版权声明:作者: 阿顾, 转载请写明出处, 谢谢 https://blog.csdn.net/u010452388/article/details/81008727
图解流程
整体流程如下:
细节流程:
第一步:
第二步:
第三步:
第四步:
第五步:
第六步:
第七步:
第八步:
第九步:
第十步:
代码
public static void mergeSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
mergeSort(arr, 0, arr.length - 1);
}
public static void mergeSort(int[] arr, int L, int R) {
if (L == R) {
return;
}
int mid = (L + R) / 2;
//将数组左侧全部排成有序
mergeSort(arr, L, mid);//T(N/2)
//将数组右侧全部排成有序
mergeSort(arr, mid + 1, R);//T(N/2)
merge(arr, L, mid, R);//O(N):因为N个数的话,需要依次扫过去
}
private static void merge(int[] arr, int L, int mid, int R) {
//开辟一个临时数组,用来存放归并过程中的排好序的元素
int[] help = new int[R - L + 1];
//临时数组的索引
int i = 0;
int p1 = L;
int p2 = mid + 1;
while (p1 <= mid && p2 <= R) {
if (arr[p1] <= arr[p2]) {
help[i] = arr[p1];
i++;
p1++;
} else {
help[i] = arr[p2];
i++;
p2++;
}
}
while (p1 <= mid) {
help[i] = arr[p1];
i++;
p1++;
}
//上面的while循环和下面的while循环只会执行一个
while (p2 <= R) {
help[i] = arr[p2];
i++;
p2++;
}
for (int j = 0; j < help.length; j++) {
// 这里要用arr[L+j]接受,因为每次进来归并排序的数组起始索引是L,长度是help的长度
arr[L + j] = help[j];
}
}
Master公式
T(N) = a*T(N/b) + O(N^d)
1) 如果log(b,a) > d –> 复杂度为O(N^log(b,a))
2) 如果log(b,a) = d –> 复杂度为O(N^d * logN)
3) 如果log(b,a) < d –> 复杂度为O(N^d)
时间复杂度和额外空间复杂度
时间复杂度:
1、我们设mergeSort的时间复杂度为T(N)
2、从宏观上看,他分别调用了两次自己的函数mergeSort和一次merge,那么T(N)等于两次mergeSort的时间复杂度和一次merge的时间复杂度
3、调用自己的函数的时候,函数个数为N/2,则T(N)=2*T(N/2)+一次merge的时间复杂度
4、根据上面的流程分析merge总共扫描了N个数,执行了N次,所以时间复杂度为O(N)
5、所以T(N)=2*(N/2)+O(N)
6、根据Master公式,此时a=2,b=2,d=1,满足log(b,a) = d
7、所以归并排序时间复杂度为:O(N^d * logN)=O(N* logN)
额外空间复杂度:
因为我们每次执行merge的时候,都需要创建一个help数组,而这个help最大是N个数,需要N个空间,所以额外空间复杂度为O(N),稳定性排序