• 七大排序算法——归并排序


    AcWing算法——归并排序



    前言

      上一篇博客我分享了快速排序算法的思路和源代码,同时留了一个问题,快速排序的时间复杂度是多少?现在公布答案:快排的时间复杂度是O(n).今天我给大家分享的是七大排序算法中的第二种——归并排序。


    一、归并排序的思想是什么?

    归并排序算法的核心——分治。
      和快速排序相似,也是分治思维,不过在快排里面分界点x由你自己决定,但是在归并排序里面分界点mid=(l+r)/2;
      思路是确定分界点mid,然后将一个区间从中间一分为2,设置两个变量来存储两个区间向后的偏移情况,i指向第一个区间的第一个位置,j保存第二个区间的第一个位置,然后循环判断条件如果成立的话就比较两个位置的大小,谁小就将谁存进提前准备好的tmp数组里面去,最后完成后将tmp数组里面的数据重新拷贝回原来数组,排序完成。

    二、算法图示

    在这里插入图片描述
    1.确定分界点:mid=(l+r)/2;
    2.递归排序:left,right
    3.双路归并 合二为一

    三、算法代码

    #include 
    
    using namespace std;
    
    const int N = 1e6 + 10;
    
    int a[N], tmp[N];
    
    void merge_sort(int q[], int l, int r)
    {
        if (l >= r) return;
    
        int mid = l + r >> 1;
    
        merge_sort(q, l, mid), merge_sort(q, mid + 1, r);
    
        int k = 0, i = l, j = mid + 1;
        while (i <= mid && j <= r)
            if (q[i] <= q[j]) tmp[k ++ ] = q[i ++ ];
            else tmp[k ++ ] = q[j ++ ];
        while (i <= mid) tmp[k ++ ] = q[i ++ ];
        while (j <= r) tmp[k ++ ] = q[j ++ ];
    
        for (i = l, j = 0; i <= r; i ++, j ++ ) q[i] = tmp[j];
    }
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26

    四、算法详解

    1.分界点的确定

      选择整个区间的中点即可。

    2.左右区间排序

      我们采用递归的方式,将两个区间一直递归,然后就可以很容易的将我们分成的两个区间排好序,然后我们比较两个区间数据的大小,谁小就将谁先放进去然后后移,最终实现双路归并,合二为一,归并排序完成。

    总结

    这篇博客涉及归并排序,归并排序总体分为三步:
    1.确定分界点
    2.递归排序左右区间
    3.双路归并 合二为一
      最难的地方在于如果递归排序左右区间,这里采用的递归思想需要好好思考一下,很容易就会出错,同时要注意递归的时机,确定分界点后就要立马开始递归,不可以处理一部分数据后在递归,会出现逻辑错误,欢迎大家对思路进行补充,我们明天见~

  • 相关阅读:
    Linux之动静态库
    Windows下Python环境下载与安装
    计算机毕业设计(附源码)python疫情期间学生作业线上管理系统
    C++中的继承
    【FastDFS】一文学会一个分布式文件系统!
    Linux三剑客sed之增删改查
    【HMS core】【FAQ】Awareness Kit、Analytics Kit典型问题合集4
    在nodejs中实现实时通信的几种方式
    flink on yarn 远程提交
    深入浅出:Objective-C中使用MWFeedParser下载豆瓣RSS
  • 原文地址:https://blog.csdn.net/MDLYB/article/details/127706716