原地归并排序算法的复杂度分析

几篇排位很高的和原地归并算法的博客比如：
https://blog.csdn.net/acdreamers/article/details/24244643
都将原地归并算法的复杂度归为$O(n\log n)$的。

但实际上经过一番计算发现，利用线性数组+手摇算法实现的原地归并，算法复杂度在$O(n^2)$。
通过链表实现才是$O(n\log n)$的。

链表实现nlogn

借用原文章中利用线性数组实现的图，简单说明这一点。

假设利用单向链表进行实现，我们将图中i，j，index之前的元素用三个指针p1,p2,p3指向。利用如下过程实现常数时间的手摇。

tmp = p1->next;
p1->next = p2->next;
p2->next = p3->next;
p3->next = tmp;
delete tmp;

那么即便最坏的情况也只是进行n/2次链表手摇。
$$T(n)=c\cdot \frac{n}{2}+2T(\frac{n}{2})$$
复杂度为$O(n\log n)$

手摇数组实现n方

相比之前提到的利用线性数组+手摇实现的，我们可以构造这样一个序列：

1,3,5,7,   2,4,6,8

这样每推进一位就需要进行一次手摇。而每次手摇算法的开销为$\frac{n}{2}\cdot \frac{1}{2}$，随序列剪短，需要进行手摇的序列长度从$\frac{n}{2}$逐一缩短为1。等差求和为$c{n}^2$
但注意，这个算法复杂度并非$n^2\log n$ 其实就算n方也本来就不如用冒泡
$$T(n)=c{n}^2+2T(\frac{n}{2})$$

求和为$$\sum _{k=0}^{\infty }c{\left(\frac{n}{2^k}\right)}^2\cdot 2^k=c{n}^2\sum _{k=0}^{\infty }\frac{1}{2^k}$$
等号右边级数显然收敛到一个常数，故为$O(n^2)$。