歸并排序(Merge sort)是建立在歸并操作上的一種有效的排序算法。該算法是采用分治法(Divide and Conquer)的一個非常典型的應用。其實作排序時的時間複雜度為 O ( n l o g n ) O(nlogn) O(nlogn) 。
思路分析:數組排序任務可以如下完成:① 把前一半排序 ② 把後一半排序 ③ 把兩半歸并到一個新的有序數組,然後再拷貝回原數組,排序完成。參考下圖:
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
代碼實作:
#include <iostream>
using namespace std;
int a[8] = {8, 4, 5, 7, 1, 3, 6, 2};
int b[8]; // 用于存放中間結果
// 将兩個半有序數組有序地排到 tmp[] 中,之後拷貝給 a[]。複雜度 O(n)
void Merge(int a[], int s, int m, int e, int tmp[])
{
int pb = 0;
int p1 = s, p2 = m + 1;
while (p1 <= m && p2 <= e)
{
if (a[p1] < a[p2])
tmp[pb++] = a[p1++];
else
tmp[pb++] = a[p2++];
}
while (p1 <= m)
tmp[pb++] = a[p1++];
while (p2 <= e)
tmp[pb++] = a[p2++];
// 拷貝回原數組
for (int i = 0; i < e - s + 1; ++i)
a[s + i] = tmp[i];
}
// 利用遞歸思想
void MergeSort(int a[], int s, int e, int tmp[])
{
if (s < e)
{
int m = s + (e - s) / 2; // 中點
MergeSort(a, s, m, tmp); // 前段排序
MergeSort(a, m + 1, e, tmp); // 後段排序
Merge(a, s, m, e, tmp); // 歸并
}
}
int main()
{
int size = sizeof(a) / sizeof(int);
MergeSort(a, 0, size - 1, b);
for (int i = 0; i < size; ++i)
cout << a[i] << ",";
cout << endl;
return 0;
}
歸并排序時間複雜度分析:
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
應用二:快速排序
基本思想:
在待排序數組中首先選取一個記錄作為基準(pivotkey),通常選第一個元素。
經過一趟排序,将小于基準的元素放在左側,大于基準的元素放在右側,基準元素放置在分解處。這樣,待排序數組就分成了兩個子表。(需要時間 O ( n ) O(n) O(n))
遞歸地将左側和右側的兩個子表進行排序,直至每個子表隻有一個元素。
具體步驟:
暫時指定第一個記錄為基準,同時附設兩個指針 i,j 分别指向數組的第一個元素和最後一個元素。
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
從表的最右側位置依次向左搜尋,找到小于基準的元素,與基準元素進行交換;如果沒有找到,則指針左移。
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
再從數組最左側位置開始,找到大于基準的元素,與基準進行交換;若沒找到,則指針右移。
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
重複步驟 2 和 3,直至指針 i 和 j 相等。這樣第一趟遞歸排序就完成了,原表被分為了左右兩個子表。下面隻需遞歸操作即可。
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
代碼實作:
#include <iostream>
using namespace std;
void swap(int &a, int &b)
{
int tmp = a;
a = b;
b = tmp;
}
void QuickSort(int a[], int s, int e)
{
if (s >= e)
return;
int k = a[s]; // k 為基準
int i = s, j = e; // 左右指針
// 下面進行一趟排序
while (i != j)
{
while (j > i && a[j] >= k)
--j;
swap(a[i], a[j]);
while (i < j && a[i] <= k)
++i;
swap(a[i], a[j]);
} // 此時 a[i] = k
QuickSort(a, s, i - 1);
QuickSort(a, i + 1, e);
}
int a[] = {2, 1, 3, 7, 12, 11, 8, 9};
int main()
{
int size = sizeof(a) / sizeof(int);
QuickSort(a, 0, size - 1);
for (int i = 0; i < size; ++i)
cout << a[i] << ' ';
cout << endl;
return 0;
}
注意:有個小問題,在實作 swap 交換兩個數時,剛開始用到了異或運算
a^=b; b^=a; a^=b;
,發現輸出了好多 0。這時因為 i 最終等于 j,這時兩個要交換的數相等,導緻
i ^ j = 0
。
複雜度分析:
快速排序的最壞時間複雜度是 O ( n ² ) O(n²) O(n²),比如說順序數列的快排。但它的平均時間複雜度是 O ( n l o g n ) O(nlogn) O(nlogn),且 O ( n l o g n ) O(nlogn) O(nlogn) 記号中隐含的常數因子很小,比複雜度穩定等于 O ( n l o g n ) O(nlogn) O(nlogn) 的歸并排序要小很多。是以,對絕大多數順序性較弱的随機數列而言,快速排序總是優于歸并排序。
解題思路:當然,你可以選擇先排序後再進行輸出,這時時間複雜度 O ( n l o g n ) O(nlogn) O(nlogn)。但其實我們可以選擇一種時間複雜度更小的解法:把前 m 大的都弄到數組最右邊,複雜度 O ( n ) O(n) O(n) 。然後對這最右邊 m 個元素排序再輸出, 複雜度 O ( l o g n ) O(logn) O(logn) 。總的時間複雜度為 O ( n + m l o g m ) O(n+mlogm) O(n+mlogm)。當 m << n 時,這種算法時間複雜度相當于 O ( n ) O(n) O(n),優勢就比較明顯了。
将前 m 大的都弄到數組最右邊的時間為什麼為 O ( n ) O(n) O(n) ?
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
// 輸入樣例
5
5 2 11 3 12
3
// 輸出樣例
5
11
12
代碼實作:
#include <iostream>
#include <algorithm>
using namespace std;
#define MAXN 100005
int a[MAXN];
int n, m;
void swap(int &a, int &b)
{
int tmp = a;
a = b;
b = tmp;
}
// 利用分治思想 ———— 先将前 m 大的數移至右邊,再對這 m 個數排序
void arrangeRight(int a[], int s, int e, int k)
{
if (s >= e)
return;
if (k == e - s + 1)
return;
int i = s, j = e;
int key = a[s];
// 基準元素歸位,使得左側小于基準元素,右側大于基準元素
while (i != j)
{
while (i < j && a[j] >= key)
--j;
swap(a[i], a[j]);
while (i < j && a[i] <= key)
++i;
swap(a[i], a[j]);
}
// 邊界條件及遞歸方式
if (k == e - i + 1)
return;
else if (k < e - i + 1)
arrangeRight(a, i + 1, e, k);
else
arrangeRight(a, s, i - 1, k - e + i - 1);
}
int main()
{
cin >> n;
for (int i = 0; i < n; ++i)
cin >> a[i];
cin >> m;
// 前 m 大的數弄到右邊
arrangeRight(a, 0, n - 1, m);
// 再對這 m 個數排序,sort 類似快排,n*log(n)。
sort(a + n - m, a + n);
while (m--)
cout << a[--n] << endl;
return 0;
}
應用四:求排列的逆序數
問題描述:
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
解題思路:
當然,你可以采取枚舉方式,對每一個元素都周遊,複雜度 O ( n 2 ) O(n^{2}) O(n2) 會逾時,是以這裡暫且不提此解法。
下面來看分治算法解決此問題,其複雜度為 O ( n l o g n ) O(nlogn) O(nlogn)
将數組分成兩半,分别求出左半邊的逆序數和右半邊的逆序數;
再算有多少逆序是由左半邊取一個數和右半邊取一個數構成的。(要求 O ( n ) O(n) O(n) 實作)
如何用 O ( n ) O(n) O(n) 時間實作第二步呢 ?關鍵就是:左半邊和右半邊都是排好序的。比如,都是從大到小排序的。這樣,左右半邊隻需要從頭到尾各掃一遍,就可以找出由兩邊各取一個數構成的逆序個數。
算法分析與設計「四」分治算法一、什麼是分治算法二、分治的典型應用
其實總結而言,此問題解法可以由歸并排序改進所得,隻需加上計算逆序的步驟即可。
代碼實作:
#include <iostream>
using namespace std;
int a[8] = {3, 7, 8, 10, 2, 5, 11, 12};
int b[8]; // 用于存放中間結果
int count = 0; // 記錄逆序數
// 歸并有序序列,并計算逆序數個數
void MergeAndCountNum(int a[], int s, int m, int e, int tmp[])
{
int pb = 0;
int p1 = s, p2 = m + 1;
while (p1 <= m && p2 <= e)
{
if (a[p1] < a[p2])
tmp[pb++] = a[p1++];
else
{
tmp[pb++] = a[p2++];
// 當出現一個逆序時,其後 m+1-p1 個數都是逆序
count += m + 1 - p1;
}
}
while (p1 <= m)
tmp[pb++] = a[p1++];
while (p2 <= e)
tmp[pb++] = a[p2++];
for (int i = 0; i < e - s + 1; ++i)
a[s + i] = tmp[i];
}
// 利用遞歸思想
void MergeSort(int a[], int s, int e, int tmp[])
{
if (s < e)
{
int m = s + (e - s) / 2; // 中點
MergeSort(a, s, m, tmp); // 前段排序
MergeSort(a, m + 1, e, tmp); // 後段排序
MergeAndCountNum(a, s, m, e, tmp); // 歸并同時計算逆序數
}
}
int main()
{
int size = sizeof(a) / sizeof(int);
MergeSort(a, 0, size - 1, b);
cout << count;
return 0;
}