合并排序
合并排序思想比较简单,采用分治法,即将原数组分成俩个或多个子数组,分别对每个子数组排序,然后将排好序的子数组合并成一个数组
合并方法
对于已经排好序的多个子数组(对于二分法,就是两个子数组),每次都取子数组中较小的那个记录下来。
代码实现
代码中增加了计算时间复杂度的过程,统计了20组不同数据量的排序时间,数据量已2指数增长,为了产生数组,这里增加了一个随机数生成的过程,具体说明已在代码注释中,同时输出了第5组数据未排序和已排序的值,验证一下确实已排序。
#include <vector>
#include <sys/time.h>
#include <iterator>
#include <iostream>
using namespace std;
/**
* @description: 合并相邻的两个子数组,每个子数组的长度为right - left
* @param {datas}待排序的数组
* @param {left}第一个待合并的子数组起始位置
* @param {right}第二个待合并的子数组起始位置
* @return:
*/
void merges(vector<int> &datas, const size_t &left, const size_t &right)
{
//计算第二个子数组结束位置,当第二个子数组的长度小于right-left时,结束位置为原数组长度,
//此情况只会出现在按right-left长度划分原数组时的最后一个子数组,即datas[right...end]
int end = right + (right - left) > datas.size() ? datas.size()
: right + (right - left);
//复制待合并的两个子数组,在原数组中即为datas[left, end],
//长度为end - left,不一定是2*(right-left),end的计算已经说明原因
vector<int> tmps(datas.begin() + left, datas.begin() + end);
// li记录第一个子数组在tmps的起始位置,ri记录第二个子数组在tmps的起始位置,
// i记录原数组此刻该排序的位置从left开始
size_t li = 0, ri = right - left, i = left;
//开始合并两个子数组
//结束循环条件为至少一个有一个子数组的合并结束,即li或ri超出对应子数组的长度
//由于第二个子数组的长度可能小于right-left,因此ri的最大值不能超过tmps的长度
while (li < right - left && ri < tmps.size())
{
//记录两个子数组中较小的值
if (tmps[li] <= tmps[ri]) //第一个子数组li位置比第二个子数组ri位置的数小
{
datas[i++] = tmps[li++];
}
else //第一个子数组li位置比第二个子数组ri位置的数大
{
datas[i++] = tmps[ri++];
}
}
while (li < right - left) //第一个子数组还有未合并的数据,合并到原数组中
{
datas[i++] = tmps[li++];
}
while (ri < tmps.size()) //第二个子数组还有未合并的数据,合并到原数组中
{
datas[i++] = tmps[ri++];
}
}
/**
* @description: 合并排序算法
* @param {datas}待排序的数组
* @return:
*/
void mergeSort(vector<int> &datas)
{
for (size_t sz = 1; sz < datas.size(); sz += sz) // sz为合并子数组的长度
{
for (size_t i = 0; i < datas.size();
i += 2 * sz) // i为第一个子数组的在原数组中的位置
{
if (i + sz >= datas.size())
continue; //当合并的第一个子数组长度小于指定长度时不再合并
merges(datas, i, i + sz);
}
}
}
/**
* @description: 递归方式合并算法
* @param {datas}待合并的数组
* @param {left}待合并的子数组的起始位置
* @param {right}待合并的子数组的终止位置
* @return:
*/
void mergeSort(vector<int> &datas, const int &left, const int &right)
{
if ((right - left) == 0) //子数组只有一个元素结束递归
return;
int mid = (right + left) / 2; //计算子数组中间位置
mergeSort(datas, left, mid); //合并排序左半边子数组,即datas[left...mid]
mergeSort(datas, mid + 1,
right); //合并排序右半边子数组,即datas[mid+1...right]
merges(datas, left, mid + 1); //合并左右两个子数组
}
/**
* @description: 随机生成一个数组
* @param {datas}生成的随时数组
* @return:
*/
void gen_and_list(vector<int> &datas)
{
random_device sd; // random_device一般只用来作为其他伪随机数算法的种子
minstd_rand linearRan(
sd()); // linear_congruential_engine(minstd_rand是重命名)线性同余法,这种速度最快、最常用
uniform_int_distribution<int> dist(1, datas.size()); //整数均匀分布
for (size_t i = 0; i < datas.size(); i++)
{
//使用linear engine做种子,注意这里传入的不是一个值而是一个引擎,
//使用了uniform_int_distribution重载圆括号方法,看起来更像函数调用
datas[i] = dist(linearRan);
}
return;
}
int main(int argc, char const *argv[])
{
for (size_t i = 1; i <= 30; i++)
{
vector<int> datas((size_t)pow(2, i));
gen_and_list(datas);
if (i == 5)
{
copy(datas.begin(), datas.end(),
ostream_iterator<unsigned int>{cout, " "});
cout << endl;
}
timeval start_tm;
if (gettimeofday(&start_tm, nullptr) == -1) // 记录合并算法开始时间
return 0;
//非递归合并排序
mergeSort(datas);
//递归式合并排序
// mergeSort(datas, 0, datas.size() - 1);
timeval end_tm;
if (gettimeofday(&end_tm, nullptr) == -1) //记录合并算法结束时间
return 0;
int difftm = (end_tm.tv_sec - start_tm.tv_sec) * 1e6 +
(end_tm.tv_usec - start_tm.tv_usec); //计算合并算法所用时间
cout << "run time:" << difftm << "us" << endl;
if (i == 5)
{
copy(datas.begin(), datas.end(),
ostream_iterator<unsigned int>{cout, " "});
cout << endl;
}
}
return 0;
}
代码给出了基于递归和非递归的算法,可以看出,无论是否递归,合并子数组方法是统一的。
递归是自上而下层层划分进行合并排序的,非递归是自下而上逐步合并的。
通过上图可以看出,合并排序算法在数据量已2指数增长的情况下,时间确是2的倍数增长,并且数据量达到亿级执行时间不过85秒,这样的执行时间是可观的。
执行时间复杂度计算
假设对N个数据量的数组进行合并排序,执行时间为,则通过划分有如下公式
为子数组排序所用时间,两个子数组所以乘以2,N为合并所用时间
通过划简上述公式可得到:
通过上述公式可以计算,当N很大时,N已2的指数增长,时间是以2的倍数增长,如下计算
这就证明了合并排序的优越性。