【十大排序算法】归并排序

news2024/11/23 2:15:19

归并排序,如同秋日落叶,分散而细碎,
然而风吹叶动,自然而有序,
彼此相遇,轻轻合拢,
最终成就,秩序之谧。

文章目录

  • 一、归并排序
  • 二、发展历史
  • 三、处理流程
  • 四、算法实现
  • 五、算法特性
  • 六、小结
  • 推荐阅读

一、归并排序

归并排序是一种基于分治思想的排序算法,它将一个待排序的数组分为两个子数组,然后对每个子数组递归地应用归并排序,直到子数组长度为 1。然后,将两个有序的子数组合并成一个有序的数组。这一过程重复进行,直到所有子数组合并成为一个有序的数组。

具体来说,归并排序的步骤如下:

  1. 分割: 将待排序数组分为两个子数组,通常是平均分割。
  2. 递归排序: 对两个子数组分别递归地应用归并排序,直到子数组长度为 1。
  3. 合并: 将两个有序的子数组合并成一个有序的数组。合并过程中,比较两个子数组的第一个元素,将较小(或较大)的元素添加到结果数组中,并将对应子数组的指针向后移动。
  4. 重复: 重复以上步骤,直到所有子数组合并成为一个有序的数组。

二、发展历史

归并排序是一种经典的排序算法,其发展历史可以追溯到 20 20 20 世纪 50 50 50 年代初期。

  1. 起源: 归并排序最早由约翰·冯·诺伊曼(John von Neumann)在 1945 1945 1945 年提出,并在他的著作《First Draft of a Report on the EDVAC》中描述了这一算法的基本原理。然而,彼时的计算机硬件水平并不足以支持归并排序的高效实现。
  2. 1960 年代: 归并排序在 1960 1960 1960 年代得到了更多的关注和研究。此时,归并排序成为了一种重要的外部排序算法,被应用于磁带排序和数据库系统等领域。在这一时期,归并排序的理论基础逐渐完善,并开始被广泛应用于实际系统中。
  3. 1980 年代: 随着计算机硬件的发展和算法研究的深入,归并排序得到了进一步的优化和改进。在 1980 1980 1980 年代,出现了一些新的归并排序的变种和优化算法,例如外部归并排序(External Merge Sort)和自然归并排序(Natural Merge Sort)等。
  4. 现代: 在当今计算机科学领域,归并排序仍然是一种非常重要和常用的排序算法。它的理论基础已经得到了深入研究和理解,并且在实际应用中得到了广泛的应用。虽然归并排序的时间复杂度较高,但其稳定性和可预测性使得它在某些场景下具有优势,特别是在外部排序和大规模数据处理等领域。

三、处理流程

场景假设:我们需要将下面的无序序列使用归并排序按从小到大进行排序。
workspace (1).png
归并排序的流程如下:

  1. 递归分割序列

workspace.png

  1. 递归合并序列并排序

workspace (2).png

四、算法实现

// 合并两个子数组
void merge(int[] array, int left, int mid, int right) {
    // 计算左右子数组的长度
    int leftLength = mid - left + 1;
    int rightLength = right - mid;

    // 创建临时数组存储左右子数组
    int[] leftArray = new int[leftLength];
    int[] rightArray = new int[rightLength];

    // 将数据拷贝到临时数组
    System.arraycopy(array, left, leftArray, 0, leftLength);
    System.arraycopy(array, mid + 1, rightArray, 0, rightLength);

    int i = 0, j = 0;
    int k = left;
    // 合并两个子数组
    while (i < leftLength && j < rightLength) {
        if (leftArray[i] <= rightArray[j]) {
            array[k++] = leftArray[i++];
        } else {
            array[k++] = rightArray[j++];
        }
    }

    // 处理剩余元素
    while (i < leftLength) {
        array[k++] = leftArray[i++];
    }

    while (j < rightLength) {
        array[k++] = rightArray[j++];
    }
}

// 递归地进行归并排序
void mergeSort(int[] array, int left, int right) {
    if (left < right) {
        int mid = (left + right) / 2;
        // 递归地对左右子数组进行归并排序
        mergeSort(array, left, mid);
        mergeSort(array, mid + 1, right);
        // 合并左右子数组
        merge(array, left, mid, right);
    }
}

public static void main(String args[]) {
    int[] array = {12, 11, 13, 5, 6, 7};
    System.out.println("原始数组:");
    for (int num : array) {
        System.out.print(num + " ");
    }
    System.out.println();

    // 调用归并排序算法
    mergeSort(array, 0, array.length - 1);

    System.out.println("\n排序后的数组:");
    for (int num : array) {
        System.out.print(num + " ");
    }
}

算法时间复杂度分析:

情况时间复杂度计算公式公式解释
最好情况 O ( n l o g n ) O(nlogn) O(nlogn) T ( n ) = 2 T ( n 2 ) + n T(n) = 2T(\frac{n}{2}) + n T(n)=2T(2n)+n归并排序在所有情况下都会将数组分成两半,然后递归地对它们进行排序,最后再将它们合并。这个过程的时间复杂度始终为 O ( n l o g n ) O(nlogn) O(nlogn)。其中, n n n 是数组的长度, l o g n logn logn 是因为每次都将数组分成两半。
平均情况 O ( n l o g n ) O(nlogn) O(nlogn) T ( n ) = 2 T ( n 2 ) + n T(n) = 2T(\frac{n}{2}) + n T(n)=2T(2n)+n同上
最坏情况 O ( n l o g n ) O(nlogn) O(nlogn) T ( n ) = 2 T ( n 2 ) + n T(n) = 2T(\frac{n}{2}) + n T(n)=2T(2n)+n同上

五、算法特性

归并排序是一种经典的排序算法,具有以下特性:

  1. 稳定性: 归并排序是一种稳定的排序算法,即相同元素的相对位置在排序前后不会改变。这意味着如果有相同元素存在,它们在排序后的顺序与排序前相同。
  2. 原地性: 归并排序通常不是一种原地排序算法,因为它需要额外的空间来存储临时数组。
  3. 适用性: 归并排序适用于各种数据类型和应用场景。由于其稳定性和时间复杂度的优势,归并排序被广泛应用于实际场景中,例如排序库、数据库索引等。
  4. 递归性: 归并排序是一种递归算法,它通过将数组分割成两个子数组,然后对每个子数组递归地应用归并排序来实现排序。这种递归性质使得归并排序的实现相对简单。

六、小结

归并排序是一种稳定、高效的排序算法,适用于各种数据类型和应用场景。其原理简单、实现直观,并且具有良好的性能表现,因此是排序算法中的重要一员。

推荐阅读

  1. Spring 三级缓存
  2. 深入了解 MyBatis 插件:定制化你的持久层框架
  3. Zookeeper 注册中心:单机部署
  4. 【JavaScript】探索 JavaScript 中的解构赋值
  5. 深入理解 JavaScript 中的 Promise、async 和 await

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1808034.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

CPP初级:模板的运用!

目录 一.泛型编程 二.函数模板 1.函数模板概念 2.函数模板格式 3.函数模板的原理 三.函数模板的实例化 1.隐式实例化 2.显式实例化 3.模板参数的匹配原则 四.类模板 1.类模板的定义格式 2.类模板的实例化 一.泛型编程 泛型编程&#xff1a;编写与类型无关的通用代码…

Xcode 安装17.5 simulator 总是失败

升级到xcode15.4后需要安装ios17.5模拟器 但是在下载过程中会遇到报错 : The network connection is lost 解决方案&#xff1a; 先将模拟器下载到本地 Xcode 安装17.5 simulator 下载地址&#xff1a; Sign In - Applhttps://developer.apple.com/download/all/?qXcode 下…

【系统架构】架构演进

系列文章目录 第一章 系统架构的演进 本篇文章目录 系列文章目录前言一、原始分布式二、单体系统时代三、SOA时代烟囱架构微内核架构事件驱动架构 四、微服务架构五、后微服务时代六、无服务时代总结 前言 最近笔者一直在学习系统架构的相关知识&#xff0c;对系统架构的演进…

web前端:作业二

<!DOCTYPE html> <html lang"zh"><head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>Document</title><style>/* 1.将ul的子l…

《web应用技术》第11次课后作业

课后练习&#xff1a; 1、验证过滤器进行权限验证的原理。 2、将自己之前的项目&#xff0c;加上过滤器验证功能。参考以下文章&#xff1a; 采用JWT令牌和Filter进行登录拦截认证-CSDN博客 3、Apifox的使用 了解Apifox的工具特点和使用方法&#xff0c;使用Apifox辅助生成…

【机器学习】决策树模型(个人笔记)

文章目录 多样性指标基尼杂质指数&#xff08;Gini Impurity Index&#xff09;熵&#xff08;Entropy&#xff09; 决策树的应用 源代码文件请点击此处&#xff01; 多样性指标 基尼杂质指数&#xff08;Gini Impurity Index&#xff09; 若集合中包含 m m m 个元素和 n …

C++类与对象(拷贝与类的内存管理)

感谢大佬的光临各位&#xff0c;希望和大家一起进步&#xff0c;望得到你的三连&#xff0c;互三支持&#xff0c;一起进步 个人主页&#xff1a;LaNzikinh-CSDN博客 文章目录 前言一.对象的动态建立和释放二.多个对象的构造和析构三.深拷贝与浅拷贝四.C类的内存管理总结 前言 …

数据仓库核心:事实表深度解析与设计指南

文章目录 1. 引言1.1基本概念1.2 事实表定义 2. 设计原则2.1 原则一&#xff1a;全面覆盖业务相关事实2.2 原则二&#xff1a;精选与业务过程紧密相关的事实2.3 原则三&#xff1a;拆分不可加事实为可加度量2.4 原则四&#xff1a;明确声明事实表的粒度2.5 原则五&#xff1a;避…

如何有效防御.360勒索病毒:.360勒索病毒加密文件预防方法探讨

导言&#xff1a; 随着信息技术的飞速发展&#xff0c;网络安全问题也日益凸显。其中&#xff0c;勒索病毒作为一种新型的网络安全威胁&#xff0c;给用户和企业带来了极大的困扰和损失。特别是.360勒索病毒&#xff0c;以其独特的加密方式和恶劣的勒索手段&#xff0c;引起了…

AtCoder Beginner Contest 356 G. Freestyle(凸包+二分)

题目 思路来源 quality代码 题解 对n个泳姿点(ai,bi)建凸包&#xff0c;实际上是一个上凸壳&#xff0c; 对于询问(ci,di)来说&#xff0c;抽象画一下这个图&#xff0c;箭头方向表示询问向量 按x轴排增序&#xff0c;并且使得后面的y不小于前面的y&#xff0c;因为总可以多…

Docker高级篇之Docker-compose容器编排

文章目录 1. Docker-compse介绍2. Docker-compse下载3. Docker-compse核心概念4. Docker-compse使用案例 1. Docker-compse介绍 Docker-compose时Docker官方的一个开源的项目&#xff0c;负责对Docker容器集群的快速编排。Docker-compose可以管理多个Docker容器组成一个应用&a…

【单片机毕业设计9-基于stm32c8t6的酒窖监测系统】

【单片机毕业设计9-基于stm32c8t6的酒窖监测系统】 前言一、功能介绍二、硬件部分三、软件部分总结 前言 &#x1f525;这里是小殷学长&#xff0c;单片机毕业设计篇9基于stm32的酒窖监测系统 &#x1f9ff;创作不易&#xff0c;拒绝白嫖可私 一、功能介绍 -------------------…

Docker高级篇之轻量化可视化工具Portainer

文章目录 1. 简介2. Portainer安装 1. 简介 Portianer是一款轻量级的应用&#xff0c;它提供了图形化界面&#xff0c;用于方便管理Docker环境&#xff0c;包括单机环境和集成环境。 2. Portainer安装 官网&#xff1a;https://www.portainer.io 这里我们使用docker命令安装&…

8.让画面动起来

一、Unity Shader中的内置变量&#xff08;时间篇&#xff09; 动画效果往往都是把时间添加到一些变量的计算中&#xff0c;以便在时间变化的同时也可以随之变化。Unity shader提供了一系列关于时间的内置变量来允许我们方便地在Shader中访问运行时间&#xff0c;实现各种动画…

STM32 | 独立看门狗 | RTC(实时时钟)

01、独立看门狗概述 在由单片机构成的微型计算机系统中,由于单片机的工作常常会受到来自外界电磁场的干扰,造成程序的跑飞,而陷入死循环,程序的正常运行被打断,由单片机控制的系统无法继续工作,会造成整个系统的陷入停滞状态,发生不可预料的后果,所以出于对单片机运行状…

Elasticsearch:Open Crawler 发布技术预览版

作者&#xff1a;来自 Elastic Navarone Feekery 多年来&#xff0c;Elastic 已经经历了几次 Crawler 迭代。最初是 Swiftype 的 Site Search&#xff0c;后来发展成为 App Search Crawler&#xff0c;最近又发展成为 Elastic Crawler。这些 Crawler 功能丰富&#xff0c;允许以…

基于Java+SpringBoot制作一个景区导览小程序

基于Java+SpringBoot制作一个景区导览小程序。其中系统前端功能包括注册登录、景区采风、旅游导览、地图导航、发布采风、门票预订、修改个人信息;系统后台功能包括用户管理、景区管理、采风管理等模块。 摘要一、小程序1. 创建小程序2. 首页3. 景区采风页4. 旅游导览页5. 发布…

人工智能_机器学习097_PCA数据降维算法_数据去中心化_特征值_特征向量_EVD特征值分解原来和代码实现---人工智能工作笔记0222

降维算法的原理,一会咱们再看,现在先看一下,算法 可以看到PCA算法的,原理和过程,我们先看一下代码 为了说明PCA原理,这里,我们,先来计算一下X的方差,可以看到 先把数据进行去中心化,也就是用数据,减去数据的平均值. B = X-X.mean(axis=0) 这段代码是用于计算矩阵X的每一列减去该…

【Web世界探险家】3. CSS美学(二)文本样式

&#x1f4da;博客主页&#xff1a;爱敲代码的小杨. ✨专栏&#xff1a;《Java SE语法》 | 《数据结构与算法》 | 《C生万物》 |《MySQL探索之旅》 |《Web世界探险家》 ❤️感谢大家点赞&#x1f44d;&#x1f3fb;收藏⭐评论✍&#x1f3fb;&#xff0c;您的三连就是我持续更…

⌈ 传知代码 ⌋ 基于曲率的图重新布线

&#x1f49b;前情提要&#x1f49b; 本文是传知代码平台中的相关前沿知识与技术的分享~ 接下来我们即将进入一个全新的空间&#xff0c;对技术有一个全新的视角~ 本文所涉及所有资源均在传知代码平台可获取 以下的内容一定会让你对AI 赋能时代有一个颠覆性的认识哦&#x…