首页 > 编程语言 >排序算法之归并排序

排序算法之归并排序

时间:2024-08-12 19:54:01浏览次数:14  
标签:归并 log int arr ++ 算法 排序


title: 归并排序
date: 2024-7-19 15:03:06 +0800
categories:

  • 排序算法
    tags:
  • 排序
  • 算法
  • 归并排序
    description: 归并排序(Merge Sort)是一种基于分治法的有效排序算法。它将一个列表分成较小的子列表,对每个子列表进行排序,然后合并这些子列表以产生一个有序列表。
    math: true

归并排序

归并排序(Merge Sort)是一种基于分治法(Divide and Conquer)的有效排序算法。它将一个列表分成较小的子列表,对每个子列表进行排序,然后合并这些子列表以产生一个有序列表。

采用分治法:
 分割:递归地把当前序列平均分割成两半。
 集成:在保持元素顺序的同时将上一步得到的子序列集成到一起(归并)。

工作原理

  1. 分割:将列表分成两个子列表。
  2. 递归排序:对每个子列表递归地进行归并排序。
  3. 合并:将两个有序的子列表合并成一个有序列表。

归并操作

归并操作(merge),也叫归并算法,指的是将两个已经排序的序列合并成一个序列的操作。归并排序算法依赖归并操作。

递归法(Top-down)

  1. 申请空间,使其大小为两个已经排序序列之和,该空间用来存放合并后的序列
  2. 设定两个指针,最初位置分别为两个已经排序序列的起始位置
  3. 比较两个指针所指向的元素,选择相对小的元素放入到合并空间,并移动指针到下一位置
  4. 重复步骤3直到某一指针到达序列尾
  5. 将另一序列剩下的所有元素直接复制到合并序列尾

迭代法(Bottom-up)

原理如下(假设序列共有 n n n个元素):

  1. 将序列每相邻两个数字进行归并操作,形成 c e i l ( n / 2 ) ceil(n/2) ceil(n/2)个序列,排序后每个序列包含两/一个元素
  2. 若此时序列数不是1个则将上述序列再次归并,形成 c e i l ( n / 4 ) ceil(n/4) ceil(n/4)个序列,每个序列包含四/三个元素
  3. 重复步骤2,直到所有元素排序完毕,即序列数为1

图示

归并排序

示例

假设有一个待排序的列表:[38, 27, 43, 3, 9, 82, 10]

第一步:分割

  • 将列表分割成两个子列表:[38, 27, 43] 和 [3, 9, 82, 10]

第二步:递归排序

  • 继续将子列表分割,直到每个子列表只有一个元素。
  • [38], [27], [43], [3], [9], [82], [10]

第三步:合并

  • 将单个元素的子列表合并成有序子列表。
  • [27, 38], [3, 43], [9, 82], [10]
  • 继续合并,直到得到最终的有序列表。
  • [3, 27, 38, 43], [9, 10, 82]
  • [3, 9, 10, 27, 38, 43, 82]

复杂度分析

  • 时间复杂度为 O ( n log ⁡ n ) O(n \log n) O(nlogn)、非自适应排序:划分产生高度为 log ⁡ n \log n logn 的递归树,每层合并的总操作数量为 n n n ,因此总体时间复杂度为 O ( n log ⁡ n ) O(n \log n) O(nlogn) 。

  • 空间复杂度为 O ( n ) O(n) O(n)、非原地排序:递归深度为 log ⁡ n \log n logn ,使用 O ( log ⁡ n ) O(\log n) O(logn) 大小的栈帧空间。合并操作需要借助辅助数组实现,使用 O ( n ) O(n) O(n) 大小的额外空间。

  • 稳定排序:在合并过程中,相等元素的次序保持不变。

时间复杂度

  • 最坏情况时间复杂度: O ( n log ⁡ n ) O(n\log n) O(nlogn)
  • 平均情况时间复杂度: O ( n log ⁡ n ) O(n\log n) O(nlogn)
  • 最好情况时间复杂度: O ( n log ⁡ n ) O(n\log n) O(nlogn)

空间复杂度

  • 空间复杂度: O ( n ) O(n) O(n)

代码实现

递归版与迭代版

递归版
  1. 实现方式

    • 递归版归并排序使用递归函数来实现分治算法。
    • 它将数组分成两半,分别对每一半进行排序,然后合并排序好的两半。
  2. 优点

    • 代码简洁、易于理解和实现。
    • 直接利用函数调用栈管理递归过程。
  3. 缺点

    • 递归调用会占用函数调用栈空间,对于大型数组可能会导致栈溢出。
迭代版
  1. 实现方式

    • 迭代版归并排序使用迭代方法来实现分治算法。
    • 它从较小的子数组开始逐步合并,直到整个数组有序。
  2. 优点

    • 不会出现栈溢出的问题。
    • 可以更好地控制内存使用。
  3. 缺点

    • 实现相对复杂,代码冗长。

递归版实现:

public class MergeSort {

    // 合并两个有序子数组 arr[l..m] 和 arr[m+1..r]
    public static void merge(int[] arr, int l, int m, int r) {
        // 找到两个子数组的大小
        int n1 = m - l + 1;
        int n2 = r - m;

        // 创建临时数组
        int[] L = new int[n1];
        int[] R = new int[n2];

        // 复制数据到临时数组 L 和 R
        for (int i = 0; i < n1; ++i)
            L[i] = arr[l + i];
        for (int j = 0; j < n2; ++j)
            R[j] = arr[m + 1 + j];

        // 初始索引
        int i = 0, j = 0, k = l;
        
	    // 合并临时数组 L 和 R 回到 arr[l..r]
        while (i < n1 && j < n2) {
            if (L[i] <= R[j]) {
                arr[k] = L[i];
                i++;
            } else {
                arr[k] = R[j];
                j++;
            }
            k++;
        }

		// 复制 L 中剩余的元素(如果有)
        while (i < n1) {
            arr[k] = L[i];
            i++;
            k++;
        }
		// 复制 R 中剩余的元素(如果有)
        while (j < n2) {
            arr[k] = R[j];
            j++;
            k++;
        }
    }

    // 主函数,排序 arr[l..r]
    public static void sort(int[] arr, int l, int r) {
        if (l < r) {
            // 找到中点
            int m = l + (r - l) / 2;

            // 排序两边
            sort(arr, l, m);
            sort(arr, m + 1, r);

            // 合并两边
            merge(arr, l, m, r);
        }
    }

    public static void main(String[] args) {
        int[] arr = {38, 27, 43, 3, 9, 82, 10};
        System.out.println("Given Array");
        for (int i : arr) {
            System.out.print(i + " ");
        }
        System.out.println();

        sort(arr, 0, arr.length - 1);

        System.out.println("\nSorted array");
        for (int i : arr) {
            System.out.print(i + " ");
        }
    }
}

迭代版实现:

public class MergeSortIterative {
    // 合并两个有序子数组 arr[l..m] 和 arr[m+1..r]
    public static void merge(int[] arr, int l, int m, int r) {
        // 找到两个子数组的大小
        int n1 = m - l + 1;
        int n2 = r - m;

        // 创建临时数组来存储左右子数组
        int[] L = new int[n1];
        int[] R = new int[n2];

        // 复制数据到临时数组 L 和 R
        for (int i = 0; i < n1; ++i)
            L[i] = arr[l + i];
        for (int j = 0; j < n2; ++j)
            R[j] = arr[m + 1 + j];

        // 初始索引
        int i = 0, j = 0, k = l;

        // 合并临时数组 L 和 R 回到 arr[l..r]
        while (i < n1 && j < n2) {
            if (L[i] <= R[j]) {
                arr[k] = L[i];
                i++;
            } else {
                arr[k] = R[j];
                j++;
            }
            k++;
        }

        // 复制 L 中剩余的元素(如果有)
        while (i < n1) {
            arr[k] = L[i];
            i++;
            k++;
        }

        // 复制 R 中剩余的元素(如果有)
        while (j < n2) {
            arr[k] = R[j];
            j++;
            k++;
        }
    }

    // 主函数,排序 arr[0..n-1] 使用迭代的归并排序
    public static void sort(int[] arr) {
        int n = arr.length;

        // 当前大小的子数组 curr_size,从 1 开始
        for (int curr_size = 1; curr_size < n; curr_size = 2 * curr_size) {
            // 选择左边子数组的起始点 left_start,逐步合并
            for (int left_start = 0; left_start < n - 1; left_start += 2 * curr_size) {
                // 找到中点和右边子数组的结束点
                int mid = Math.min(left_start + curr_size - 1, n - 1);
                int right_end = Math.min(left_start + 2 * curr_size - 1, n - 1);

                // 合并子数组 arr[left_start..mid] 和 arr[mid+1..right_end]
                merge(arr, left_start, mid, right_end);
            }
        }
    }

    public static void main(String[] args) {
        int[] arr = {38, 27, 43, 3, 9, 82, 10};
        System.out.println("Given Array");
        for (int i : arr) {
            System.out.print(i + " ");
        }
        System.out.println();

        // 调用迭代版归并排序
        sort(arr);

        System.out.println("\nSorted array");
        for (int i : arr) {
            System.out.print(i + " ");
        }
    }
}

标签:归并,log,int,arr,++,算法,排序
From: https://blog.csdn.net/rd_w_csdn/article/details/141140031

相关文章

  • NDT算法详解与C++实现
    点云匹配在感知环节是一个很重要的信息获取手段,而其中的算法也有几个比较经典了,例如ICP(IterativeClosestPoint,迭代最近点)算法,而本文决定记录学习的是NDT算法,也就是NormalDistributionTransform,正态分布变换算法。什么是正态分布变换算法呢,简言之,就是把空间中的点云进行整......
  • 怎样在 SQL 中对一个包含销售数据的表按照销售额进行降序排序?
    在当今数字化商业的浪潮中,数据就是企业的宝贵资产。对于销售数据的有效管理和分析,能够为企业的决策提供关键的支持。而在SQL中,对销售数据按照销售额进行降序排序,是一项基础但极其重要的操作。想象一下,您面前有一张庞大的销售数据表,其中记录了各种产品在不同时间、不同地......
  • 2024华为OD笔试机试 - 模拟目录管理功能 (python/c++/java D卷C卷真题算法)
    华为OD机试(C卷+D卷)2024真题目录(Java&c++&python)题目描述实现一个模拟目录管理功能的软件,输入一个命令序列,输出最后一条命令运行结果。支持命令:创建目录命令:mkdir目录名称,如mkdirabc为在当前目录创建abc目录,如果已存在同名目录则不执行任何操作。此命令无输出......
  • 6-61 顺序表基本运算算法的实现
    线性表实验一实现顺序表各种基本运算的算法目的:领会顺序表存储结构和掌握顺序表中各种基本运算算法设计。内容:编写程序,实现顺序表的各种基本运算算法(假设顺序表的元素类型ElemType为char),并在此基础上设计一个主程序,完成如下功能:(1)初始化顺序表L。(2)依次插入a、b......
  • 「代码随想录算法训练营」第三十五天 | 动态规划 part8
    121.买卖股票的最佳时机题目链接:https://leetcode.cn/problems/best-time-to-buy-and-sell-stock/文章讲解:https://programmercarl.com/0121.买卖股票的最佳时机.html题目难度:简单视频讲解:https://www.bilibili.com/video/BV1Xe4y1u77q题目状态:有一半的思路思路一:贪心对......
  • 足球比赛结果预测系统:遗传算法的研究
    引言最近有个朋友时运不济,自己胡乱玩被足球预测的推子骗了一回又一回,明明我就是专门做足球预测的,偏偏不信我还赌气说自己有本事一个人也能成,现在隔得跟个小怨妇似得,觍着脸回来找我要我传他心得,没办法,好歹十几年的兄弟,他再怎么发病也只能原谅他了,于是就有了这篇文章。不过足球......
  • 【算法学习】排序算法汇总
    冒泡排序1、冒泡排序简介冒泡排序的英文BubbleSort,是一种最基础的交换排序。之所以叫做冒泡排序,因为每一个元素都可以像小气泡一样,根据自身大小一点一点向数组的一侧移动冒泡排序的原理:冒泡轮数:每一轮只能将该轮中最大的数排至最后面。即第一轮只能确定将末位上的数归位......
  • 【算法学习】算法时间复杂度
    时间复杂度的计算时间复杂度简单计算(一层、两层、多层循环)相当于轨迹追踪法:设执行次数为k,按照循环条件阿布算法课学习链接01区别算法(Algorithm)和程序(Program)算法程序设计阶段实施阶段相关领域知识程序员任何语言、伪代码编程语言独立于硬件......
  • [算法] 2-SAT简记
    真的是简记2-SAT$2-SAT$用于求解一个变量只有两种情况的适应性问题(就是有没有解以及输出一种方案);其实可以类比二分图最大匹配(但其实两者的差别还是很大的);算法流程对于每一个变量,我们都有两种情况,$true$和$false$;而题目中给我们的,是形如{$A=true/false$或......
  • Day27 贪心算法part1
    任务455.分发饼干假设你是一位很棒的家长,想要给你的孩子们一些小饼干。但是,每个孩子最多只能给一块饼干。对每个孩子i,都有一个胃口值g[i],这是能让孩子们满足胃口的饼干的最小尺寸;并且每块饼干j,都有一个尺寸s[j]。如果s[j]>=g[i],我们可以将这个饼干j分配给孩子i,这......