算法分析:归并排序

本文详细分析了归并排序的sort函数复杂度,通过递归解析得出f(n) = 2f(n/2) + n,最终证明在最坏情况下归并排序的时间复杂度为O(n * logn),并指出需要n个辅助空间。此外,文中还提及了归并排序与其他算法复杂度的对比。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

归并排序

 

package test;

import java.util.Arrays;

public class MergeSort {

	private static int[] DUMMY = new int[]{3, 2, 5, 7, 11, 4, 6, 9};
	private int[] data;
	
	public MergeSort() {
		this(DUMMY);
	}
	
	public MergeSort(int[] data) {
		this.data = data;
	}
	
	/**
	 * 将两个有序数组合并;左边的数组从start到middle, 右边的数组从middle + 1  到 end
	 * @param start
	 * @param middle
	 * @param end
	 */
	public void mergeSort(int start, int middle, int end) {
		int[] tmp = Arrays.copyOfRange(data, start, end + 1);
		int refIndex = start;
		int left = start - refIndex, _refMiddle = middle - refIndex;
		int right = _refMiddle + 1;
		int _refEnd = end - refIndex;
		int count = 0;
		while (left <= _refMiddle || right <= _refEnd) {
			int nextValue;
			if (left > _refMiddle) { // 左边已经排完了
				nextValue = tmp[right];
				right ++;
			} else if (right > _refEnd) { // 右边已经排完了
				nextValue = tmp[left];
				left++;
			} else { // 都没排完
				if (tmp[left] <= tmp[right]) {
					nextValue = tmp[left];
					left++;
				} else {
					nextValue = tmp[right];
					right++;
				}
			}
			data[count + refIndex] = nextValue;
			count++;
		}
	}
	
	public int[] sort() {
		sort(0, this.data.length - 1);
		return this.data;
	}

	/**
	 *  让data中的部分数据有序
	 *  
	 * @param start , 数据index起
	 * @param end, 数据index止
	 */
	private void sort(int start, int end) {
		if (start == end) {
			return;
		}
		int middle = getMiddle(start, end);
		sort(start, middle); // 先让左半边有序
		sort(middle + 1, end); // 再让右半边有序
		mergeSort(start, middle, end); // 合并
	}
	
	/**
	 * 获取start 和 end中间位置
	 * 举例: (4,5) -> 4; (0, 3) -> 1; (0, 2) -> 1
	 * @param start
	 * @param end
	 * @return
	 */
	int getMiddle(int start, int end) {
		return (int)Math.floor(((float)end + start) / 2);
	}
	
	public void print() {
		System.out.println(Arrays.toString(data));
	}
	
	public static void main(String[] args) {
		MergeSort ms = new MergeSort(new int[]{3, 2, 5, 7, 11, 4, 6, 9});
		ms.sort();
		ms.print();
	}
}

 

分析sort函数的复杂度,设长度为n的数组,sort函数复杂度为f(n);

sort函数的主要操作是3步:

  1. 让左半边有序,sort(0, n/2);

  2. 让右半边有序,sort(n/2, n);
  3. 合并左半边和右半边,mergeSort函数

因此 f(n) = f(n/2) + f(n/2) + O(mergeSort(n)) = 2f(n/2) + O(mergeSort(n));

 

先分析mergeSort(n)的复杂度。

mergeSort(n)需要长度为n的辅助空间。

只考虑比较次数,维度为:最好,最好,平均

分析发现任何情况下,mergesort函数的比较次数都是n( while循环的次数是n,而每次都有比较)

 

sort函数复杂度

f(n) = 2f(n/2) + n = 2[ 2*f(n/4) + (n/2) ] + n = 4f(n/4) + 2n

归纳总结可以得到

f(n) = m*f(\frac{n}{m}) + \log_{2}m * n

令m = n,公式可变为:

f(n) = n*f(1) + \log_{2}n * n

而f(1) = 0,所以

f(n) = \log_{2}n * n

综上所述,归并排序在最坏的情况下是O(n * logn)复杂度的算法,需要使用n个辅助空间(假设排序没有使用多线程,整个程序最多只会使用n个辅助空间)

 

别人的分析思路

看上去跟自己的差不多,终于我也掌握了算法分析了/(ㄒoㄒ)/~~

下面文字中的O(1) 表示计算middle的复杂度。

 

最后补一张x^2 与 x* logx 函数的对比图

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值