排序算法之归并排序
2016-01-30 17:30
453 查看
归并排序是所有排序算法中最稳定的,其基本思想是:将待排序的元素分成大小大致相同的集合,分别对2个子集合进行排序,最终将排好的子集合合并为所以要求的排好序的集合。先看看c++的实现代码。
衡量一个算法的好坏,我们往往用时间复杂度进行衡量。当然还有与之类似的空间复杂度,在目前情况下,存储空间已经不是问题了,所以空间复杂度有所弱化。归并排序当n<=1时时间复杂度为O(1),这个比较好理解,被排序的问题规模小于等于1时,问题在常数复杂度的情况下就可以完成。有点难度是当n>1时,T(n) = 2T(n/2) + O(n)。程序中有两个循环分别为:“while( step * 2 < length * 2 )”“for( leftBegin = 0; leftBegin < length;leftBegin = rightEnd )”,在最坏情况下他们最多循环n/2次,所以有2T(n/2)。在归并一趟结束后有一个内存拷贝memcpy,它要将临时空间中的所有数据复制到原来的数组中,用于下一趟归并。所以又有O(n)。常数级别我们一般不考虑,主要的是这个递归方程T(n)
= 2T(n/2) + O(n),求解可得T(n) = O(nlogn)。
有不对的地方希望大家指正
#include <iostream> #include <string.h> #include <malloc.h> #include <assert.h> using namespace std; template < typename T > class merge { private: T *assist; //辅助数组指针; public: ~merge() //释放辅助空间 { free( assist ); } void mergeSort( T *a, int length ) { int step = 1; assist = ( T* )malloc( sizeof( T ) * length ); //分配辅助数组内存空间 assert( assist != NULL ); while( step * 2 < length * 2 ) //合并终止条件,还可以让循环次数小于length/2 { int leftBegin, leftEnd, rightBegin, rightEnd; //合并段的起终位置 int index = 0; for( leftBegin = 0; leftBegin < length;leftBegin = rightEnd ) { rightBegin = leftEnd = leftBegin + step; rightEnd = rightBegin + step; if( rightBegin > length - 1 ) { rightBegin = leftEnd = length - 1; } if( rightEnd > length ) { rightEnd = length; } //比较大小进行合并 while( leftBegin < leftEnd && rightBegin < rightEnd ) { assist[ index++ ] = a[ leftBegin ] < a[ rightBegin ] ? a[ leftBegin++ ] : a[ rightBegin++ ]; } //将剩余部分复制到辅助数组 while( leftBegin < leftEnd ) { assist[ index++ ] = a[ leftBegin++ ]; } while( rightBegin < rightEnd ) { assist[ index++ ] = a[ rightBegin++ ]; } } //将辅助数组复制到原数组 memcpy( a, assist, length * 4 ); step *= 2; } } }; int main() { int *a; int length; cin >> length; a = ( int * )malloc( sizeof(int) * length ); for( int i = 0; i < length; i++) { cin >> a[ i ]; } merge<int> m; m.mergeSort( a, length ); for( i = 0; i < length; i++) { cout << a[ i ] << " "; } cout << endl; return 0; }
衡量一个算法的好坏,我们往往用时间复杂度进行衡量。当然还有与之类似的空间复杂度,在目前情况下,存储空间已经不是问题了,所以空间复杂度有所弱化。归并排序当n<=1时时间复杂度为O(1),这个比较好理解,被排序的问题规模小于等于1时,问题在常数复杂度的情况下就可以完成。有点难度是当n>1时,T(n) = 2T(n/2) + O(n)。程序中有两个循环分别为:“while( step * 2 < length * 2 )”“for( leftBegin = 0; leftBegin < length;leftBegin = rightEnd )”,在最坏情况下他们最多循环n/2次,所以有2T(n/2)。在归并一趟结束后有一个内存拷贝memcpy,它要将临时空间中的所有数据复制到原来的数组中,用于下一趟归并。所以又有O(n)。常数级别我们一般不考虑,主要的是这个递归方程T(n)
= 2T(n/2) + O(n),求解可得T(n) = O(nlogn)。
有不对的地方希望大家指正
相关文章推荐
- JavaScript演示排序算法
- 算法之排序算法的算法思想和使用场景总结
- PHP版本常用的排序算法汇总
- java实现归并排序算法
- php 地区分类排序算法
- js三种排序算法分享
- Javascript中的常见排序算法
- java 合并排序算法、冒泡排序算法、选择排序算法、插入排序算法、快速排序算法的描述
- C++实现八个常用的排序算法:插入排序、冒泡排序、选择排序、希尔排序等
- C++实现自底向上的归并排序算法
- 排序算法的javascript实现与讲解(99js手记)
- C++中十种内部排序算法的比较分析
- Java实现几种常见排序算法代码
- 浅谈javascript实现八大排序
- PHP常用的排序和查找算法
- JavaScript中九种常用排序算法
- STl中的排序算法详细解析
- C++实现自顶向下的归并排序算法
- 算法学习入门之使用C语言实现各大基本的排序算法
- PHP四种基本排序算法示例