归并排序(MERGE-SORT)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 andConquer)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。
🔍归并排序的实现可以分为两个主要步骤:分解和合并。 分解:将待排序序列平均分成两个子序列,递归地对子序列进行分解,直到子序列的长度为1(此时子序列已经有序)。 合并:将两个有序子序列合并成一个新的有序序列。合并操作从两个子序列的起始位置开始,比较两个子序列的当前元素,将较小的元素放入新序列中,并将该元素所在子序列的指针向后移动一位。重复此过程,直到一个子序列的所有元素都被放入新序列中。然后将另一个子序列的剩余元素依次放入新序列中。
合并如图:
public static void mergeSort(int[] array) {
mergeFunc(array,0,array.length-1);
}
private static void mergeFunc(int[] array,int left,int right) {
if(left >= right) {
return;
}
int mid = left + ((right-left) >> 1);
mergeFunc(array,left,mid);
mergeFunc(array,mid+1,right);
//左边分解完,右边分解完,开始合并
merge(array,left,mid,right);
}
private static void merge(int[] array,int left,int mid,int right) {
int s1 = left;
int e1 = mid;
int s2 = mid+1;
int e2 = right;
int[] tmpArr = new int[right-left+1];
int k = 0;
//1.保证两个表 都有数据
while (s1 <= e1 && s2 <= e2) {
if(array[s1] <= array[s2]) {
tmpArr[k++] = array[s1++];
}else {
tmpArr[k++] = array[s2++];
}
}
//2. 看哪个数组 还有数据 拷贝回去
while (s1 <= e1) {
tmpArr[k++] = array[s1++];
}
while (s2 <= e2) {
tmpArr[k++] = array[s2++];
}
//3.拷贝到源数组
for (int i = 0; i < k; i++) {
}
}
public static void mergeSortNor(int[] array) {
int gap = 1;
//最外层循环 控制组数
while (gap < array.length) {
//每一组进行排序
for (int i = 0; i < array.length; i = i+2*gap) {
int left = i;
int mid = left + gap-1;
if(mid >= array.length) {
mid = array.length-1;
}
int right = mid+gap;
if(right >= array.length) {
right = array.length-1;
}
merge(array,left,mid,right);
}
gap *= 2;
}
}
归并排序的时间复杂度为O(nlogn),其中n为待排序序列的长度。这是因为归并排序每次都将序列分成两半,需要递归logn次。每次合并操作需要遍历所有元素,因此总的时间复杂度为O(nlogn)。归并排序的空间复杂度为O(n),因为合并操作需要额外的空间来存储新序列。
👻归并排序的优点包括: 1、稳定性:归并排序是一种稳定的排序算法,即相同元素的相对顺序在排序过程中不会改变。 2、时间复杂度:归并排序的时间复杂度为O(nlogn),在处理大量数据时具有较高的性能。
🎉归并排序的缺点包括: 1、空间复杂度:归并排序的空间复杂度为O(n),需要额外的空间来存储新序列。在内存受限的情况下,这可能会成为一个问题。
归并排序在许多领域都有广泛的应用,例如:
1、外部排序:在处理大量数据且内存受限的情况下,归并排序是一种有效的外部排序算法。它可以将数据分成多个小块,分别排序后再合并。 2、数据库系统:数据库系统在进行数据查询、排序和索引时,经常使用归并排序来提高性能。 3、大数据处理:在处理大规模数据集时,归并排序可以与其他算法(如MapReduce)结合使用,实现高效的数据处理和分析。
🥳
🎉OK!今天的分享就到这里了,后面还会分享更多算法,敬请关注喔!!!✌️