📅  最后修改于: 2021-01-12 03:31:58             🧑  作者: Mango
在本章中,我们将讨论合并排序并分析其复杂性。
对数字列表进行排序的问题立即使其适用于分而治之的策略:将列表分为两半,递归地对每一半进行排序,然后合并两个已排序的子列表。
在此算法中,数字存储在数组number []中。在此, p和q表示子数组的开始和结束索引。
Algorithm: Merge-Sort (numbers[], p, r)
if p < r then
q = ⌊(p + r) / 2⌋
Merge-Sort (numbers[], p, q)
Merge-Sort (numbers[], q + 1, r)
Merge (numbers[], p, q, r)
Function: Merge (numbers[], p, q, r)
n1 = q – p + 1
n2 = r – q
declare leftnums[1…n1 + 1] and rightnums[1…n2 + 1] temporary arrays
for i = 1 to n1
leftnums[i] = numbers[p + i - 1]
for j = 1 to n2
rightnums[j] = numbers[q+ j]
leftnums[n1 + 1] = ∞
rightnums[n2 + 1] = ∞
i = 1
j = 1
for k = p to r
if leftnums[i] ≤ rightnums[j]
numbers[k] = leftnums[i]
i = i + 1
else
numbers[k] = rightnums[j]
j = j + 1
让我们考虑一下,Merge-Sort的运行时间为T(n) 。因此,
$ T(n)= \ begin {cases} c&if \:n \ leqslant 1 \\ 2 \:x \:T(\ frac {n} {2})+ d \:x \:n&else \ end {cases $$,其中c和d是常量
因此,使用此递归关系,
$$ T(n)= 2 ^ i T(\ frac {n} {2 ^ i})+ idn $$
例如,$ i = log \:n,\:T(n)= 2 ^ {log \:n} T(\ frac {n} {2 ^ {log \:n}})+ log \:ndn $
$ = \:cn + dnlog \:n $
因此, $ T(n)= O(n \:log \:n)$
在下面的示例中,我们逐步显示了Merge-Sort算法。首先,将每个迭代数组划分为两个子数组,直到该子数组仅包含一个元素。当这些子阵列无法进一步划分时,将执行合并操作。