算法练习——归并排序

归并排序的基本思路利用分治方法解决。

分治模式的每一层递归都有三个思路:

分解原问题为若干子问题,这些子问题是原问题的规模较小的实例。
解决这些子问题,递归地求解各子问题。然而,若子问题的规模足够小,则直接求解.
合并这些子问题的解成原问题的解。

归并排序算法完全遵循分治模式。直观上其操作如下:
分解:分解待排序的拧个元素的序列成各具n/2个元素的两个子序列。
解决:使用归并排序递归地排序两个子序列。
合并:合并两个已排序的子序列以产生已排序的答案.当待排序的序列长度为1时,递归“开始回升”,(也就是通常而言的递归出口) 在这种情况下不要做任何工作,

因为长度为1的每个序列都已排好序。

归并排序中  ‘’ 并‘’   的伪码

 

 1 MERGE(A, p, q, r)
 2      n1 = q-p+l
 3      n2 =  r- q
 4      let L[1. . n1+ 1] end R[1. . n2+ 1 ] be new arrays
 5      for i = 1 to n1
 6           L[i] =  A[p + i - 1]
 7      for j = l to n2
 8          R[j]    A[q + j]
 9      L[n+ 1] =10      R[n+ 1] =11       i  = 1
12       j  = 1
13     for  k =  p to r
14         if L[i] <R[j]
15             A[k] = L[i]
16             i = i+1
17         else 
18             A[k] = R[j]
19             j = j+1

过程MERGE的详细工作过程如下:

第1行计算子数组A[p..q]的长度n,第2行计算子数组A[q+1...r]的长度n2

在第3行,我们创建长度分别为,n1+1和n2+1的数组L和R(“左”和“右”),每个数组中额外的位置将保存哨兵.

第4~5行的for循环将子数组A[p , q ] 复制到L[1..n1],

第6~7行的for循环将子数组A[q+1..r]复制到R[1..n2],

第8~9行将哨兵放在数组L和R的末尾

第10—17行将在下图展示过程

                 A中的浅阴影位置包禽它们的最终值.L和R中的浅阴影位置包含有待于被复制回A的值

现在我们可以把过程Merge作为归并排序算法中的一个子程序来用。下面的过程MERGE-SORT(A , p , r)排序子数组A[p..r]中的元素。若p≥r,则该子数组最多有一个元素,

所以已经排好序,否则,分解步骤简单地计算一个下标q,将A[p..r]分成两个子数组A[p..q]和A[q+l... r].前者包含[n/2]个元素,后者包含[n/2]个元素.

Merge_sort(A, p, r )
    if p < r
        q = (p+r)/2
        Merge_sort(A,p,q)
        Merge_sort(A,q+1,r)
        merge(A, p, q, r)

为了排序整个序列A = (A[1].A[2].…,A[n]),我们执行初始调用MERGE-SORT(A.1,A. Length),这里再次有A. length=n。
图2自底向上地说明了当n为2的幂时该过程的操作.算法由以下操作组成:合并只含1项的序列对形成长度为2的排好序的序列,
合并长度为2的序列对形成长度为4的排好序的序列,依此下去,直到长度为n/2的两个序列被合并最终形成长度为n的排好序的序列。

 

 1 package com.hone.Merge;
 2 
 3 public class MergeSort {
 4     /*
 5      * 定义一个函数包含三个参数,第一个参数表示传入的数组a,第二个参数表示临时储存的数组s
 6      * k,表示当前需要合并的数组的原始长度
 7      */
 8     public static void merge(int[] a ,int[] swap,int k){
 9         int n=a.length;
10         int m=0;
11         int i,j;
12         int s1,s2,e1,e2;            //变量分别表示两个数组的首尾坐标
13         
14         /*
15          * 定义两个数组坐标间的关系
16          */
17         s1=0;
18         while(s1+k <= n-1){
19             s2=s1+k;
20             e1=s2-1;
21             e2=(s2+k-1 <= n-1)?s2+k-1:n-1;            
22             
23         for ( i = s1,j=s2; i <=e1 && j<= e2 ; m++) {
24             if (a[i]<=a[j]) {
25                 swap[m]=a[i];
26                 i++;
27             }else {
28                 swap[m]=a[j];
29                 j++;
30             }
31          }
32         
33         //如果出现了数组2中元素已经归并完毕,数组1仍然未归并完毕,直接将剩下的所有元素直接
34         //赋值给swap
35         while(i<=e1){
36             swap[m]=a[i];
37             i++;
38             m++;
39         }
40         
41         //如果出现了数组1中元素已经归并完毕,数组2仍然未归并完毕,直接将剩下的所有元素直接
42         //赋值给swap
43         while(j<=e2){
44             swap[m]=a[j];
45             j++;
46             m++;
47         }
48         s1=e2+1;                //形成收尾连接
49         }
50         
51         //如果某些集合不能划分为两个数组,则直接全部复制给swap
52         for(i=s1; i<n; i++,m++)
53             swap[m]=a[i];
54         
55     }
56     
57     //此时定义一个函数主要目的是为了提供合适的函数接口
58     public static void mergeSort(int[] a){
59         int i;
60         int n=a.length;
61         int k=1;
62         int[] swap=new int[n];
63         
64         while(k < n){
65             merge(a, swap, k);
66             
67         
68         for(i=0;i<n;i++)
69             a[i]=swap[i];
70         
71         k=2 * k;
72         }
73     }
74     

 

 

对于任何的归并排序,归并的次数为n次,任何一次归并排序元素的递归次数都约为 Log n,所以,归并排序算法的时间复杂度是:O(nlogn)

空间复杂度:但是因为归并排序每次都需要用新的空间来存放n个数据元素,因此需要的空间复杂度为  O(n)

稳定性:稳定

特点:归并排序时间效率高,但是需要额外的储存空间,因此,归并函数适合于数据较少的排序。

  

 

转载于:https://www.cnblogs.com/xiaxj/p/7301192.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值