参考http://blog.csdn.net/morewindows/article/details/6684558和http://developer.51cto.com/art/201206/344788.htm

1. 归并排序

归并排序采用的是递归来实现,属于“分而治之”,将目标数组从中间一分为二,之后分别对这两个数组进行排序,排序完毕之后再将排好序的两个数组“归并”到一起,归并排序最重要的也就是这个“归并”的过程,归并的过程中需要额外的跟需要归并的两个数组长度一致的空间,比如需要规定的数组分别为: [3, 6, 8, 11] 和 [1, 3, 12, 15] (虽然逻辑上被划为为两个数组,但实际上这些元素还是位于原来数组中的,只是通过一些 index 将其划分成两个数组,原数组为 [3, 6, 8, 11, 1, 3, 12, 15 ,我们设置三个指针 lo, mid, high 分别为 0,3,7 就可以实现逻辑上的子数组划分)那么需要的额外数组的长度为 4 + 4 = 8 。归并的过程可以简要地概括为如下:

1) 将两个子数组中的元素复制到新数组 copiedArray 中,以前面提到的例子为例,则 copiedArray = [3, 6, 8, 11, 1, 3, 12, 15] ;

2) 设置两个指针分别指向原子数组中对应的第一个元素,假定这两个指针取名为 leftIdx 和 rightIdx ,则 leftIdx = 0 (对应 copiedArray 中的第一个元素 [3] ), rightIdx = 4 (对应 copiedArray 中的第五个元素 [1] );

3) 比较 leftIdx 和 rightIdx 指向的数组元素值,选取其中较小的一个并将其值赋给原数组中对应的位置 i ,赋值完毕后分别对参与赋值的这两个索引做自增 1 操作,如果 leftIdx 或 rigthIdx 值已经达到对应数组的末尾,则余下只需要将剩下数组的元素按顺序 copy 到余下的位置即可。

下面给个归并的具体实例:

  1. 第一趟:
  2. 辅助数组 [21 , 28, 39 | 35, 38] (数组被拆分为左右两个子数组,以 | 分隔开)
  3. [21 ,  ,  ,  ,  ] (第一次 21 与 35 比较 , 左边子数组胜出, leftIdx = 0 , i = 0 )
  4. 第二趟:
  5. 辅助数组 [21, 28 , 39 | 35, 38]
  6. [21 , 28,  ,  ,  ] (第二次 28 与 35 比较,左边子数组胜出, leftIdx = 1 , i = 1 )
  7. 第三趟: [21, 28, 39 | 35 , 38]
  8. [21 , 28 , 35,  ,  ] (第三次 39 与 35 比较,右边子数组胜出, rightIdx = 0 , i = 2 )
  9. 第四趟: [21, 28, 39 | 35, 38 ]
  10. [21 , 28 , 35 , 38,  ] (第四次 39 与 38 比较,右边子数组胜出, rightIdx = 1 , i = 3 )
  11. 第五趟: [21, 28, 39 | 35, 38]
  12. [21 , 28 , 35 , 38 , 39] (第五次时右边子数组已复制完,无需比较 leftIdx = 2 , i = 4 )

以上便是一次归并的过程,我们可以将整个需要排序的数组做有限次拆分(每次一分为二)直到分为长度为 1 的小数组为止,长度为 1 时数组已经不用排序了。在这之后再逆序(由于采用递归)依次对这些数组进行归并操作,直到最后一次归并长度为 n / 2 的子数组,归并完成之后数组排序也完成。

归并排序需要的额外空间是所有排序中最多的,每次归并需要与参与归并的两个数组长度之和相同个元素(为了提供辅助数组)。则可以推断归并排序的空间复杂度为 1 + 2 + 4 + … + n = n * ( n + 2) / 4 (忽略了 n 的奇偶性的判断),时间复杂度比较难估,这里小弟也忘记是多少了(囧)。

实现代码:

  1. /**
  2. * Merge sorting
  3. */
  4. MERGE(new Sortable() {
  5. public <T extends Comparable<T>> void sort(T[] array, boolean ascend) {
  6. this.sort(array, 0, array.length - 1, ascend);
  7. }
  8. private <T extends Comparable<T>> void sort(T[] array, int lo, int hi, boolean ascend) {
  9. // OPTIMIZE ONE
  10. // if the substring's length is less than 20,
  11. // use insertion sort to reduce recursive invocation
  12. if (hi - lo < 20) {
  13. for (int i = lo + 1; i <= hi; i++) {
  14. T toInsert = array[i];
  15. int j = i;
  16. for (; j > lo; j--) {
  17. int compare = array[j - 1].compareTo(toInsert);
  18. if (compare == 0 || compare < 0 == ascend) {
  19. break;
  20. }
  21. array[j] = array[j - 1];
  22. }
  23. array[j] = toInsert;
  24. }
  25. return;
  26. }
  27. int mid = lo + (hi - lo) / 2;
  28. sort(array, lo, mid, ascend);
  29. sort(array, mid + 1, hi, ascend);
  30. merge(array, lo, mid, hi, ascend);
  31. }
  32. private <T extends Comparable<T>> void merge(T[] array, int lo, int mid, int hi, boolean ascend) {
  33. // OPTIMIZE TWO
  34. // if it is already in right order, skip this merge
  35. // since there's no need to do so
  36. int leftEndCompareToRigthStart = array[mid].compareTo(array[mid + 1]);
  37. if (leftEndCompareToRigthStart == 0 || leftEndCompareToRigthStart < 0 == ascend) {
  38. return;
  39. }
  40. @SuppressWarnings("unchecked")
  41. T[] arrayCopy = (T[]) new Comparable[hi - lo + 1];
  42. System.arraycopy(array, lo, arrayCopy, 0, arrayCopy.length);
  43. int lowIdx = 0;
  44. int highIdx = mid - lo + 1;
  45. for (int i = lo; i <= hi; i++) {
  46. if (lowIdx > mid - lo) {
  47. // left sub array exhausted
  48. array[i] = arrayCopy[highIdx++];
  49. } else if (highIdx > hi - lo) {
  50. // right sub array exhausted
  51. array[i] = arrayCopy[lowIdx++];
  52. } else if (arrayCopy[lowIdx].compareTo(arrayCopy[highIdx]) < 0 == ascend) {
  53. array[i] = arrayCopy[lowIdx++];
  54. } else {
  55. array[i] = arrayCopy[highIdx++];
  56. }
  57. }
  58. }
  59. })

2. 快速排序

快速排序由于排序效率在同为O(N*logN)的几种排序方法中效率较高,因此经常被采用,再加上快速排序思想----分治法也确实实用,因此很多软件公司的笔试面试,包括像腾讯,微软等知名IT公司都喜欢考这个,还有大大小的程序方面的考试如软考,考研中也常常出现快速排序的身影。

总的说来,要直接默写出快速排序还是有一定难度的,因为本人就自己的理解对快速排序作了下白话解释,希望对大家理解有帮助,达到快速排序,快速搞定

快速排序是C.R.A.Hoare于1962年提出的一种划分交换排序。它采用了一种分治的策略,通常称其为分治法(Divide-and-ConquerMethod)。

该方法的基本思想是:

1.先从数列中取出一个数作为基准数。

2.分区过程,将比这个数大的数全放到它的右边,小于或等于它的数全放到它的左边。

3.再对左右区间重复第二步,直到各区间只有一个数。

虽然快速排序称为分治法,但分治法这三个字显然无法很好的概括快速排序的全部步骤。因此我的对快速排序作了进一步的说明:挖坑填数+分治法:

先来看实例吧,定义下面再给出(最好能用自己的话来总结定义,这样对实现代码会有帮助)。

以一个数组作为示例,取区间第一个数为基准数。

0

1

2

3

4

5

6

7

8

9

72

6

57

88

60

42

83

73

48

85

初始时,i = 0;  j = 9;   X = a[i] = 72

由于已经将a[0]中的数保存到X中,可以理解成在数组a[0]上挖了个坑,可以将其它数据填充到这来。

从j开始向前找一个比X小或等于X的数。当j=8,符合条件,将a[8]挖出再填到上一个坑a[0]中。a[0]=a[8]; i++;  这样一个坑a[0]就被搞定了,但又形成了一个新坑a[8],这怎么办了?简单,再找数字来填a[8]这个坑。这次从i开始向后找一个大于X的数,当i=3,符合条件,将a[3]挖出再填到上一个坑中a[8]=a[3]; j--;

数组变为:

0

1

2

3

4

5

6

7

8

9

48

6

57

88

60

42

83

73

88

85

i = 3;   j = 7;   X=72

再重复上面的步骤,先从后向前找,再从前向后找

从j开始向前找,当j=5,符合条件,将a[5]挖出填到上一个坑中,a[3] = a[5]; i++;

从i开始向后找,当i=5时,由于i==j退出。

此时,i = j = 5,而a[5]刚好又是上次挖的坑,因此将X填入a[5]。

数组变为:

0

1

2

3

4

5

6

7

8

9

48

6

57

42

60

72

83

73

88

85

可以看出a[5]前面的数字都小于它,a[5]后面的数字都大于它。因此再对a[0…4]和a[6…9]这二个子区间重复上述步骤就可以了。

对挖坑填数进行总结

1.i =L; j = R; 将基准数挖出形成第一个坑a[i]。

2.j--由后向前找比它小的数,找到后挖出此数填前一个坑a[i]中。

3.i++由前向后找比它大的数,找到后也挖出此数填到前一个坑a[j]中。

4.再重复执行2,3二步,直到i==j,将基准数填入a[i]中。

照着这个总结很容易实现挖坑填数的代码:

  1. int AdjustArray(int s[], int l, int r) //返回调整后基准数的位置
  2. {
  3. int i = l, j = r;
  4. int x = s[l]; //s[l]即s[i]就是第一个坑
  5. while (i < j)
  6. {
  7. // 从右向左找小于x的数来填s[i]
  8. while(i < j && s[j] >= x)
  9. j--;
  10. if(i < j)
  11. {
  12. s[i] = s[j]; //将s[j]填到s[i]中,s[j]就形成了一个新的坑
  13. i++;
  14. }
  15. // 从左向右找大于或等于x的数来填s[j]
  16. while(i < j && s[i] < x)
  17. i++;
  18. if(i < j)
  19. {
  20. s[j] = s[i]; //将s[i]填到s[j]中,s[i]就形成了一个新的坑
  21. j--;
  22. }
  23. }
  24. //退出时,i等于j。将x填到这个坑中。
  25. s[i] = x;
  26. return i;
  27. }

再写分治法的代码:

  1. void quick_sort1(int s[], int l, int r)
  2. {
  3. if (l < r)
  4. {
  5. int i = AdjustArray(s, l, r);//先成挖坑填数法调整s[]
  6. quick_sort1(s, l, i - 1); // 递归调用
  7. quick_sort1(s, i + 1, r);
  8. }
  9. }

这样的代码显然不够简洁,对其组合整理下:

  1. //快速排序
  2. void quick_sort(int s[], int l, int r)
  3. {
  4. if (l < r)
  5. {
  6. //Swap(s[l], s[(l + r) / 2]); //将中间的这个数和第一个数交换 参见注1
  7. int i = l, j = r, x = s[l];
  8. while (i < j)
  9. {
  10. while(i < j && s[j] >= x) // 从右向左找第一个小于x的数
  11. j--;
  12. if(i < j)
  13. s[i++] = s[j];
  14. while(i < j && s[i] < x) // 从左向右找第一个大于等于x的数
  15. i++;
  16. if(i < j)
  17. s[j--] = s[i];
  18. }
  19. s[i] = x;
  20. quick_sort(s, l, i - 1); // 递归调用
  21. quick_sort(s, i + 1, r);
  22. }
  23. }

快速排序还有很多改进版本,如随机选择基准数,区间内数据较少时直接用另的方法排序以减小递归深度。有兴趣的筒子可以再深入的研究下。

注1,有的书上是以中间的数作为基准数的,要实现这个方便非常方便,直接将中间的数和第一个数进行交换就可以了。

最新文章

  1. Activity系列讲解---Activity运行时的屏幕方向,全屏,窗体模式的设置
  2. 使用KRPano资源分析工具强力加密KRPano项目(XML防破解,切片图保护,JS反调试)
  3. js获取键盘按下的键值event.keyCode,event.charCode,event.which的兼容性
  4. session失效后,登录页面嵌入iframe框架
  5. 07.C#泛型的限制和可空类型的简单说明(三章3.5-四章4.1)
  6. Android基本控件之GridView
  7. zoj 2376 Ants
  8. 解决linux下javac -version和java -version版本显示不一致
  9. js关于propotype的一些事-------Day62
  10. CRT
  11. service structure flowchart with full stack functionality in a brife map
  12. 局域网里连接mysql服务器,其他人连接自己的mysql服务器
  13. Mybatis插入数据返回主键ID
  14. openLayers 3知识回顾
  15. #7 Python代码调试
  16. DDoS攻击流量检测方法
  17. 针对多条件查询,应对 url 无用 null 值现象处理
  18. VS资源收藏&lt;持续更新中&gt;
  19. Python里面search()和match()的区别
  20. git 无法拉取新的远程分支

热门文章

  1. 【转】TCP/IP报文格式
  2. Asp.Net MVC4 系列-- 进阶篇之路由(1)
  3. SqlServer和Oracle中一些常用的sql语句8 触发器和事务
  4. netconf选用秘钥登录
  5. shell编程/字库裁剪(3)——验证
  6. Promise对象解读
  7. 关于C#开发中那些编码问题
  8. c++ 类覆盖方法中的协变返回类型
  9. [Bayesian] “我是bayesian我怕谁”系列 - Markov and Hidden Markov Models
  10. 【Aladdin Unity3D Shader编程】之一 基本入门