个是，矩阵乘法的斯特拉森算法。

矩阵需要是2^N的方阵，如果不是则用0填成2^N的方阵。

只不过斯特拉森算法，不是二分法，而是四分法。

把1个大矩阵分成4个小矩阵，然后通过小矩阵之间的加减运算，把常规算法的8次小矩阵之间的乘法减少到7次。

这样在不断四分然后递归合并之后，复杂度就从O(N^log8)，也就是O(N^3)变成了O(N^log7)。

斯特拉森算法也有中间矩阵的临时数据，而且对于小矩阵并不好用，因为CPU本身就有向量运算指令，例如ARM的NEON，intel的MMX等等。

斯特拉森的贡献，在于他第一个发现了矩阵乘法的运算复杂度可以化简。

在他之后，很快就有一堆低复杂度的算法跑了出来。

最后说说红黑树，它是一个平衡二叉树。二叉树可以二分查找，速度比链表快得多，但前提是它必须平衡，否则就是个大号的链表。

红黑树，就是一个平衡二叉树，算法细节比较复杂，可以看算法导论。

如果一个数据结构，需要频繁的增删改查，那么它就可以使用红黑树，不管添加、删除、查找的复杂度都是O(logN)。

典型应用是Linux系统的进程管理结构，Nginx服务器的定时器管理结构。