前言归并排序的核心思想是利用分治法Divide and Conquer策略它将一个大的问题分解成小的、容易解决的子问题然后将子问题的解合并起来从而得到原问题的解。一、归并排序的核心思想分Divide: 将待排序的数组或列表不断地分成两个子数组直到每个子数组只包含一个元素单个元素被认为是天然有序的。治Conquer: 对每个只含一个元素的子数组进行排序实际上它们已经是有序的合Merge:将两个已排序的子数组归并成一个更大的有序数组重复这个过程直到所有子数组都归并成一个完整的有序数组。二、归并排序的工作流程2.1分区间分 从宏观上看把数组切成了两半但在计算机程序的微观实现中我们并没有真正拿刀去把数组“切断”而是通过数组下标Index来计算和控制范围,“一分为二” 的核心在于计算中间位置Mid。核心公式: 假设我们要处理的数组范围是从下标 left 到 right 从左到右mid (left right) / 2所以我们要将数组从逻辑上分为两个部分①左半部分范围 [left, mid]②右半部分范围 [mid 1, right]有读者肯定疑惑:为什么左半部分范围是[left , mid] 右半部分范围是: [mid1 , right]而不能是左半部分范围为[left, mid-1] 右半部分范围为: [mid , right]答这是因为mid(left right) / 2 为整数除法在大多数编程语言中会自动向下取整比如 3.5 会变成 3所以 mid 必须归属于左半部分这样才能保证左右两边在每一次递归中范围都在真正缩小。举例说明假设有如下数组为 [3 , 4] 下标索引为[ 0 , 1]计算mid (0 1) / 2 0错误划分:若按照左半部分[left , mid-1] 右半部分[mid , right]左半部分为[0 , -1](范围无效程序崩溃)右半部分为: [ 0 ,1]死循环 范围根本没有变小还是原来的 0 到 1递归永远停不下来正确划分按照左半部分[left , mid] 右半部分[mid1 , right]左半部分为[0 , 0](只有一个元素停止递归)右半部分为[1, 1](只有一个元素停止递归)示例假设存在数组[10, 6, 7, 1, 3, 9, 4, 2]2.2治区间治对每个只含一个元素的子数组进行排序实际上它们已经是有序的示例只有一个区间的元素逻辑上认为有序[10] [6] [7] [1] [3] [9] [4] [2]2.3合区间合Merge:将两个已排序的子数组归并成一个更大的有序数组重复这个过程直到所有子数组都归并成一个完整的有序数组示例将上述最小区间进行合并知道所有子数组都归并成一个完完整区间三、代码实现//left 区间的起始下标 //right 区间的终止下标 void _MergeSort(int *a,int * tmp,int left,int right) { //当子区间只有一个元素则不需要进行切分 if (left right) return; //计算中间下标 int mid left (right - left) / 2; //左区间范围[left,mid] _MergeSort(a, tmp, left, mid); //右区间范围[mid1,right] _MergeSort(a, tmp, mid 1, right); //合并左区间和右区间 //begin1左区间起始位置end1左区间终止位置 int begin1 left, end1 mid; //begin2右区间起始位置end2右区间终止位置 int begin2 mid 1, end2 right; //存放在tmp数组中的起始位置 int i left; //进行合并数组 while (begin1end1 begin2end2) { if (a[begin1]a[begin2]) { tmp[i] a[begin1]; begin1; } else { tmp[i] a[begin2]; begin2; } } //左数组 [begin1,end1] 有剩余元素 while (begin1 end1) { tmp[i] a[begin1]; begin1; } //右数组 [begin2,end2] 有剩余元素, while (begin2 end2) { tmp[i] a[begin2]; begin2; } //将tmp数组的元素拷贝回a数组中 memcpy(aleft, tmpleft , sizeof(int) * (right - left 1)); } //数组a待排序数组 // n数组中元素个数 void MergeSort(int* a, int n) { //通过创建临时数组 int * tmp (int* )malloc(sizeof(int) * n); if (tmp NULL) { perror(malloc fail\n); return; } //进行归并排序 _MergeSort(a, tmp, 0, n - 1); //释放临时数组 free(tmp); }3.1疑难点分析疑难点 为什么不是int i 0 既然我们在合并一个新的小段为什么不从tmp的第 0 个位置开始存呢答简单来说我们在临时数组tmp中用于存放排序结果的起始位置必须与当前正在处理的原始数组a的起始位置left保持一致。核心原因tmp是全局共用的大数组在归并排序的经典实现中tmp数组通常是在最外层一次性开辟的大小和原数组一致。它不是每次递归都新建的小数组而是全局共用的大数组。场景模拟假设数组是 [10, 6, 7, 1, 3, 9, 4, 2]长度为 8。1.第一次合并左半部分处理下标 0 到 3 的元素 [10, 6, 7, 1]时①left 0②int i left;③此时i0将数据写入tmp[0]到tmp[3]这是正确的。2.第二次合并右半部分处理下标 4 到 7 的元素 [3, 9, 4, 2]时①left 4②right 7③如果我们错误地设置 int i 0我们会把右半边排序好的数据写到 tmp[0], tmp[1], tmp[2], tmp[3]这会覆盖掉左半边刚刚排好序、存放在 tmp[0...3] 的数据如果我们设置 int i left此时 i 4 我们会把数据写到 tmp[4], tmp[5], tmp[6], tmp[7]。这避免了数据覆盖并且正是它们在原数组中应该待的位置。3. 为最后的memcpy铺路 (代码的简洁性)请看函数最后那句拷贝代码memcpy(a left, tmp left, sizeof(int) * (right - left 1));a left: 指向原数组中当前段的起始位置。tmp left: 指向临时数组中当前段的起始位置。正是因为最开始写了int i left;这样数据被乖乖地写在了tmp数组的[left ... right]范围内。所以在最后拷贝回去的时候我们才能直接用tmp left找到这段数据和a left完美对应让拷贝操作简洁而高效。4. 总结left: 告诉我们当前任务是从原数组的哪里开始的。i left: 确保我们在临时数组里操作时位置下标和原数组保持一致。这样设计的好处是逻辑非常清晰tmp[k]永远对应a[k]的原始内存地址不会出现错位。四.归并排序的复杂度4.1时间复杂度纵向树高每次对半切分直到子数组大小为 1则其复杂度为log₂n。以待排数组有n个元素为例层级 (Level) 数据规模 (Size) 节点数量 (Nodes) ------------------------------------------------------------------------------------- 第 0 层: [ n ] 1 个 (初始状态) / \ 第 1 层: [ n/2 ] [ n/2 ] 2 个 (切分1次) / \ / \ 第 2 层: [ n/4 ] [ n/4 ] [ n/4 ] [ n/4 ] 4 个 (切分2次) / \ / \ / \ / \ ... ... ... ... ... ... 第 m 层: [1] [1] [1] [1] ... ... [1] [1] [1] [1] n 个 (终止状态)横向每层工作量每一层都需要将所有元素进行一次合并操作需要遍历一遍整个数组则其复杂度为O(n)。以待排元素有n个为例第 1 层合并两个n/2的数组遍历 n 次。 第 2 层合并四个n/4的数组遍历 n 次 ... 第 n 层: 合并一个n的数组总共还是遍历n次 每一层的工作量 O(n)故而总的时间复杂度为O(n * logn)4.2 空间复杂度1. 辅助数组空间主导因素需开辟临时辅助数组通常命名为 tmp 用于暂存合并后的有序元素避免直接修改原数组导致数据混乱。必须开辟与原数组大小相等的临时空间空间复杂度为 On这是归并排序空间开销的核心来源2. 递归栈空间归并排序基于分治法通过递归调用将数组不断拆分为子数组递归过程中需使用栈存储函数调用栈帧递归树高度为log₂n 所以需要O(log n)的空间远小于辅助数组的 On通常可忽略其对整体空间复杂度的影响。故而空间复杂度为O(n)既然看到这里了不妨关注点赞收藏感谢大家若有问题请指正。