归并排序

package Test01;

public class MergeSort {
	public static void main(String[] args) {
		int[] arr = { 3, 2, 9, 8, 7, 2, 2, 0, 0 ,1}; // 要排序的数组
		MergeSortSort(arr);
		for (int i : arr) { // 打印排序后的数组
			System.out.print(i);
		}
	}

	private static void MergeSortSort(int[] arr) { // 归并排序
		if (arr == null || arr.length < 2) {
			return;
		}
		sortProcess(arr, 0, arr.length - 1);

	}

	public static void sortProcess(int[] arr, int L, int R) {
		if (L == R)
			return;

		int mid = (L + R) / 2; // 分治的思想
		sortProcess(arr, L, mid);
		sortProcess(arr, mid + 1, R);
		merge(arr, L, mid, R);   //外排？
	}

	public static void merge(int[] arr, int L, int mid, int R) {
		int a = L;
		int b = mid + 1;
		int i = 0;
		int[] help = new int[R - L + 1];
		while (a <= mid && b <= R) {
			help[i++] = (arr[a] < arr[b]) ? arr[a++] : arr[b++];
		}
		while (b <= R) {
			help[i++] = arr[b++];
		}
		while (a <= mid) {
			help[i++] = arr[a++];
		}
		for(i=0;i<help.length;i++) {
			arr[L+i] = help[i];
		}
	}

}

剖析递归行为和递归行为时间复杂度的估算

一个递归行为的例子
master公式的使用
T(N) = a*T(N/b) + 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)
   补充阅读：www.gocalf.com/blog/algorithm-complexity-and-mastertheorem.html