【算法三】—— 归并排序

痛定思痛。 2022-05-30 08:36 191阅读 0赞

### 归并排序 ###

插入排序算法采取增量式（Incremental）的策略解决问题，每次添一个元素到已排序的子序列中，逐渐将整个数组排序完毕，它的时间复杂度是O(n2)。下面介绍另一种典型的排序算法－－归并排序，它采取分而治之（Divide-and-Conquer）的策略，时间复杂度是Θ(nlgn)。归并排序的步骤如下：  
1. Divide: 把长度为n的输入序列分成两个长度为n/2的子序列。  
2. Conquer: 对这两个子序列分别采用归并排序。

3. Combine: 将两个排序好的子序列合并成一个最终的排序序列。在描述归并排序的步骤时又调用了归并排序本身，可见这是一个递归的过程。

### 例：归并排序 ###

#include <stdio.h>
    
    #define LEN 8
    int a[LEN] = {5, 2, 4, 7, 1, 3, 2, 6};
    
    void merge(int start, int mid, int end)
    {
    	int n1 = mid - start + 1;
    	int n2 = end - mid;
    	int left[n1], right[n2];
    	int i, j, k;
    	
    	for (i = 0; i < n1; i++) /*left holds a[start...mid]*/
    		left[i] = a[start+i];
    	for (j = 0; j<n2; j++)   /*right holds a[mid+1...end]*/
    		right[j] = a[mid+1+j];
    	i = j = 0;
    	k = start;
    	while (i < n1 && j < n2)
    		if (left[i] < right[j])
    			a[k++] = left[i++];
    		else
    			a[k++] = right[j++];
    	while (i < n1)		/*left[] is not exhausted*/
    		a[k++] = left[i++];
    	while (j < n2)		/*right[] is not exhausted*/
    		a[k++] = right[j++];
    }
    
    void sort(int start, int end)
    {
    	int mid;
    	if (start < end)
    	{
    		mid = (start + end)/2;
    		printf("sort (%d-%d, %d-%d) %d %d %d %d %d %d %d %d\n",start, mid, mid+1, end, a[0], a[1], a[2], a[3], a[4], a[5], a[6], a[7]);
    		sort(start, mid);
    		sort(mid+1, end);
    		merge(start, mid, end);
    		printf("merge (%d-%d, %d-%d) to %d %d %d %d %d %d %d %d\n",start, mid, mid+1, end, a[0], a[1], a[2], a[3], a[4], a[5], a[6], a[7]);
    	}
    }
    
    int main(void)
    {
    	sort(0, LEN-1);
    	return 0;
    }

执行结果是：

[zhangsan@localhost study-c]$ gcc -Wall -g merger.c -o merger
    [zhangsan@localhost study-c]$ ./merger 
    sort (0-3, 4-7) 5 2 4 7 1 3 2 6
    sort (0-1, 2-3) 5 2 4 7 1 3 2 6
    sort (0-0, 1-1) 5 2 4 7 1 3 2 6
    merge (0-0, 1-1) to 2 5 4 7 1 3 2 6
    sort (2-2, 3-3) 2 5 4 7 1 3 2 6
    merge (2-2, 3-3) to 2 5 4 7 1 3 2 6
    merge (0-1, 2-3) to 2 4 5 7 1 3 2 6
    sort (4-5, 6-7) 2 4 5 7 1 3 2 6
    sort (4-4, 5-5) 2 4 5 7 1 3 2 6
    merge (4-4, 5-5) to 2 4 5 7 1 3 2 6
    sort (6-6, 7-7) 2 4 5 7 1 3 2 6
    merge (6-6, 7-7) to 2 4 5 7 1 3 2 6
    merge (4-5, 6-7) to 2 4 5 7 1 2 3 6
    merge (0-3, 4-7) to 1 2 2 3 4 5 6 7

sort函数把a\[start..end\]平均分成两个子序列，分别是a\[start..mid\]和a\[mid+1..end\]，对这两个子序列分别递归调用sort函数进行排序，然后调用merge函数将排好序的两个子序列合并起来，由于两个子序列都已经排好序了，合并的过程很简单，每次循环取两个子序列中最小的元素进行比较，将较小的元素取出放到最终的排序序列中，如果其中一个子序列的元素已取完，就把另一个子序列剩下的元素都放到最终的排序序列中。为了便于理解程序，我在sort函数开头和结尾插了打印语句，可以看出调用过程是这样的：

归并排序调用过程：

![20180308145558184][]

图中S表示sort函数，M表示merge函数，整个控制流程沿虚线所示的方向调用和返回。由于sort函数递归调用了自己两次，所以各函数之间的调用关系呈树状结构。画这个图只是为了清楚地展现归并排序的过程，读者在理解递归函数时一定不要全部展开来看，而是要抓住Base Case和递推关系来理解。我们分析一下归并排序的时间复杂度：

首先分析merge函数的时间复杂度。在merge函数中演示了C99的新特性－－可变长数组，当然也可以避免使用这一特性，比如把left和right都按最大长度LEN分配。不管用哪种办法，定义数组并分配存储空间的执行时间都可以看作常数，与数组的长度无关，常数用Θ-notation记作Θ(1)。设子序列a\[start..mid\]的长度为n1，子序列\[mid+1..end\]的长度为n2，a\[start..end\]的总长度为n=n1+n2，则前两个for循环的执行时间是Θ(n1+n2)，也就是Θ(n)，后面三个for循环合在一起看，每走一次循环就会在最终的排序序列中确定一个元素，最终的排序序列共有n个元素，所以执行时间也是Θ(n)。两个Θ(n)再加上若干常数项，merge函数总的执行时间仍是Θ(n)，其中n=end-start+1。

然后分析sort函数的时间复杂度，当输入长度n=1，也就是start==end时，if条件不成立，执行时间为常数Θ(1)，当输入长度n>1时：

总的执行时间 = 2 × 输入长度为n/2的sort函数的执行时间 + merge函数的执行时间Θ(n)

设输入长度为n的sort函数的执行时间为T(n)，综上所述：

![20180308145829132][]

这是一个递推公式（Recurrence），我们需要消去等号右侧的T(n)，把T(n)写成n的函数。其实符合一定条件的Recurrence的展开有数学公式可以套，这里我们略去严格的数学证明，只是从直观上看一下这个递推公式的结果。当n=1时可以设T(1)=c1，当n>1时可以设T(n)=2T(n/2)+c2n，我们取c1和c2中较大的一个设为c，把原来的公式改为：

![20180308145918592][]

这样计算出的结果应该是T(n)的上界。下面我们把T(n/2)展开成2T(n/4)+cn/2（下图中的(c)），然后再把T(n/4)进一步展开，直到最后全部变成T(1)=c（下图中的(d)）：

![20180308150000861][]

把图(d)中所有的项加起来就是总的执行时间。这是一个树状结构，每一层的和都是cn，共有lgn+1层，因此总的执行时间是cnlgn+cn，相比nlgn来说，cn项可以忽略，因此T(n)的上界是Θ(nlgn)。如果先前取c1和c2中较小的一个设为c，计算出的结果应该是T(n)的下界，然而推导过程一样，结果也是Θ(nlgn)。既然T(n)的上下界都是Θ(nlgn)，显然T(n)就是Θ(nlgn)。和插入排序的平均情况相比归并排序更快一些，虽然merge函数的步骤较多，引入了较大的常数、系数和低次项，但是对于较大的输入长度n，这些都不是主要因素，归并排序的时间复杂度是Θ(nlgn)，而插入排序的平均情况是Θ(n2)，这就决定了归并排序是更快的算法。但是不是任何情况下归并排序都优于插入排序呢？哪些情况适用插入排序而不适用归并排序？

[20180308145558184]: /images/20220530/cacf81c913724fc89d675d88527ac474.png
[20180308145829132]: /images/20220530/1b2e2d37b19c415aafe00d501216a372.png
[20180308145918592]: /images/20220530/91aa44aeff0b4690ab04a083f9b2a545.png
[20180308150000861]: /images/20220530/dc80672ae9ca4838bd5632876520f251.png