算法与数据结构——归并排序
归并排序
归并排序（merge sort）是一种基于分治策略的排序算法，包含下图所示的“划分”和“合并”阶段。
- 划分阶段：通过递归不断地将数组从中点处分开，将长数组的排序问题转换为短数组的排序问题。
- 合并阶段：当子数组长度为1时终止划分，开始合并，持续地讲左右两个较短的有序数组合并为一个较长的有序数组，直至结束。
算法流程
“划分阶段”从顶至底递归将数组从中点切分为两个子数组。
- 计算数组中点
mid，递归划分左子数组（区间[left, mid]）和右子数组（区间[mid + 1, right]）。 - 递归执行步骤
1.，直至子数组区间长度为1时终止。
“合并阶段”从底至顶将左子数组和右子数组合并为一个有序数组。注意，从长度为1的子数组开始合并，合并阶段中的每个子数组都是有序的。
观察可以发现，归并排序与二叉树后序遍历的递归顺序是一致的。
- 后序遍历：先递归左子树，在递归右子树，最后处理根节点。
- 归并排序：先递归左子数组，在递归右子数组，最后处理合并。
注意
nums的待合并区间为[left,right]，而tmp对应的区间为[0,right - left]。
/*合并左子数组与右子数组*/
void merge(vector<int> &nums, int left, int mid, int right){
// 左子数组区间为 [left, mid], 右子数组区间为 [mid+1, right]
// 创建一个临时数组tmp，用于存放合并后的结果
vector<int> tmp(right - left + 1);
// 初始化左子数组和右子数组的起始索引
int i = left, j = mid + 1, k = 0;
// 当左右子数组都还有元素时，进行比较并将较小的元素复制到临时数组中
while (i <= mid && j <= right){
if (nums[i] < nums[j])
tmp[k++] = nums[i++];
else
tmp[k++] = nums[j++];
}
// 将左子数组和右子数组的剩余元素复制到临时数组中
while (i <= mid)
tmp[k++] = nums[i++];
while (j <= right)
tmp[k++] = nums[j++];
// 将临时数组tmp中的元素复制回nums对应区间
for (k = 0; k < tmp.size(); k++){
nums[left + k] = tmp[k];
}
}
/*归并排序*/
void mergeSort(vector<int> &nums, int left, int right){
// 终止条件
if (left >= right)
return; // 当子数组长度为1时终止递归
// 划分阶段
int mid = (left + right) / 2; // 计算中点
mergeSort(nums, left, mid); // 递归左子数组
mergeSort(nums, mid + 1, right); // 递归右子数组
// 合并阶段
merge(nums, left, mid, right);
}
算法特性
- 时间复杂度O(nlogn)、非自适应排序：划分产生高度为logn的递归树，每层合并的总操作数量为n，因此总体时间复杂度为O(nlogn)。
- 空间复杂度O(n)、非原地排序：递归深度logn，使用O(logn)大小的栈帧空间。合并操作需要借助数组实现，使用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。
链表排序
对于链表，归并排序相较于其他排序算法具有显著优势，可以将链表排序任务的空间复杂度优化至O(1)。
- 划分阶段：可以使用“迭代”替代“递归”来实现链表划分工作，从而省去递归使用的栈帧空间。
- 合并阶段：在链表中，节点增删操作仅需改变引用（指针）即可实现，因此合并阶段（将两个短有序链表合并为一个长有序链表）无需创建额外链表。
