Java【归并排序】算法, 大白话式图文解析(附代码)

news/2024/5/17 15:26:30 标签: 算法, java, 排序算法, 归并排序

文章目录

  • 一、排序相关概念
    • 1, 什么是排序
    • 2, 什么是排序的稳定性
    • 3, 七大排序分类
  • 二、归并排序
    • 1, 图文解析
    • 2, 代码实现
  • 三、性能分析
  • 四、七大排序算法总体分析

提示:是正在努力进步的小菜鸟一只,如有大佬发现文章欠佳之处欢迎评论区指点~ 废话不多说,直接发车~


一、排序相关概念

1, 什么是排序

📌排序:所谓排序,就是使一串记录,按照其中的某个或某些关键字的大小,递增📈或递减📉的排列起来的操作

👉以 int 类型数据从小到大排序为例:
排序前:4,1,3,6,8,7,2,5
排序后:1,2,3,4,5,6,7,8


2, 什么是排序的稳定性

📌稳定性:假定在待排序的记录序列中,存在多个具有相同的关键字的记录,若经过排序,这些记录的相对次序保持不变,即在原序列中,r[i]=r[j],且r[i]在r[j]之前,而在排序后的序列中,r[i]仍在r[j]之前,则称这种排序算法是稳定的;否则称为不稳定的。

👉以 int 类型数据从小到大排序为例:
排序前:4,1,3a,6,8,7,2,3b,5(3a 在 3b 之前)
排序后:1,2,3a3b,4,5,6,7,8(3a 还在 3b 之前,稳定)
排序后:1,2,3b3a,4,5,6,7,8(3a 不在 3b 之前,不稳定)

3, 七大排序分类

以下是常见的 7大排序 算法
在这里插入图片描述


二、归并排序

1, 图文解析

📌归并排序 是建立在归并操作上的一种有效的排序算法, 该算法是采用分治法(Divide andConquer)的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为二路归并。

📌基本思想:假如一个学校只有两个班,怎么算出全校成绩排名呢,是现在各自班里排好序,然后两个班再一起排序,在两个班的成绩表各自有序的情况下,合并起来排序肯定要比整体混乱着排序效率高
假如一个班1000个人,那在班内排名也是相对效率低的,那咋办?可以分成若干个小组先排,再合并几个小组整体排序,这不就是递归吗

归并归并,我的理解就是,递归分割原始数组,分割到足够小时,递归结束,然后返回时合并,并且完成排序

过程图解:

在这里插入图片描述
在这里插入图片描述
⚠️⚠️需要重点理解的是
❗️❗️在递归进行分割的过程中,是没有真正把数组切开(new了新空间)的,只是函数传参中是有数组,left 和 right 下标的,只是改变了 left 和 right 的值

❗️❗️但是在归并的过程中,是真正的把两个数组的数据合起来(new了新的数组空间),然后再遍历挨个拷贝回原始数组中的。


2, 代码实现

体现封装的思想:把分割和合并两个方法独立封装起来,并设置成private

java">  /**
     * 归并排序
     * 时间复杂度:O(N^logN)
     * 空间复杂度:O(N)
     * 稳定性:稳定
     * @param array
     */
    public static void mergeSort(int[] array) {
        divid(array, 0, array.length - 1);
    }

    private static void divid(int[] array, int left, int right) {
        if (left >= right) {
            return;
        }
        int mid = (left + right) >>> 1;
        divid(array, left, mid);
        divid(array, mid + 1, right);
        merge(array, left, right, mid);
    }

    private static void merge(int[] array, int left, int right, int mid) {
        // 其实就是合并两个数组,并使合并后的数组有序
        int l1 = left;
        int l2 = mid + 1;
        int[] tmp = new int[right - left + 1];
        int i = 0;
        while(l1 <= mid && l2 <= right) {
            // 为什么要加等号,防止死循环
            if(array[l1] <= array[l2]) {
                tmp[i++] = array[l1++];
            }
            if (array[l2] <= array[l1]) {
                tmp[i++] = array[l2++];
            }
        }
        // 判断哪个数组还有数据
        while(l1 <= mid) {
            tmp[i++] = array[l1++];

        }
        while(l2 <= right) {
            tmp[i++] = array[l2++];
        }
        for (int j = 0; j < tmp.length; j++) {
            array[j + left] = tmp[j];
        }
    }

⚠️⚠️注意最后一个for循环,这段代码作用是把合并好的有序子数组挨个拷贝回原始数组,但是 array[ j + left ] = tmp[j] 如何理解❓
因为你左右树都递归进行分割合并啊!你总不能原本在原始数组右边的子数组排有序之后挨个从原始数组的0下标开始拷贝吧!


三、性能分析

👉时间复杂度:
和快速排序类似,也是递归次数+每次的 i,j 遍历时间,最好最坏平均情况的时间复杂度都是O(N*log₂N)

👉空间复杂度:
递归的开销是O(log₂N),但是需要总长度为N的额外数组空间的消耗,所有总体空间复杂度是O(N+log₂N)

👉稳定性:
稳定

只要是交换时, 两数据相邻就是稳定的算法,只要是跳跃式的交换就是不稳定, 当然别忘了, 稳定的算法也可以修改代码更改成不稳定的


四、七大排序算法总体分析

建议对七大算法都有认识之后, 再对比分析~~

没有完美的排序算法,任何一种算法都是有优点和缺陷的,即便是大名鼎鼎的快速排序,也只是整体上效率比较高,性能相对更优越

现在就整体分析一下各种排序的优缺点📊
在这里插入图片描述

早期的排序算法平均时间复杂度都是O(N^2); 因为原理比较简单, 但性能较差, 所以 一般把直接插入排序,选择排序,冒泡排序归为简单排序一类 其他的都归于 改进排序

📚从平均情况看:
改进过的排序: 希尔排序, 堆排序, 归并排序, 快速排序要胜过 简单排序的性能, 而四个改进算法中, 希尔排序的性能最差

📚从最好情况看:
直接插入排序和冒泡排序最快

📚从最坏情况看:
堆排序和归并排序的性能更胜过快排和其他简单排序

📚综合来看:
堆排序和归并排序比较稳定和强大, 情况最坏时好使
直接插入排序和冒泡排序在基本有序时最好用,
而快速排序比较极端, 最好最坏情况都有缺陷 但是 快速排序能够称之为快速排序, 是因为它的综合性能最强💪,一般情况下是最快的

📚从稳定性来看:
改进排序中只有归并排序

📚从数据个数上看:
数据量越少, 越适合用简单排序, 因为堆排, 快速排序, 归并排序, 都用到了递归, 对于少量数据排序有点"炮弹打蚊子"


如果本篇对你有帮助,请点赞收藏支持一下,小手一抖就是对作者莫大的鼓励啦😋😋😋~


上山总比下山辛苦
下篇文章见


http://www.niftyadmin.cn/n/152067.html

相关文章

欧拉角和旋转矩阵之间的转换

一、什么是欧拉角 在3D 空间中&#xff0c;表示物体的旋转可以由三个欧拉角来表示&#xff1a; pitch围绕X轴旋转&#xff0c;叫俯仰角。 yaw围绕Y轴旋转&#xff0c;叫偏航角。 roll围绕Z轴旋转&#xff0c;叫翻滚角。 这三个角的顺序对旋转结果有影响。 此处得到结论&am…

【python绘图】matplotlib+seaborn+pyecharts学习过程中遇到的好看的绘图技巧(超实用!)(持续更新中!)

目录一些必要的库一些写的还不错的博客按照图像类型扇形图——可视化样本占比散点图——绘制双/多变量分布1. 二维散点图2. seaborn的jointplot绘制3. seaborn的jointplot绘制&#xff08;等高线牛逼版&#xff09;组合点阵图sns.pairplot叠加图Area Plot按照功能绘制混淆矩阵绘…

数字孪生技术研究综述

一、中文摘要 数字孪生作为实现数字化、智能化、服务化等先进理念的重要使能技术&#xff0c;当前备受学术界和工业界关注。模型是数字孪生的基础和核心&#xff0c;而传统数字孪生三维模型已无法满足现阶段技术发展与应用需求。本文基于已经提出的数字孪生的五维结构模型&…

JAVA进阶(IO流) —— 高级流

通过之前我们对于 JAVA进阶&#xff08;IO流&#xff09; —— 基本流 中字节流与字符流的学习&#xff0c;但是基本流中的四大流均是抽象类&#xff0c;不可以实例化&#xff0c;在实际开发中使用的都是其子类。 而这篇文章所要学习得高级流其实就是在基本流的基础上添加缓冲…

Go中指针的介绍和使用

背景 指针是什么出现的意义是什么呢? 假设所有语言中都没有指针, 无论是显式的还是隐式的. 那么所有的变量传递都只能通过值Copy的方式了, 如果对象比较大的话, 就会比较浪费空间和性能. 如果还要求对传入的数据进行修改, 还需要将数据返回回去, 就变得比较复杂. 指针的出现就…

QML- QML Basic 基础类型

QML Basic 基础类型一、概述二、支持的基本类型三、QML语言提供的基本类型四、QML模块提供的基本类型五、基本类型的属性更改行为一、概述 QML支持许多基本类型。 基本类型就是指相对简单值的类型&#xff0c;如int或string。基本类型和对象类型的区别就是&#xff0c;对象类…

格密码学习笔记(六):格中模运算

文章目录格中取模运算CVP和格的陪集致谢格中取模运算 定义&#xff08;格的基本区域&#xff09; P⊂Rn:{Px∣x∈L}\mathcal{P} \subset \mathbb{R}^n : \{ \mathcal{P} \bm{x} | \bm{x} \in \mathcal{L} \}P⊂Rn:{Px∣x∈L}是Rn\mathbb{R}^nRn的一种划分。 用P\mathcal{P}P对…

智慧数据助力航天梦,Smartbi为中国航天事业添砖加瓦

我国航天事业是国家科技实力和综合国力的重要体现之一&#xff0c;具有重大的国家战略意义。在过去的几十年中&#xff0c;我国取得了多项航天技术突破和世界级的航天成就&#xff0c;如中国空间站、中国探月工程、神舟一号、火星探测等。这些成就不仅为国家发展带来了巨大的经…