归并排序的思想是把一个要排序的数据分成两份,把每一份排好序,然后通过merge()(合并)方法把两个数组归并成一个有序的数组。。。
通过递归的方法。一份变两份,两份变四份,四份变八份。。。。当分到最后只有一个元素的时候,每一份都是有序的了,因为只有一个元素嘛。然后再把每一份排好序的merge()回来,也就是一个变两个,两个变四个,四个变 八个。。。。组成一个原来长度的有序的数组。
归并排序的时间复杂度为(NlogN),相比较插入排序,选择排序,冒泡排序等时间复杂度为(N^2)的,时间效率上还是提高了很多。比如对100个数据进行排序,插入排序的就为100^2 = 10000,而归并排序为100*log100 = 100*2 = 200,10000/200 = 50(倍),应该没算错,再次展现了我雄厚的小学数学知识。这还只是100个数据,要是更大的数据量,相差的倍数会更大,因为logN是个神奇的函数,不信可以试试。
但是归并排序有一个缺点,也是最大的弱点,就是他需要在内存中开辟一个大小等于待排序数组的数组,有点绕,应该能懂,这个数组就是用在merge()的时候,把已排好序的小的数组merge()到这个新的数组中。
下面是归并排序的一个简单的流程:
上代码:
package 归并排序; /** * 归并排序 * * @author TMs * */ public class MergeSort { public static void main(String[] args) { int[] data = new int[] { 5, 3, 6, 2, 1, 9, 4, 8, 7 }; print(data); mergeSort(data); System.out.println("排序后的数组:"); print(data); } public static void mergeSort(int[] data) { sort(data, 0, data.length - 1); } public static void sort(int[] data, int left, int right) { if (left >= right) return; // 找出中间索引 int center = (left + right) / 2; // 对左边数组进行递归 sort(data, left, center); // 对右边数组进行递归 sort(data, center + 1, right); // 合并 merge(data, left, center, right); print(data); } /** * 将两个数组进行归并,归并前面2个数组已有序,归并后依然有序 * * @param data * 数组对象 * @param left * 左数组的第一个元素的索引 * @param center * 左数组的最后一个元素的索引,center+1是右数组第一个元素的索引 * @param right * 右数组最后一个元素的索引 */ public static void merge(int[] data, int left, int center, int right) { // 临时数组 int[] tmpArr = new int[data.length]; // 右数组第一个元素索引 int mid = center + 1; // third 记录临时数组的索引 int third = left; // 缓存左数组第一个元素的索引 int tmp = left; while (left <= center && mid <= right) { // 从两个数组中取出最小的放入临时数组 if (data[left] <= data[mid]) { tmpArr[third++] = data[left++]; } else { tmpArr[third++] = data[mid++]; } } // 剩余部分依次放入临时数组(实际上两个while只会执行其中一个) while (mid <= right) { tmpArr[third++] = data[mid++]; } while (left <= center) { tmpArr[third++] = data[left++]; } // 将临时数组中的内容拷贝回原数组中 // (原right-left范围的内容被复制回原数组) while (tmp <= right) { data[tmp] = tmpArr[tmp++]; } } /** * 打印数组中的元素 * @param data */ public static void print(int[] data) { for (int i = 0; i < data.length; i++) { System.out.print(data[i] + "\t"); } System.out.println(); } }
打印结果,从结果看他的过程:
5 3 6 2 1 9 4 8 7 3 5 6 2 1 9 4 8 7 3 5 6 2 1 9 4 8 7 3 5 6 1 2 9 4 8 7 1 2 3 5 6 9 4 8 7 1 2 3 5 6 4 9 8 7 1 2 3 5 6 4 9 7 8 1 2 3 5 6 4 7 8 9 1 2 3 4 5 6 7 8 9 排序后的数组: 1 2 3 4 5 6 7 8 9
每天做点事,加油咯!
相关推荐
在sort.cpp中,可能包含了各种排序算法的实现,如冒泡排序、插入排序、选择排序、快速排序、归并排序、堆排序等。这些排序算法各有优缺点,适用于不同的场景,理解它们的工作原理和性能特点对于优化程序至关重要。 ...
15. 各种排序算法:包括选择排序、插入排序、冒泡排序、希尔排序、谢尔排序、快速排序、归并排序、基数排序等,它们各有优缺点,适用于不同场景和数据特性。 16. 搜索算法:如顺序搜索、二分搜索、插补搜索、...
4. **排序与搜索算法**:如快速排序、归并排序、堆排序、二分查找等,是算法导论中的基本主题。这些算法的原理、实现及其优缺点是学习的重点。 5. **图算法**:包括最短路径算法(如Dijkstra算法、Floyd-Warshall...
- 归并排序:同样采用分治策略,将数组拆分为两半,分别排序后合并,时间复杂度为O(n log n)。 2. 查找算法: - 线性查找:逐个遍历数组寻找目标元素,时间复杂度为O(n)。 - 二分查找:适用于有序数组,每次比较...
递归分治算法的应用广泛,如快速排序、归并排序、二分查找等。在实际应用中,递归分治法的关键在于正确地确定问题的分解方式和递归的边界条件。 #### 四、回溯法 回溯法是一种通过试探性地解决问题的各个部分来...
在实验1中,可能会涉及经典的分治算法,如快速排序、归并排序或大整数乘法的Karatsuba算法等。理解分治法的关键在于把握“分解”、“解决”和“合并”这三个步骤。 接下来是背包问题,这是一种典型的动态规划问题。...
- **归并排序**:同样采用分治策略,将数组拆分为小数组,分别排序后再合并。 - **堆排序**:利用堆这种数据结构进行排序,分为建堆和调整堆的过程。 2. **查找算法**: - **线性查找**:遍历整个数组来查找目标...
- **归并排序**:也用分治策略,将数组分为两半,分别排序,再合并两个已排序的子数组。 - **堆排序**:利用堆这种数据结构实现的排序方法,可以在线性时间内构建大顶堆或小顶堆,然后进行交换操作完成排序。 2. ...
- **归并排序**:也是分治策略,将数组拆分成两半,分别排序后再合并,稳定且时间复杂度始终为O(n log n)。 - **堆排序**:利用完全二叉树特性构建堆结构进行排序,时间复杂度为O(n log n),原地排序,空间效率高...
17、 已知序列{503,87,512,61,908,170,897,275,652,462},写一个自底向上的归并分类算法对该序列作升序排序,写出算法中每一次归并执行的结果。 贪心法 18、 设有n个文件f1,f2,…,fn要求存放在一个磁盘...
- 归并排序:同样采用分治策略,将数组分成两个子数组,分别排序后合并成一个有序数组。 2. 查找算法: - 线性查找:遍历列表,逐个比较元素直到找到目标值。 - 二分查找:适用于有序列表,每次查找都缩小一半的...
- **排序与搜索**:快速排序、归并排序、冒泡排序、二分查找等。 - **动态规划**:理解动态规划的基本思想,解决最优化问题。 - **图论算法**:Dijkstra算法、Floyd算法、Prim算法、Kruskal算法等。 - **字符串...
* 解析:有许多排序算法,如冒泡排序、选择排序、插入排序、归并排序、快速排序等。这里,我们可以选择快速排序算法。快速排序算法的核心代码如下: ```c void quicksort(int arr[], int low, int high) { if (low...
\数据结构flash演示\版本1\10-5-2归并排序.swf \数据结构flash演示\版本1\10-6-1多关键字排序.swf \数据结构flash演示\版本1\10-6-2分配收集.swf \数据结构flash演示\版本1\10-6-3分配收集2.swf \数据结构flash...
本复习题主要涵盖了电子技术中的数据结构、算法设计以及与之相关的计算机科学基础知识。以下是对各个题目涉及知识点的详细解析: 1. 删除单链表中重复结点:此题考察链表操作和算法设计。首先,我们需要遍历链表,...
- **选择方法**:通常选择归并排序,因为它适合处理链表数据结构,且具有稳定的排序性能。 - **实现思路**:采用分治策略,递归地将链表分为更小的部分,直到每个部分只有一个节点,然后将这些部分合并起来形成...