Fork me on GitHub

（转）排序算法——归并排序与递归

基本思想

分析归并排序之前，我们先来了解一下分治算法。

分治算法的基本思想是将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。

分治算法的一般步骤：

（1）分解，将要解决的问题划分成若干规模较小的同类问题；

（2）求解，当子问题划分得足够小时，用较简单的方法解决；

（3）合并，按原问题的要求，将子问题的解逐层合并构成原问题的解。

 

归并排序是分治算法的典型应用。

归并排序先将一个无序的N长数组切成N个有序子序列（只有一个数据的序列认为是有序序列），然后两两合并，再将合并后的N/2（或者N/2 + 1）个子序列继续进行两两合并，以此类推得到一个完整的有序数组。过程如下图所示：

 

 

java实现

归并排序的核心思想是将两个有序的数组归并到另一个数组中，所以需要开辟额外的空间。

第一步要理清归并的思路。假设现在有两个有序数组A和B，要将两者有序地归并到数组C中。我们用一个实例来推演：

 

上图中，A数组中有四个元素，B数组中有六个元素，首先比较A、B中的第一个元素，将较小的那个放到C数组的第一位，因为该元素就是A、B所有元素中最小的。上例中，7小于23，所以将7放到了C中。

然后，用23与B中的其他元素比较，如果小于23，继续按顺序放到C中；如果大于23，则将23放入C中。

23放入C中之后，用23之后的47作为基准元素，与B中的其他元素继续比较，重复上面的步骤。

如果有一个数组的元素已经全部复制到C中了，那么将另一个数组中的剩余元素依次插入C中即可。至此结束。

按照上面的思路，用java实现：

 

[java] view plaincopyprint?
 
  1. /** 
  2.     * 归并arrayA与arrayB到arrayC中 
  3.     * @param arrayA  待归并的数组A 
  4.     * @param sizeA 数组A的长度 
  5.     * @param arrayB  待归并的数组B 
  6.     * @param sizeB 数组B的长度 
  7.     * @param arrayC  辅助归并排序的数组 
  8.     */  
  9.    public static void merge(int [] arrayA,int sizeA,  
  10.                          int [] arrayB,int sizeB,  
  11.                          int [] arrayC){  
  12.         
  13.        int i=0,j=0,k=0;  //分别当作arrayA、arrayB、arrayC的下标指针  
  14.                
  15.        while(i<sizeA&& j<sizeB){  //两个数组都不为空  
  16.           if(arrayA[i]<arrayB[j]){//将两者较小的那个放到arrayC中  
  17.               arrayC[k++]= arrayA[i++];   
  18.           }else{  
  19.               arrayC[k++]= arrayB[j++];  
  20.           }  
  21.        }  //该循环结束后，一个数组已经完全复制到arrayC中了，另一个数组中还有元素  
  22.         
  23.        //后面的两个while循环用于处理另一个不为空的数组  
  24.        while(i<sizeA){   
  25.           arrayC[k++]= arrayA[i++];   
  26.        }  
  27.         
  28.        while(j<sizeB){   
  29.           arrayC[k++]= arrayA[j++];  
  30.        }  
  31.         
  32.        for(intl=0;l<arrayC.length;l++){  //打印新数组中的元素  
  33.           System.out.print(arrayC[l]+"\t");  
  34.        }  
  35.    }  


 再归并之前，还有一步工作需要提前做好，就是数组的分解，可以通过递归的方法来实现。递归（Recursive）是算法设计中常用的思想。

 

这样通过先递归的分解数组，再合并数组就完成了归并排序。

完整的java代码如下：

 

[java] view plaincopyprint?
 
  1. public class Sort {  
  2.    
  3.    private int [] array;  //待排序的数组  
  4.     
  5.    public Sort(int [] array){  
  6.        this.array= array;  
  7.    }  
  8.     
  9.    //按顺序打印数组中的元素  
  10.    public void display(){  
  11.        for(int i=0;i<array.length;i++){  
  12.           System.out.print(array[i]+"\t");  
  13.        }  
  14.        System.out.println();  
  15.    }  
  16.    
  17.    //归并排序  
  18.    public void mergeSort(){  
  19.         
  20.        int[] workSpace = new int [array.length]; //用于辅助排序的数组  
  21.        recursiveMergeSort(workSpace,0,workSpace.length-1);  
  22.    }  
  23.     
  24.    /** 
  25.     * 递归的归并排序 
  26.     * @param workSpace  辅助排序的数组 
  27.     * @param lowerBound 欲归并数组段的最小下标 
  28.     * @param upperBound 欲归并数组段的最大下标 
  29.     */  
  30.    private void recursiveMergeSort(int [] workSpace,int lowerBound,int upperBound){  
  31.         
  32.        if(lowerBound== upperBound){  //该段只有一个元素，不用排序  
  33.           return;  
  34.        }else{  
  35.           int mid = (lowerBound+upperBound)/2;  
  36.           recursiveMergeSort(workSpace,lowerBound,mid);    //对低位段归并排序  
  37.           recursiveMergeSort(workSpace,mid+1,upperBound);  //对高位段归并排序  
  38.           merge(workSpace,lowerBound,mid,upperBound);  
  39.           display();   
  40.        }  
  41.    }  
  42.    
  43.    /** 
  44.     * 对数组array中的两段进行合并，lowerBound~mid为低位段，mid+1~upperBound为高位段 
  45.     * @param workSpace 辅助归并的数组，容纳归并后的元素 
  46.     * @param lowerBound 合并段的起始下标 
  47.     * @param mid 合并段的中点下标 
  48.     * @param upperBound 合并段的结束下标 
  49.     */  
  50.    private void merge(int [] workSpace,int lowerBound,int mid,int upperBound){  
  51.         
  52.        int lowBegin = lowerBound;  //低位段的起始下标  
  53.        int lowEnd = mid;           //低位段的结束下标  
  54.        int highBegin = mid+1;  //高位段的起始下标  
  55.        int highEnd = upperBound;  //高位段的结束下标  
  56.        int j = 0; //workSpace的下标指针  
  57.        int n = upperBound-lowerBound+1;  //归并的元素总数  
  58.         
  59.        while(lowBegin<=lowEnd && highBegin<=highEnd){   
  60.           if(array[lowBegin]<array[highBegin]){//将两者较小的那个放到workSpace中  
  61.               workSpace[j++]= array[lowBegin++];   
  62.           }else{  
  63.               workSpace[j++]= array[highBegin++];   
  64.           }  
  65.        }   
  66.         
  67.        while(lowBegin<=lowEnd){   
  68.           workSpace[j++]= array[lowBegin++];   
  69.        }  
  70.         
  71.        while(highBegin<=highEnd){   
  72.           workSpace[j++]= array[highBegin++];   
  73.        }  
  74.         
  75.        for(j=0;j<n;j++){  //将归并好的元素复制到array中  
  76.           array[lowerBound++]= workSpace[j];  
  77.        }  
  78.         
  79.    }  
  80. }  

用以下代码测试：

 

 

[java] view plaincopyprint?
 
  1. int [] a ={6,2,7,4,8,1,5,3};  
  2. Sort sort = newSort(a);  
  3. sort.mergeSort();  


打印结果如下：

 

 

 

归并的顺序是这样的：先将初始数组分为两部分，先归并低位段，再归并高位段。对低位段与高位段继续分解，低位段分解为更细分的一对低位段与高位段，高位段同样分解为更细分的一对低位段与高位段，依次类推。

上例中，第一步，归并的是6与2，第二步归并的是7和4，第三部归并的是前两步归并好的子段[2,6]与[4,7]。至此，数组的左半部分（低位段）归并完毕，然后归并右半部分（高位段）。

所以第四步归并的是8与1，第四部归并的是5与3，第五步归并的是前两步归并好的字段[1,8]与[3,5]。至此，数组的右半部分归并完毕。

最后一步就是归并数组的左半部分[2,4,6,7]与右半部分[1,3,5,8]。

归并排序结束。

 

在本文开始对归并排序的描述中，第一躺归并是对所有相邻的两个元素归并结束之后，才进行下一轮归并，并不是先归并左半部分，再归并右半部分，但是程序的执行顺序与我们对归并排序的分析逻辑不一致，所以理解起来有些困难。

下面结合代码与图例来详细分析一下归并排序的过程。

虚拟机栈（VM  Stack）是描述Java方法执行的内存模型，每一次方法的调用都伴随着一次压栈、出栈操作。

我们要排序的数组为：

int [] a = {6,2,7,4,8,1,5,3}

 

当main()方法调用mergeSort()方法时，被调用的方法被压入栈中，然后程序进入mergeSort()方法：

 

[java] view plaincopyprint?
 
  1. public void mergeSort(){  
  2.        int[] workSpace = new int [array.length]; //用于辅助排序的数组  
  3.        recursiveMergeSort(workSpace,0,workSpace.length-1);  
  4.    }  

此时，mergeSort()又调用了recursiveMergeSort(workSpace,0,7)方法，recursiveMergeSort(workSpace,0,7)方法也被压入栈中，在mergeSort()之上。

 

然后，程序进入到recursiveMergeSort(workSpace,0,7)方法：     

 

[java] view plaincopyprint?
 
  1. if(lowerBound== upperBound){  //该段只有一个元素，不用排序  
  2.          return;  
  3.       }else{  
  4.          int mid = (lowerBound+upperBound)/2;  
  5.          recursiveMergeSort(workSpace,lowerBound,mid);    //对低位段归并排序  
  6.          recursiveMergeSort(workSpace,mid+1,upperBound);  //对高位段归并排序  
  7.          merge(workSpace,lowerBound,mid,upperBound);  
  8.          display();   
  9.       }  

 

 lowerBound参数值为0，upperBound参数值为7，不满足lowerBound== upperBound的条件，所以方法进入else分支，然后调用方法recursiveMergeSort(workSpace,0,3) ，

recursiveMergeSort(workSpace,0,3)被压入栈中,此时栈的状态如下：

 

然而，recursiveMergeSort(workSpace,0,3)不能立即返回，它在内部又会调用recursiveMergeSort(workSpace,0,1)，recursiveMergeSort(workSpace,0,1)又调用了recursiveMergeSort(workSpace,0,0)，此时，栈中的状态如下：

 

程序运行到这里，终于有一个方法可以返回了结果了——recursiveMergeSort(workSpace,0,0)，该方法的执行的逻辑是对数组中的下标从0到0的元素进行归并，该段只有一个元素，所以不用归并，立即return。

方法一旦return，就意味着方法结束，recursiveMergeSort(workSpace,0,0)从栈中弹出。这时候，程序跳到了代码片段（二）中的第二行：

recursiveMergeSort(workSpace,1,1);

该方法入栈，与recursiveMergeSort(workSpace,0,0)类似，不用归并，直接返回，方法出栈。

这时候程度跳到了代码片段（二）中的第三行：

merge(workSpace,0,0,1);

即对数组中的前两个元素进行合并（自然，merge(workSpace,0,0,1)也伴随着一次入栈与出栈）。

至此，代码片段（二）执行完毕，recursiveMergeSort(workSpace,0,1)方法出栈，程序跳到代码片段（三）的第二行：

recursiveMergeSort(workSpace,2,3);

该方法是对数组中的第三个、第四个元素进行归并，与执行recursiveMergeSort(workSpace,0,1)的过程类似，最终会将第三个、第四个元素归并排序。

然后，程序跳到程序跳到代码片段（三）的第三行：

merge(workSpace,0,1,3);

将前面已经排好序的两个子序列（第一第二个元素为一组、第三第四个元素为一组）合并。

然后recursiveMergeSort(workSpace,0,3)出栈，程序跳到代码片段（四）的第二行：

recursiveMergeSort(workSpace,4,7);

对数组的右半部分的四个元素进行归并排序，伴随着一系列的入栈、出栈，最后将后四个元素排好。此时，数组的左半部分与右半部分已经有序。

然后程序跳到代码片段（四）第三行：

merge(workSpace,0,3,7);

对数组的左半部分与右半部分合并。

然后recursiveMergeSort(workSpace,4,7)出栈，mergeSort()出栈，最后main()方法出栈，程序结束。

 

算法分析

先来分析一下复制的次数。

如果待排数组有8个元素，归并排序需要分3层，第一层有四个包含两个数据项的自数组，第二层包含两个包含四个数据项的子数组，第三层包含一个8个数据项的子数组。合并子数组的时候，每一层的所有元素都要经历一次复制（从原数组复制到workSpace数组），复制总次数为3*8=24次，即层数乘以元素总数。

设元素总数为N，则层数为log2N，复制总次数为N*log2N。

其实，除了从原数组复制到workSpace数组，还需要从workSpace数组复制到原数组，所以，最终的复制复制次数为2*N*log2N。

在大O表示法中，常数可以忽略，所以归并排序的时间复杂度为O(N* log2N)。

一般来讲，复制操作的时间消耗要远大于比较操作的时间消耗，时间复杂度是由复制次数主导的。

 

下面我们再来分析一下比较次数。

在归并排序中，比较次数总是比复制次数少一些。现在给定两个各有四个元素的子数组，首先来看一下最坏情况和最好情况下的比较次数为多少。

 

第一种情况，数据项大小交错，所以必须进行7次比较，第二种情况中，一个数组比另一个数组中的所有元素都要小，因此只需要4次比较。

当归并两个子数组时，如果元素总数为N，则最好情况下的比较次数为N/2，最坏情况下的比较次数为N-1。

假设待排数组的元素总数为N，则第一层需要N/2次归并，每次归并的元素总数为2；则第一层需要N/4次归并，每次归并的元素总数为4；则第一层需要N/8次归并，每次归并的元素总数为8……最后一次归并次数为1，归并的元素总数为N。总层数为log2N。

最好情况下的比较总数为：

N/2*(2/2)+ N/4*(4/2)+N/8*(8/2)+...+1*(N/2) = (N/2)*log2N

最好情况下的比较总数为：

N/2*(2-1)+ N/4*(4-1)+N/8*(8-1)+...+1*(N-1) =

(N-N/2)+ (N-N/4)+(N-N/8)+...+(N-1)=

N*log2N-(1+N/2+N/4+..)< N*log2N

可见，比较次数介于(N/2)*log2N与N*log2N之间。如果用大O表示法，时间复杂度也为O(N* log2N)。

转至http://blog.csdn.net/u012152619/article/details/47345107。

posted on 2015-08-08 10:54  mrdoor  阅读(413)  评论(0)  编辑  收藏  举报