算法基础–递纳入门の归并排序

作者 : 开心源码 本文共2352个字,预计阅读时间需要6分钟 发布时间: 2022-05-12 共133人阅读

本文只是自己的笔记,并不具有过多的指导意义。

代码的初衷是便于了解,网上大神优化过的代码很多,也不建议在项目中copy本文代码。

目录

  • 归并排序
    • 如何合并两个有序数组
    • 使两端分别有序
    • 最外侧还有一个入口方法
    • 图解排序过程
  • 递归时间复杂度的估算
    • master公式

归并排序

众所周知,分治策略中使用递归来求解问题分为三步走,分别为分解、处理和合并。

所以归并排序中心思想是通过二分的方式,将一个段数组拆分成左右两端,而后进行合并

  • 如何合并两个有序数组

通过将最小值依次外排的方式,进行合并

  1. 两个指针p1,p2指向两个数组的首位置,每次将较小的值外排进辅助数组并且右移指针。
  2. 当一个指针越界后,将另一个剩余的元素放入辅助数组。
  3. 最后的辅助数组将是一个有序数组。
/// 对一个数组的两个有序分段进行整合排序////// - Parameters:///   - arr: 数组///   - left: 左侧起点///   - mid: 中心点,左侧末尾///   - right: 右侧末尾func merge(arr: inout [Int] ,left: Int ,mid: Int ,right:Int) {        var help : [Int] = [Int](repeating: 0, count: right-left+1) //辅助数组    var p1 = left//左侧指针    var p2 = mid+1 //右侧指针    var i = 0 //容器指针位置        while p1<=mid && p2<=right {        if arr[p1] <= arr[p2] {//左侧指针位置小于等于右侧指针位置            help[i] = arr[p1] //将左侧指针位置放入辅助数组            p1 = p1+1 //左侧指针右移        }else {//右侧指针大于左侧指针位置            help[i] = arr[p2] //将右侧指针位置放入辅助数组            p2 = p2+1 //左侧指针右移        }        i = i+1  //容器指针右移    }        //到这里,p1,p2之中已经有一个指针越界了    //没有越界的那个,重复上面的操作写入辅助数组    while p1<=mid {        help[i] = arr[p1]        p1 = p1+1        i = i+1    }    while p2<=right {        help[i] = arr[p2]        p2 = p2+1        i = i+1    }    //写入完毕,用辅助数组替换进原数组    i = 0    for index in left...right { //left,left+1...right-1,right        arr[index] = help[i]        i = i+1    }}

之所以先说这个,是由于这个方法是核心方法,并且写完滞后直接将可以测试。
测试通过之后,再去测试下面的递归方法可以更加精确确实定问题所在。

  • 使两端分别有序

通过递归的方式,将长数组最终分解成有序的数组进行排序解决。

比方[4,2,6,1,9,7]

/// 在一个数组的某一段上进行排序////// - Parameters:///   - arr: 数组///   - left: 左侧///   - right: 右侧func mergeProcess(arr: inout [Int] ,left: Int ,right:Int) {        if left==right { //左右相等,说明这次要调整的只有一个数        return    }        let mid = (left+right)/2 //获得中心点位置    mergeProcess(arr: &arr, left: left, right: mid)//对左半边进行排序    mergeProcess(arr: &arr, left: mid+1, right: right)//对右半边进行排序    //此时左右两侧都已经排序完成    merge(arr: &arr, left: left, mid: mid, right: right)//对左右两侧进行合并排序}
  • 最外侧还有一个入口方法
/// 归并排序////// - Parameter arr: 数组func mergeSort(arr: inout [Int]) {    if arr.count<2 {        return    }    mergeProcess(arr: &arr, left: 0, right: arr.count-1)}

时间复杂度O(N * logN),额外空间复杂度O(N)。

  • 图解排序过程

网上还看到一个动图,结合上面的应该更容易了解了。

这个过程中,不论数组多长,最后都将被划分成2个单位长度的数组进行排序。
而后向上依次合并并且排序。

这也很好的表现出了分治或者者递归的思想所在,将大样本划分成小样本并依次处理。


递归时间复杂度的估算

只说一种普遍的通用情况

  • master公式
T(N) = A*T(N/B) + O(N^D)

当量本量为N的情况下,整个样本被划分成B样本量,共执行A次。
出去调用递归过程之外,剩下的部分的时间复杂度O(N^D)

1) log(b,a) > d -> 复杂度为O(N^log(b,a)) 2) log(b,a) = d -> 复杂度为O(N^d * logN) 3) log(b,a) < d -> 复杂度为O(N^d)

以归并排序为例:

func mergeProcess(arr: inout [Int] ,left: Int ,right:Int) {        if left==right { //左右相等,说明这次要调整的只有一个数        return    }        let mid = (left+right)/2 //获得中心点位置    mergeProcess(arr: &arr, left: left, right: mid)//T(N/2)    mergeProcess(arr: &arr, left: mid+1, right: right)//T(N/2)      merge(arr: &arr, left: left, mid: mid, right: right)//O(N)}

有T(N) = T(N/2) + T(N/2) + O(N) = 2T(N/2) + O(N)
中A = 2,B=2,D=1

带入master公式log(b,a) = 1,与d值相等。

于是归并排序的时间复杂度为O(N * logN)。

参考资料

【图解数据结构】 一组动画演示归并排序
左神牛课网算法课

说明
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是摆设,本站源码仅提供给会员学习使用!
7. 如遇到加密压缩包,请使用360解压,如遇到无法解压的请联系管理员
开心源码网 » 算法基础–递纳入门の归并排序

发表回复