算法之NlogN排序算法

最新推荐文章于 2023-11-26 21:55:38 发布

一个不知名的程序员小白

最新推荐文章于 2023-11-26 21:55:38 发布

阅读量3.6k

点赞数

CC 4.0 BY-SA版权

文章标签：排序算法算法

本文链接：https://blog.csdn.net/qq_43459448/article/details/121453527

本文详细探讨了两种高效的排序算法——归并排序和快速排序。通过递归行为和时间复杂度的估算，解析了算法的工作原理。归并排序利用master公式分析得到O(NlogN)的时间复杂度，而快速排序通过不断改进，如随机选取基准值，使其在平均情况下的时间复杂度同样达到O(NlogN)。文章还提供了代码实现及复杂度分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

剖析递归行为和时间复杂度的估算

奠定知识

递归方法查找数组最大值
优化： (L+R)/2 => L+(R-L)>>1 防止L+R溢出且>>运算比除法快

master公式

T(N) = aT(N/b) + O(N^d)
a：子问题规模等量情况下被调用次数
b：子问题规模
d：除去调用子过程之外，剩下的时间复杂度
例子：
T(N) = 2T(N/2) +O(1) a=1,b=2,d=0

PS:只要等子过程规模相同，就可以使用master公式

符合master公式的时间复杂度

归并排序

1、简单递归过程，左边排好序，右边排好序，让其整体有序；让其整体有序的过程使用了外排序方法

2、实质

与O( N² )的算法相比，O( N² )算法无法使用上一次排序的成果，每次都是重新比较获取结果。
提升到O(N*logN)是因为前一次排序的成果都被后一次排序所使用

时间复杂度

由master公式 T(N)=2T(N/2)+O(N) 其中logb^a=d 所以时间复杂度为**O(NlogN)**
因为每次merge过程都会创建一个新数组，其长度不超过N，且merge结束即释放，所以额外空间复杂度 O(N)

代码实现

    //  T(N)=2*T(N/2)+O(N)
    public static void process(int[] nums, int l, int r){
   
   
        if(l==r) return;
        int mid=l+((r-l)>>1);
        process(nums,l,mid);
        process(nums,mid+1,r);
        merge(nums,l,mid,r);    //O(N)
    }