归并排序解剖

归并排序

归并排序描述

归并排序(MERGE-SORT是建立在归并操作上的一种有效的排序算法,该算法是采用分治法(Divideand Conquer)的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。

若将两个有序表合并成一个有序表,称为二路归并

算法思想

1、划分:将待排序序列划分为两个长度相等的子序列。

2、求解子问题:分别对这两个子序列进行归并排序,得到两个有序子序列。

3、合并:将两个有序子序列合并成一个有序序列。

算法核心步骤

核心步骤就一下三步:

1、归并排序前半个子序列

2、归并排序后半个子序列

3、合并两个已排序的子序列

其中,前两个步骤的是一样的方法mergeSort()进行递归,第三步是另一个方法merge()。这个算法中基本的操作就是第三步合并两个已排序的表。因为这两个表是已排序的,所以若将输出放到第三个表中,则该算法可以通过对输入数据一趟排序来完成。基本的合并算法是取两个输入数组A和B,一个输出数组C,以及3个计数器Actr、Bctr、Cctr,它们初始置于对应数组的开始端。A[Actr]和B[Bctr]中较小者被拷贝到C中的下一个位置,相关的计数器向前推进一步。当两个输入表有一个用完的时候,则将另一个表中剩余部分拷贝到C中。

实现代码(Java)

 

/**
 * 归并排序
 * @author 卡罗-晨
 *
 */
public class MergeSort {
	
	/**
	 * 归并排序之进行递归调用
	 * @param a	可比较的数组
	 * @param tmpArray 存放每次递归结束之后的结果,有序集
	 * @param left 数组最左边的下标
	 * @param right 数组最右边的下标
	 */
	private static <T extends Comparable<? super T>> void mergeSort(
			T[] a,T[] tmpArray,int left,int right) {
		if(left<right) {
			int center = (left+right)/2;
			mergeSort(a, tmpArray, left, center); //归并排序前半个子序列
			mergeSort(a, tmpArray, center+1, right); //归并排序后半个子序列
			merge(a,tmpArray,left,center+1,right); //合并两个已排序的子序列
		}
	}
	
	/**
	 * 归并排序之合并序列的左右两半
	 * @param a 可比较的数组
	 * @param tmpArray 存放每次递归结束之后的结果,有序集
	 * @param leftPos 左半边开始下标
	 * @param rightPos 右半边开始下标
	 * @param rightEnd 右半边结束下标
	 */
	private static <T extends Comparable<? super T>> void merge(
			T[] a, T[] tmpArray, int leftPos, int rightPos, int rightEnd) {
		int leftEnd = rightPos-1;
		int tmpPos = leftPos;
		int numElements = rightEnd-leftPos+1;
		
		while(leftPos<=leftEnd && rightPos<=rightEnd) {
			if(a[leftPos].compareTo(a[rightPos])<=0) {
				tmpArray[tmpPos++] = a[leftPos++];
			}else {
				tmpArray[tmpPos++] = a[rightPos++];
			}
		}
		while(leftPos<=leftEnd) {
			tmpArray[tmpPos++] = a[leftPos++];
		}
		while(rightPos<=rightEnd) {
			tmpArray[tmpPos++] = a[rightPos++];
		}
		
		for(int i=0;i<numElements;i++,rightEnd--) {
			a[rightEnd] = tmpArray[rightEnd];
		}
	}
	
	/**
	 * 归并排序
	 * @param a待排序序列
	 */
	public static <T extends Comparable<? super T>> void mergeSort(T[] a){
		T[] tmpArray = (T[]) new Comparable[a.length];
		mergeSort(a, tmpArray, 0, a.length-1);
	}
}

merge()方法很精巧。如果对merge的每个递归调用均局部声明一个临时数组,那么在任一时刻就可能有个临时数组处在活动期。精密的考察表明,由于merge是mergeSort的最后一行,因此在任一时刻只需要一个临时数组在活动,而且这个临时数组可以在public型的mergeSort驱动程序中建立。

算法分析

二路归并排序的时间代价是O(nlogn)。二路归并排序在合并过程中需要与原始记录序列同样数量的存储空间,因此其空间复杂性为O(n)

内容概要:论文提出了一种基于空间调制的能量高效分子通信方案(SM-MC),将传输符号分为空间符号和浓度符号。空间符号通过激活单个发射纳米机器人的索引来传输信息,浓度符号则采用传统的浓度移位键控(CSK)调制。相比现有的MIMO分子通信方案,SM-MC避免了链路间干扰,降低了检测复杂度并提高了性能。论文分析了SM-MC及其特例SSK-MC的符号错误率(SER),并通过仿真验证了其性能优于传统的MIMO-MC和SISO-MC方案。此外,论文还探讨了分子通信领域的挑战、优势及相关研究工作,强调了空间维度作为新的信息自由度的重要性,并提出了未来的研究方向和技术挑战。 适合人群:具备一定通信理论基础,特别是对纳米通信和分子通信感兴趣的科研人员、研究生和工程师。 使用场景及目标:①理解分子通信中空间调制的工作原理及其优势;②掌握SM-MC系统的具体实现细节,包括发射、接收、检测算法及性能分析;③对比不分子通信方案(如MIMO-MC、SISO-MC、SSK-MC)的性能差异;④探索分子通信在纳米网络中的应用前景。 其他说明:论文不仅提供了详细的理论分析和仿真验证,还给出了具体的代码实现,帮助读者更好地理解和复现实验结果。此外,论文还讨论了分子通信领域的标准化进展,以及未来可能的研究方向,如混合调制方案、自适应调制技术和纳米机器协作协议等。
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