内部排序算法4(归并排序)

时间:2022-12-23 00:06:36

二路归并排序

思想

将两个有序表合成一个新的有序表就是二路归并。例如,在元素序列L中有两个已经排好序的有序顺序表 L[left],...,L[mid] L[mid+1],...,L[right] ,它们可以归并成为一个有序表,仍然存放于 L[left],...,L[right] 中。
在归并排序中,用变量 i j 分别做 L 中两个表的当前检测指针,用变量 k 做归并后结果表 L1 的当前存放指针。当 i j 都在两个表的表长内变化时,根据相应的两个元素的排序码大小,依次把排序码小的元素放到结果表中;当 i j 中有一个已经超出表长时,将另一个表中的剩余部分照抄到结果表中。

算法实现

非递归算法


内部排序算法4(归并排序)
图片来自:http://www.cnblogs.com/crx234/p/5858488.html

//归并排序头文件
#pragma once
#include<iostream>

typedef int ElementType;

class Merge
{
public:
Merge(int length);
void create();
void sort();
void print();
~Merge();

private:
ElementType *elem;
int len;

void mergeHelp(ElementType *&L1, ElementType *&L2, int left, int mid, int right);
void mergepass(ElementType *&L1, ElementType *&L2, int l);
};

Merge::Merge(int length)
{
len = length;
elem = new ElementType[len];
}

inline void Merge::create()
{
std::cout << "please input the list: " << std::endl;
for (int i = 0; i < len; i++)
{
ElementType temp;
std::cin >> temp;
elem[i] = temp;
}
std::cout << "input successful" << std::endl;
}

inline void Merge::sort() //归并排序,不断的增大块的大小,从1开始,一直到大于等于len
{
int count = 1;
ElementType *L1 = new ElementType[len];
while (count < len)
{
mergepass(elem, L1, count);
count *= 2;
mergepass(L1, elem, count);
count *= 2;
}
}

inline void Merge::print()
{
for (int i = 0; i < len; i++)
{
std::cout << elem[i] << " ";
}
std::cout << std::endl;
}

Merge::~Merge()
{
delete[] elem;
}

inline void Merge::mergeHelp(ElementType *&L1, ElementType *&L2, int left, int mid, int right) //两个小块进行合并,left是左块的开始,mid是两块的分界线,right是右块的尽头
{
int i = left, j = mid + 1, k = left;
while (i <= mid && j <= right)
{
if (L1[i] <= L1[j])
{
L2[k++] = L1[i++];
}
else
{
L2[k++] = L1[j++];
}
}
while (i <= mid)
{
L2[k++] = L1[i++];
}
while (j <= right)
{
L2[k++] = L1[j++];
}
}

inline void Merge::mergepass(ElementType *&L1, ElementType *&L2, int l) //l是归并排序中每个子排序表的初始长度
{
int i;
for (i = 0; i + 2 * l < len; i = i + 2 * l)
{
mergeHelp(L1, L2, i, i + l - 1, i + 2 * l - 1);
}
if (i + l <= len - 1) //如果第二个表长不足l
{
mergeHelp(L1, L2, i, i + l - 1, len - 1);
}
else //如果只剩下一个表,直接复制就好
{
for (int j = i; j < len; j++)
{
L2[j] = L1[j];
}
}
}
//归并排序main文件
using namespace std;
#include "MergeSort.h"
int main() {
Merge m(10);
m.create();
m.sort();
m.print();
system("pause");
}

结果


内部排序算法4(归并排序)

递归实现

图示


内部排序算法4(归并排序)
图片来自:百度百科

//递归归并排序头文件
#pragma once
#include<iostream>

typedef int ElementType;

class Merge
{
public:
Merge(int length);
void create();
void print();
void recursiveSort();
~Merge();

private:
ElementType *elem;
int len;

void mergeHelp(ElementType *&L1, ElementType *&L2, int left, int mid, int right);
void recursiveSortHelp (int left, int right);
};

Merge::Merge(int length)
{
len = length;
elem = new ElementType[len];
}

inline void Merge::create()
{
std::cout << "please input the list: " << std::endl;
for (int i = 0; i < len; i++)
{
ElementType temp;
std::cin >> temp;
elem[i] = temp;
}
std::cout << "input successful" << std::endl;
}

inline void Merge::print()
{
for (int i = 0; i < len; i++)
{
std::cout << elem[i] << " ";
}
std::cout << std::endl;
}

inline void Merge::recursiveSort()
{
recursiveSortHelp(0, len - 1);
}

inline void Merge::recursiveSortHelp(int left, int right) //分治法
{
ElementType *temp = new ElementType[len];
if (left < right)
{
int mid = (left + right) / 2;
recursiveSortHelp(left, mid); //处理左子串
recursiveSortHelp(mid + 1, right); //处理右子串
mergeHelp(elem, temp, left, mid, right);
for (int i = left; i <= right; i++)
{
elem[i] = temp[i];
}
}
}

Merge::~Merge()
{
delete[] elem;
}

inline void Merge::mergeHelp(ElementType *&L1, ElementType *&L2, int left, int mid, int right) //每两个小块进行合并
{
int i = left, j = mid + 1, k = left;
while (i <= mid && j <= right)
{
if (L1[i] <= L1[j])
{
L2[k++] = L1[i++];
}
else
{
L2[k++] = L1[j++];
}
}
while (i <= mid)
{
L2[k++] = L1[i++];
}
while (j <= right)
{
L2[k++] = L1[j++];
}
}
//递归归并排序main文件,采用分治法
using namespace std;
#include "MergeSort.h"
int main() {
Merge m(10);
m.create();
m.recursiveSort();
m.print();
system("pause");
}

结果


内部排序算法4(归并排序)

算法分析

时间复杂度

MergePass做一趟二路归并排序调用MergeHelp函数 2ln 次,其中 l 是需要归并子序列的长度, n 是整个序列的长度。而MergeSort调用MergePass正好 log2n 次,而每次做MergeHelp要执行比较 O(l) 次,所以算法总的排序码比较次数为 O(nlog2n) 。不论元素初始排列如何买这个时间的代价是不变的。

空间复杂度

使用了一个与原待排序元素数组相同大小的辅助数组,空间代价为 O(n)

算法的稳定

归并排序是稳定的。

注:本文参考书籍《数据结构精讲与习题详解—考研辅导与答疑解惑》,殷人昆编著,清华大学出版社。