当前位置: 首页 > news >正文

C++算法恢复训练之归并排序

归并排序(Merge Sort)是一种基于分治思想的排序算法,它将待排序数组分成两个子数组,然后对这两个子数组分别进行排序,最后将两个已排序的子数组合并成一个有序数组。归并排序是一种稳定的排序算法,具体体现在其时间复杂度上。

下面是使用 C++ 实现的归并排序算法:

#include <algorithm>
#include <iostream>
#include <random>
#include <vector>using namespace std;void mergeSortImplementation(vector<int>& array, int left, int right)
{if (left == right){return;}const int mid = left + ((right - left) >> 1);mergeSortImplementation(array, left, mid);mergeSortImplementation(array, mid + 1, right);vector<int> temp(right - left + 1);int p1 = left;int p2 = mid + 1;for (unsigned int i = 0; i < temp.size(); ++i){if (p1 == mid + 1){temp[i] = array[p2++];continue;}if (p2 == right + 1){temp[i] = array[p1++];continue;}if (array[p1] < array[p2]){temp[i] = array[p1++];}else{temp[i] = array[p2++];}}for (unsigned int i = left; i < right + 1; ++i){array[i] = temp[i - left];}
}void mergeSort(vector<int>& array)
{if (array.size() < 2){return;}mergeSortImplementation(array, 0, array.size() - 1);
}int main(int argc, char* argv[])
{// Create an array to test sort methodvector<int> array = {2, 3, 4, 0, 7};cout << "Before sorting: ";for (int i = 0; i < array.size(); ++i){cout << array[i] << " ";}cout << endl;mergeSort(array);cout << "After sorting: ";for (int i = 0; i < array.size(); ++i){cout << array[i] << " ";}cout << endl;return 0;
}

归并排序的实现过程可以分为两个步骤:

  • 分割子问题:将待排序数组分成两个子数组,分别对两个子数组进行排序。
  • 合并解决方案:将两个已排序的子数组合并成一个有序数组。

具体来说,归并排序的分割子问题的实现可以使用递归算法,每次将待排序数组分成两个子数组,然后对两个子数组分别进行排序;合并解决方案的实现则需要额外的存储空间,将两个已排序的子数组合并成一个有序数组。

归并排序的时间复杂度为 O(nlogn)O(nlogn)O(nlogn),其中 n 是待排序数组的长度。归并排序每次将待排序数组分成两个子数组,分别对两个子数组进行排序,然后再将两个已排序的子数组合并成一个有序数组。这个过程的时间复杂度可以表示为:

T(n)=2T(n/2)+O(n)T(n) = 2T(n/2) + O(n)T(n)=2T(n/2)+O(n)

其中 T(n) 表示对长度为 n 的数组进行归并排序的时间复杂度。通过递归展开可以得到:

T(n)=2T(n/2)+O(n)=2[2T(n/4)+O(n/2)]+O(n)=4T(n/4)+2O(n)=4[2T(n/8)+O(n/4)]+2O(n)=8T(n/8)+3O(n)=...=nT(1)+lognO(n)T(n) = 2T(n/2) + O(n)\\ = 2[2T(n/4) + O(n/2)] + O(n)\\ = 4T(n/4) + 2O(n)\\ = 4[2T(n/8) + O(n/4)] + 2O(n)\\ = 8T(n/8) + 3O(n)\\ = ...\\ = nT(1) + lognO(n)T(n)=2T(n/2)+O(n)=2[2T(n/4)+O(n/2)]+O(n)=4T(n/4)+2O(n)=4[2T(n/8)+O(n/4)]+2O(n)=8T(n/8)+3O(n)=...=nT(1)+lognO(n)

故而其最终算法时间复杂度为O(nlogn)O(nlogn)O(nlogn)

http://www.lryc.cn/news/58999.html

相关文章:

  • 使用Process Explorer和Clumsy工具定位软件高CPU占用问题
  • 为何巴菲特和马斯克站在了一起?
  • 企业数字化转型全是坑?这几篇数字化转型成功案例,减少70%损失
  • 13.Java面向对象----嵌套类
  • Redis数据迁移过程,使用jedis客户端发送命令,需要注意string和byte类型的命令,如果使用的转换字符编码不一致,会导致丢数据
  • 第六章 IA-32指令类型
  • 基于BenchmarkSQL的Oracle数据库tpcc性能测试
  • Dapr和Rainbond集成,实现云原生BaaS和模块化微服务开发
  • 全国青少年信息素养大赛2023年python·选做题模拟五卷
  • itop-3568开发板驱动学习笔记(18)tasklet 机制
  • 全国青少年电子信息智能创新大赛(复赛)python·模拟二卷
  • 对标ChatGPT的开源中文方案
  • 9.Java面向对象----封装
  • 【react 全家桶】组合组件
  • VUE_学习笔记
  • 【分布式事务AT模式 SpringCloud集成Seata框架】分布式事务框架Seata详细讲解
  • 系统集成项目管理工程师软考第三章习题(每天更新)
  • FIFO的工作原理及其设计
  • 「UG/NX」Block UI 通过浏览器选择文件File Selection with Browse
  • 面试官:如何搭建Prometheus和Grafana对业务指标进行监控?
  • SQL Server 创建登录账号、创建用户名并为数据库赋予db_owner权限
  • 离散数学_第二章:基本结构:集合、函数、序列、求和和矩阵(1)
  • ChatGPT想干掉开发人员,做梦去吧
  • 尚硅谷大数据技术Hadoop教程-笔记04【Hadoop-MapReduce】
  • Linux信号sigaction / signal
  • 坦克大战第一阶段代码
  • 博客系统前端实现
  • ChatGPT技术原理、研究框架,应用实践及发展趋势(附166份报告)
  • 【屏幕自适应页面适配问题】CSS的@media,为了适应1440×900的屏幕,使用@media解决问题
  • 一篇文章理解堆栈溢出