前言
在前面的一章中,我们了解到了时间复杂度为n2的四种排序方法,但是当我们的数据量非常巨大的时候,这四种排序方法的效率就非常低了。那么为了解决这个问题,今天我所要讲解的就是时间复杂度为nlogn的排序,来帮助大家提高效率。
一、分而治之思想
分治算法简而言之,就是将一个大规模的问题不断划分为若干个规模较小、解决方式相同的问题。那么对于每一个子问题而言,由于规模的大幅度减小所以其解决起来就变得很简单,因此只要我们解决了每一个子问题之后,再将所有的子问题合并就可以解决原本的问题了。
二、归并排序
1、排序逻辑:
如果一个规模很大的乱序数组,我们对其进行排序,那么可想而知一般情况下,我们需要排序很多次。但是我们将其规模缩小,那么其排序的次数也会相对减少,那么我们将规模不断减小到1,此时一个数字组成的数组本身就是有序的。假设我们将其分成规模为2的数组,那么也只需要排序一次就可以将这个子序列变成有序的。
因此我们就可以将一个数列不断划分,直至规模为1。然后我们再将子序列不断地排序合并。最终使得整体有序。
2、代码实现(c++):
//归并部分
void merge(int* arr, int low, int mid, int high)
{
int* b = new int[high - low + 1];
int i = low, j = mid + 1, k = 0;
while (i <= mid && j <= high)
{
if (arr[i] <= arr[j])b[k++] = arr[i++];
else b[k++] = arr[j++];
}
while (i <= mid)b[k++] = arr[i++];
while (j <= high)b[k++] = arr[j++];
for (i = low, k = 0; i <= high; i++)
arr[i] = b[k++];
delete[] b;
}
//分治部分
void mergesort(int* A, int low, int high)
{
if (low < high)
{
int mid = (low + high) / 2;
mergesort(A, low, mid);
mergesort(A, mid + 1, high);
merge(A, low, mid, high);
}
}
3、代码分析
合并函数分析:
归并排序分成两部分,我们先来看归并部分,即将两个有序的数列,合并成一个有序的数列。
我们假设排序的规则是升序排序,那么两个有序数列的最左侧的数字都是每个数组中最小的数字,所以我们比较两个最左端的数字便能够找出两个数组中最小的数字,然后我们将这个数字放到临时数组的最左侧。
接着,我们将含有最小数字的子列中,指向最左端的指针向右偏移,那么再将这个数字和另一个子列中最左端的数字比较,接着我们就能找到第二小的数字,然后将第二小的数字放到临时数组中的左端的第二个位置,即两个子列中第二小的数字,后面重复上述操作。
直到某个子列中的数字全部放置到临时数组中,此时退出上述的操作,然后将另一个子列中的剩余数组按顺序放置到临时数组中即可。
分解函数分析:
这一部分先于合并函数,而这一部分也恰好是我们分治思想的体现。具体的实现逻辑如下: