当前位置：首页 > news >正文

【算法练习】归并排序和归并分治

news 来源：原创 2025/5/21 1:07:38

文章目录

- 1.归并排序
- - 1.1 递归版本
  - 1.2 非递归版本
- 2.归并分治
- - 2.1 计算数组的小和
  - 2.2 计算翻转对

1.归并排序

归并排序的核心步骤是：

拆分：将无序数组不断对半拆分成小块，直到每个小块只剩一个元素（自然有序）。
合并：将相邻的有序小块合并，逐步形成更大的有序块，直到整个数组有序。

1.1 递归版本

递归天然避免越界，代码简洁，但递归深度受限。

#include <vector>
using namespace std;// 合并两个有序子数组
void merge(int arr[], int left, int mid, int right) 
{vector<int> temp(right - left + 1);  // 临时数组int i = left, j = mid + 1, k = 0;// 双指针合并有序区间while (i <= mid && j <= right) {temp[k++] = (arr[i] <= arr[j]) ? arr[i++] : arr[j++];}// 处理剩余元素while (i <= mid) temp[k++] = arr[i++];while (j <= right) temp[k++] = arr[j++];// 拷贝回原数组for (int p = 0; p < k; p++) {arr[left + p] = temp[p];}
}// 递归归并排序
void mergeSort(int arr[], int left, int right) {if (left >= right) return;int mid = left + (right - left) / 2;mergeSort(arr, left, mid);//分解左半区mergeSort(arr, mid + 1, right);//分解右半区merge(arr, left, mid, right);//合并有序区间
}// 调用示例
int main() 
{int arr[] = {12, 11, 13, 5, 6, 7};int n = sizeof(arr)/sizeof(arr[0]);mergeSort(arr, 0, n-1);return 0;
}

1.2 非递归版本

非递归版本通过步长控制，把数组看作由多个有序子数组组成，逐步扩大子数组长度，直到整个数组有序。
非递归循环效率更高，适合大数据量，但是需要控制越界。

与递归版本不同的是递归是自顶向下（通过递归函数先拆分再合并），非递归是自底向上（通过数组下标直接从小块开始合并）

假设原始数组为 [3,1,4,2,7,5]
执行步骤如下：
步长=1：把每个元素视为独立的有序数组，两两合并→ 合并后 [1,3] [2,4] [5,7]
步长=2：合并相邻的两个长度为2的子数组→ 合并后 [1,2,3,4] [5,7]
步长=4：继续合并更大的子数组→ 最终得到 [1,2,3,4,5,7]

void mergeSort(int arr[], int n) 
{// 预分配临时空间vector<int> temp(n);  // 按步长分组（1,2,4,8...）for (int gap = 1; gap < n; gap *= 2) {// 每两组进行比较 //[left, left+gap-1] [left+gap,left+2*gap-1]//[left,mid][mid+1, right]for (int left = 0; left < n; left += 2*gap) {// 计算子数组边界 (按l,m,r)int mid = min(left + gap - 1, n-1);int right = min(left + 2*gap - 1, n-1);// 合并相邻子数组int i = left, j = mid + 1, k = left;while (i <= mid && j <= right) {temp[k++] = (arr[i] <= arr[j]) ? arr[i++] : arr[j++];}// 处理剩余元素while (i <= mid) temp[k++] = arr[i++];while (j <= right) temp[k++] = arr[j++];// 拷贝回原数组for (int p = left; p <= right; p++) {arr[p] = temp[p];}}}
}// 调用示例
int main() 
{int arr[] = {12, 11, 13, 5, 6, 7};int n = sizeof(arr)/sizeof(arr[0]);mergeSort(arr, n);return 0;
}

2.归并分治

实施原理：

思考问题在大范围的答案，是否等于左部分的答案+右部分的答案+跨越左右部分的答案。
计算跨越左右部分的答案时，如果左右部分各自有序，是否能让计算跨越左右部分答案时更加便利。

分治法的基本步骤：

分解：将原始数组通过递归的方式拆分成两个长度相近的子数组，一直拆分到单个元素为止（因为单个元素天生有序）
统计：根据题意进行相关的统计。
排序：根据题意思考，在将小部分合并成大部分之前，如果将小部分进行排序，是否能便于大部分进行统计。

2.1 计算数组的小和

计算数组的小和

首先让我们看一组示例 [1，3，5，2，4，6]，这个小和答案为27，其暴力解法很好想，就是每个数和其他的数进行比较进行累加，但时间复杂度是O(n^2)所以不考虑。

下面看看这题归并分治的解法。

1. 根据上面说的原理，我们先看整个大范围部分[1，3，5，2，4，6]的答案，是否可以通过左部分[1，3，5]加上右部分[2，4，6]，再加上跨越左右的答案。
首先，我们直接计算[1，3，5]小和是5，[2，4，6]小和是8。接下来计算跨越左右的答案[1，3，5] | [2，4，6]，可以看到两边内部的已经各种计算好了，那么跨越的先看2对应的2>1再2<3，那么对应2的小和就只有1。再看4对应的4>1,4>3,4<5那么4对应的小和就是4，6类推就是9，那么跨越的小和加起来就是14，再和前面相加14+5+8就是27答案对应上了。
2. 那么如果再把大范围缩小到计算[1,3,5]的答案，可以看出，其左部分[1,3]小和为1，右部分[5]小和为0，跨越左右为4，相加后也对应上了小和为5。那么就可以看出小部分的解和大部分的解都是一样的，那么就可以考虑归并分治。
3.接下来考虑在计算跨越左右的答案时，如果左、右部分各自有序这个条件，计算会不会更简单。
我们看[1，3，5] | [2，4，6]，如果其未排序[3,1,5] [6,2,4]，那么对于未排序的计算，需要每个数和其他数进行比较累加，就是暴力解法。肯定是更复杂的！。
4.那么这道题，保持左右各有序后计算便利在哪？
比如这个例子[3,6,7] [5,6,9]在计算跨越左右的答案时，有两种算法。
（1）从右部分开始对左部分的数进行比对，对应5大于3，对应6>3,6>=6，对应9>3,9>6,9>7，我们可以发现，右部分下一个数的计算(如5之后的6，6之后的9)可以在上一个数的基础上继续计算并且加上上一个数的和。
具体什么意思？就是比如右部分的5在和左部分3比较后再和左部分6比较，由于5<6那么左部分就到6停，下一个右部分的6直接和左部分的6进行比较，再和7比较然后停。右部分6的小和就直接加上5的小和和比较的6。右部分的9就直接加上6的小和以及比较的7。（这样就不用右部分每一个数都和左边的比了，因为有序）
（2）从左部分开始对右部分的数进行比对，如果5大于3，那么5后面所有的数都大于3，就直接3乘以5以及右边的个数就行了。

两个方法时间复杂度都是O(N)，相当于把每个数都走了一遍。

对应从右部分开始对左部分的数进行比对

//代表整个跨左右的答案
long long ans = 0; 
//先固定右部分的数，sum代表每个数自己的小和
for(int j = m+1, i = l, sum = 0; j <= r; ++j)
{//每个数的小和 = 这一回的比较 + 上一个数的小和while(i <= m && s[i] <= s[j]) sum+=s[i++];ans += sum;
}

对应从左部分开始对右部分的数进行比对

//代表整个跨左右的答案
long long ans = 0; 
for(int j = m+1, i = l; j <= r; ++j)
{while(i <= m && s[i] <= s[j]){ans+=(r-j+1)*s[i];++i;}
}

完整代码

#include <iostream>using namespace std;const int MAXN = 100001;int s[MAXN];
int tmp[MAXN];long long Merge(int l, int m, int r)
{//1.先统计long long ans = 0;for(int j = m+1, i = l, sum = 0; j <= r; ++j){while(i <= m && s[i] <= s[j]) sum+=s[i++];ans += sum;}/*//计算方法二long long ans = 0; for(int j = m+1, i = l; j <= r; ++j){while(i <= m && s[i] <= s[j]){ans+=(r-j+1)*s[i++];}}*///2.再排序，方便后续部分的统计int i = l, k = l, j = m+1;while(i <= m && j <= r){tmp[k++] = (s[i] <= s[j] ? s[i++] : s[j++]);}while(i <= m) tmp[k++] = s[i++];while(j <= r) tmp[k++] = s[j++];for (int i = l; i <= r; ++i){s[i] = tmp[i];}return ans;
}long long Count(int l, int r)
{if(l == r) return 0;int m = (l+r) >> 1;//接下来进行细分，同时统计计算再排序return Count(l, m) + Count(m+1, r) + Merge(l, m, r);
}int main() {int n = 0;while(cin >> n){for(int i = 0; i < n; ++i) cin>>s[i];//首先对数组进行细分cout << Count(0, n-1) << endl;}return 0;
}

2.2 计算翻转对

计算翻转对

还是照着之前说的原理，拿[2,4,3,5,1]，分成两个部分[2,4,3] [5,1]，在假设两个部分分别计算好翻转对数量以及排序后，[2,4,3] 有0个翻转对，[5,1]是1个，统计完后因为各个内部翻转对已经计算好了，然后想排序后对于两边跨越的计算是否更便利，答案是肯定的，各自排序后。那么计算跨越左右的[2,3,4][1,5]，也是有两种方法，简单的法一：3大于1*2了，那么排序后3之后都是大于3的，也就是都能和1能组成翻转对的。法二：3和1比完后，接着4和5比，然后再加上3对应的翻转对数。因为3满足的，4也满足。

class Solution {
public:int tmp[50001] = {0};int Merge(vector<int>& nums, int l, int m, int r){//1.统计int ans = 0;//法一// for(int i = l, j = m+1, count = 0; i <= m; ++i)// {//     while(j <= r && nums[i] > (long)2*nums[j]) count++, ++j;//     ans += count;// }//法二for(int i = l, j = m+1; i <= m; ++i){while(j <= r && nums[i] > (long)2*nums[j]){ans += (m-i+1);j++;}}//2.排序int a = l, b = l, c = m+1;while(a <= m && c <= r){tmp[b++] = (nums[a] <= nums[c] ? nums[a++] : nums[c++]);} while(a <= m) tmp[b++] = nums[a++];while(c <= r) tmp[b++] = nums[c++];for(int i = l; i <= r; ++i) nums[i] = tmp[i];return ans;}int Count(vector<int>& nums, int l, int r){if(l == r) return 0;int m = (l+r) >> 1;return Count(nums, l, m) + Count(nums, m+1, r) + Merge(nums, l, m, r);}int reversePairs(vector<int>& nums) {int len = nums.size();return Count(nums, 0, len-1);}
};

算法中有很多精妙又美丽的思想传统，请务必坚持下去！！