【数据结构与算法之排序】归并排序
2017-09-14 17:35
603 查看
1.归并排序过程
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。首先考虑下如何将将二个有序数列合并。这个非常简单,只要从比较二个数列的第一个数,谁小就先取谁,取了后就在对应数列中删除这个数。然后再进行比较,如果有数列为空,那直接将另一个数列的数据依次取出即可。
合并两个有序数列经典实现代码【合并两个有序数列的时间复杂度为O(n)】:
//将有序数组a[]和b[]合并到c[]中 void MemeryArray(int a[], int n, int b[], int m, int c[]) { int i, j, k; i = j = k = 0; /*分别一次比较a数组和b数组中的元素,直到其中一个数组元素取完*/ while (i < n && j < m) { if (a[i] < b[j]) c[k++] = a[i++]; else c[k++] = b[j++]; } /*如果b数组取完,就把a数组剩下的元素直接合并到c数组中*/ while (i < n) c[k++] = a[i++]; /*如果a数组取完,就把b数组剩下的元素直接合并到c数组中*/*/ while (j < m) c[k++] = b[j++]; }
解决了上面的合并有序数列问题,再来看归并排序,其的基本思路就是将数组分成二组A,B,如果这二组组内的数据都是有序的,那么就可以很方便的将这二组数据进行排序。如何让这二组组内数据有序了?
可以将A,B组各自再分成二组。依次类推,当分出来的小组只有一个数据时,可以认为这个小组组内已经达到了有序,然后再合并相邻的二个小组就可以了。这样通过先递归的分解数列,再合并数列就完成了归并排序。【此段出处】
2.归并排序时间和空间复杂度
归并排序的时间复杂度为最好、最坏、平均都为O(nlogn),空间复杂度为O(1),由于都是相邻元素作比较,因此是稳定的。3.归并排序递归实现
public class MergeSort { /** * 归并排序 * 简介:将两个(或两个以上)有序表合并成一个新的有序表 即把待排序序列分为若干个子序列,每个子序列是有序的。然后再把有序子序列合并为整体有序序列 * 时间复杂度为O(nlogn) * 稳定排序方式 * @param nums 待排序数组 * @return 输出有序数组 */ public static int[] sort(int[] nums, int low, int high) { int mid = (low + high) / 2; if (low < high) { // 左边 sort(nums, low, mid); // 右边 sort(nums, mid + 1, high); // 左右归并 merge(nums, low, mid, high); } return nums; } /** * 将数组中low到high位置的数进行排序 * @param nums 待排序数组 * @param low 待排的开始位置 * @param mid 待排中间位置 * @param high 待排结束位置 */ public static void merge(int[] nums, int low, int mid, int high) { int[] temp = new int[high - low + 1]; int i = low;// 左指针 int j = mid + 1;// 右指针 int k = 0; // 把较小的数先移到新数组中 while (i <= mid && j <= high) { if (nums[i] < nums[j]) { temp[k++] = nums[i++]; } else { temp[k++] = nums[j++]; } } // 把左边剩余的数移入数组 while (i <= mid) { temp[k++] = nums[i++]; } // 把右边边剩余的数移入数组 while (j <= high) { temp[k++] = nums[j++]; } // 把新数组中的数覆盖nums数组 for (int k2 = 0; k2 < temp.length; k2++) { nums[k2 + low] = temp[k2]; } }
4.归并排序非递归实现
非递归的思路【出处】1.从归并段的长度为1开始,一次使归并段的长度变为原来的2倍。
2.在每趟归并的过程中,要注意处理归并段的长度为奇数和 最后一个归并段的长度和前面的不等的情况,需要做一下处理
// 程序边界的处理非常重要 while (len <= t.length) { for (int i = 0; i + len <= t.length - 1; i += len * 2) { // System.out.println("len="+len); low = i; mid = i + len - 1; high = i + len * 2 - 1; if (high > t.length - 1) high = t.length - 1; merge(t, i, mid, high); } //长度加倍 len += len; } return true; }
完整代码:
public class MergeSort {
/**
* 二路归并排序的递归算法-入口
*
* @param <T>
* @param t
* @return
*/
public static <T extends Comparable> boolean mergeSortRecursive(T[] t) {
if (t == null || t.length <= 1)
return true;
MSortRecursive(t, 0, t.length - 1);
return true;
}
/**
* 二路归并排序的递归算法-递归主体
*
* @param <T>
* @param t
* @param low
* @param high
* @return
*/
private static <T extends Comparable> boolean MSortRecursive(T[] t,
int low, int high) {
if (t == null || t.length <= 1 || low == high)
return true;
int mid = (low + high) / 2;
MSortRecursive(t, low, mid);
MSortRecursive(t, mid + 1, high);
merge(t, low, mid, high);
return true;
}
public static <T extends Comparable> boolean mergeSortNonRecursive(T[] t) {
if (t == null || t.length <= 1)
return true;
int len = 1;
int low = 0;
int mid;
int high;
// 程序边界的处理非常重要 while (len <= t.length) { for (int i = 0; i + len <= t.length - 1; i += len * 2) { // System.out.println("len="+len); low = i; mid = i + len - 1; high = i + len * 2 - 1; if (high > t.length - 1) high = t.length - 1; merge(t, i, mid, high); } //长度加倍 len += len; } return true; }
/**
* 将两个归并段合并成一个归并段
*
* @param <T>
* @param t
* @param low
* @param mid
* @param high
* @return
*/
private static <T extends Comparable> boolean merge(T[] t, int low,
int mid, int high) {
T[] s = t.clone();// 先复制一个辅助数组
int i, j, k;// 三个指示器,i指示t[low...mid],j指示t[mid+1...high],k指示s[low...high]
for (i = low, j = mid + 1, k = low; i <= mid && j <= high; k++) {
if (t[i].compareTo(t[j]) <= 0) {
s[k] = t[i++];
} else {
s[k] = t[j++];
}
}
// 将剩下的元素复制到s中
if (i <= mid) {
for (; k <= high; k++) {
s[k] = t[i++];
}
} else {
for (; k <= high; k++) {
s[k] = s[j++];
}
}
for (int m = low; m <= high; m++) {// 将辅助数组中的排序好的元素复制回原数组
t[m] = s[m];
}
return true;
}
public static void main(String[] args) {
Integer[] arr = new Integer[] { 2, 3, 6, 8, 9, 2, 0, 1 };
long startTime = System.currentTimeMillis(); // 获取开始时间
mergeSortRecursive(arr);
long endTime = System.currentTimeMillis(); // 获取开始时间
System.out.println("执行时间:" + (endTime - startTime));
for (int i : arr) {
System.out.println(i);
}
startTime = System.currentTimeMillis(); // 获取开始时间
mergeSortNonRecursive(arr);
endTime = System.currentTimeMillis(); // 获取开始时间
System.out.println("执行时间:" + (endTime - startTime));
for (int i : arr) {
System.out.println(i);
}
}
}
相关文章推荐
- 【数据结构与算法】【排序】归并排序的代码实现
- 数据结构与算法之排序:堆排序、归并排序及快速排序
- 【数据结构与算法】内部排序之四:归并排序和快速排序(含完整源码)
- 【数据结构与算法】排序算法之五:归并排序
- 【数据结构与算法】排序算法之五:归并排序
- Python 数据结构与算法 —— 从分治的角度看快速排序、归并排序
- 数据结构与算法之归并排序
- 数据结构与算法--拓补排序及无环加权有向图的最短路径
- 数据结构与算法(8)--行排序 列排序
- Java数据结构与算法之数组排序——奇偶排序
- 【数据结构与算法】【排序】简单选择排序的代码实现
- Java数据结构及算法实例:选择排序 Selection Sort
- 数据结构(26)--排序篇之归并排序
- 基础数据结构与算法之非比较排序一:计数排序
- 算法笔记五:利用堆结构来对数据进行排序
- 看数据结构写代码(2) 选择排序 和 冒泡排序 算法优化
- Java数据结构与算法之选择排序_动力节点Java学院整理
- 【练习】数据结构与算法练习题之高效排序
- 【数据结构与算法】选择排序