zoukankan html css js c++ java

排序七归并排序

目录

要点
 归并排序的基本思想
 算法分析
 归并排序算法的性能
 时间复杂度
 空间复杂度
 算法稳定性
 归并排序和堆排序、快速排序的比较
 完整参考代码
 Java版本
 参考资料
 相关阅读

要点

归并排序是建立在归并操作上的一种有效的排序算法，该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。

将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为二路归并。

归并排序的基本思想

将待排序序列R[0...n-1]看成是n个长度为1的有序序列，将相邻的有序表成对归并，得到n/2个长度为2的有序表；将这些有序序列再次归并，得到n/4个长度为4的有序序列；如此反复进行下去，最后得到一个长度为n的有序序列。

综上可知：

归并排序其实要做两件事：

（1）“分解”——将序列每次折半划分。

（2）“合并”——将划分后的序列段两两合并后排序。

我们先来考虑第二步，如何合并？

在每次合并过程中，都是对两个有序的序列段进行合并，然后排序。

这两个有序序列段分别为 R[low, mid] 和 R[mid+1, high]。

先将他们合并到一个局部的暂存数组R2中，带合并完成后再将R2复制回R中。

为了方便描述，我们称 R[low, mid] 第一段，R[mid+1, high] 为第二段。

每次从两个段中取出一个记录进行关键字的比较，将较小者放入R2中。最后将各段中余下的部分直接复制到R2中。

经过这样的过程，R2已经是一个有序的序列，再将其复制回R中，一次合并排序就完成了。

核心代码

public void Merge(int[] array, int low, int mid, int high) {
    int i = low; // i是第一段序列的下标
    int j = mid + 1; // j是第二段序列的下标
    int k = 0; // k是临时存放合并序列的下标
    int[] array2 = new int[high - low + 1]; // array2是临时合并序列

    // 扫描第一段和第二段序列，直到有一个扫描结束
    while (i <= mid && j <= high) {
        // 判断第一段和第二段取出的数哪个更小，将其存入合并序列，并继续向下扫描
        if (array[i] <= array[j]) {
            array2[k] = array[i];
            i++;
            k++;
        } else {
            array2[k] = array[j];
            j++;
            k++;
        }
    }

    // 若第一段序列还没扫描完，将其全部复制到合并序列
    while (i <= mid) {
        array2[k] = array[i];
        i++;
        k++;
    }

    // 若第二段序列还没扫描完，将其全部复制到合并序列
    while (j <= high) {
        array2[k] = array[j];
        j++;
        k++;
    }

    // 将合并序列复制到原始序列中
    for (k = 0, i = low; i <= high; i++, k++) {
        array[i] = array2[k];
    }
}

掌握了合并的方法，接下来，让我们来了解 如何分解。

在某趟归并中，设各子表的长度为gap，则归并前R[0...n-1]中共有n/gap个有序的子表：R[0...gap-1], R[gap...2*gap-1], ... , R[(n/gap)*gap ... n-1]。

调用Merge将相邻的子表归并时，必须对表的特殊情况进行特殊处理。

若子表个数为奇数，则最后一个子表无须和其他子表归并（即本趟处理轮空）：若子表个数为偶数，则要注意到最后一对子表中后一个子表区间的上限为n-1。

核心代码

public void MergePass(int[] array, int gap, int length) {
    int i = 0;

    // 归并gap长度的两个相邻子表
    for (i = 0; i + 2 * gap - 1 < length; i = i + 2 * gap) {
        Merge(array, i, i + gap - 1, i + 2 * gap - 1);
    }

    // 余下两个子表，后者长度小于gap
    if (i + gap - 1 < length) {
        Merge(array, i, i + gap - 1, length - 1);
    }
}

public int[] sort(int[] list) {
    for (int gap = 1; gap < list.length; gap = 2 * gap) {
        MergePass(list, gap, list.length);
        System.out.print("gap = " + gap + ": ");
        this.printAll(list);
    }
    return list;
}

算法分析

归并排序算法的性能

排序类别	排序方法	时间复杂度			空间复杂度	稳定性	复杂性
		平均情况	最坏情况	最好情况
归并排序	归并排序	O(nlog2n)	O(nlog2n)	O(nlog2n)	O(n)	稳定	较复杂

时间复杂度

归并排序的形式就是一棵二叉树，它需要遍历的次数就是二叉树的深度，而根据完全二叉树的可以得出它的时间复杂度是O(n*log2n)。

空间复杂度

由前面的算法说明可知，算法处理过程中，需要一个大小为n的临时存储空间用以保存合并序列。

算法稳定性

在归并排序中，相等的元素的顺序不会改变，所以它是稳定的算法。

归并排序和堆排序、快速排序的比较

若从空间复杂度来考虑：首选堆排序，其次是快速排序，最后是归并排序。

若从稳定性来考虑，应选取归并排序，因为堆排序和快速排序都是不稳定的。

若从平均情况下的排序速度考虑，应该选择快速排序。

完整参考代码

Java版本

package notes.javase.algorithm.sort;
2
3 public class MergeSort {
4     public void Merge(int[] array, int low, int mid, int high) {
5         int i = low; // i是第一段序列的下标
6         int j = mid + 1; // j是第二段序列的下标
7         int k = 0; // k是临时存放合并序列的下标
8         int[] array2 = new int[high - low + 1]; // array2是临时合并序列
9
10         // 扫描第一段和第二段序列，直到有一个扫描结束
11         while (i <= mid && j <= high) {
12             // 判断第一段和第二段取出的数哪个更小，将其存入合并序列，并继续向下扫描
13             if (array[i] <= array[j]) {
14                 array2[k] = array[i];
15                 i++;
16                 k++;
17             } else {
18                 array2[k] = array[j];
19                 j++;
20                 k++;
21             }
22         }
23
24         // 若第一段序列还没扫描完，将其全部复制到合并序列
25         while (i <= mid) {
26             array2[k] = array[i];
27             i++;
28             k++;
29         }
30
31         // 若第二段序列还没扫描完，将其全部复制到合并序列
32         while (j <= high) {
33             array2[k] = array[j];
34             j++;
35             k++;
36         }
37
38         // 将合并序列复制到原始序列中
39         for (k = 0, i = low; i <= high; i++, k++) {
40             array[i] = array2[k];
41         }
42     }
43
44     public void MergePass(int[] array, int gap, int length) {
45         int i = 0;
46
47         // 归并gap长度的两个相邻子表
48         for (i = 0; i + 2 * gap - 1 < length; i = i + 2 * gap) {
49             Merge(array, i, i + gap - 1, i + 2 * gap - 1);
50         }
51
52         // 余下两个子表，后者长度小于gap
53         if (i + gap - 1 < length) {
54             Merge(array, i, i + gap - 1, length - 1);
55         }
56     }
57
58     public int[] sort(int[] list) {
59         for (int gap = 1; gap < list.length; gap = 2 * gap) {
60             MergePass(list, gap, list.length);
61             System.out.print("gap = " + gap + ": ");
62             this.printAll(list);
63         }
64         return list;
65     }
66
67     // 打印完整序列
68     public void printAll(int[] list) {
69         for (int value : list) {
70             System.out.print(value + " ");
71         }
72         System.out.println();
73     }
74
75     public static void main(String[] args) {
76         int[] array = {
77                 9, 1, 5, 3, 4, 2, 6, 8, 7
78         };
79
80         MergeSort merge = new MergeSort();
81         System.out.print("排序前: ");
82         merge.printAll(array);
83         merge.sort(array);
84         System.out.print("排序后: ");
85         merge.printAll(array);
86     }
87 }

运行结果

排序前: 9   1   5   3   4   2   6   8   7
gap = 1:   1   9   3   5   2   4   6   8   7
gap = 2:   1   3   5   9   2   4   6   8   7
gap = 4:   1   2   3   4   5   6   8   9   7
gap = 8:   1   2   3   4   5   6   7   8   9
排序后: 1   2   3   4   5   6   7   8   9

参考资料

《数据结构习题与解析》（B级第3版）

排序七 归并排序

要点