如何使用合并排序算法进行就地排序?


244

我知道这个问题不太具体。

我想要的是有人告诉我如何将普通合并排序转换为就地合并排序(或具有恒定额外空间开销的合并排序)。

我只能在网上找到说“它太复杂”或“超出本文范围”的页面。

唯一已知的就地合并(没有任何额外空间)的方法太复杂,无法简化为实际程序。(从这里拍摄)

即使太复杂,如何进行合并排序的基本概念是什么?


好问题,当我阅读昨天的一个问题时,我问自己:stackoverflow.com/questions/2566459/…–
克里斯·勒彻

有一个非常简单的方法如下所述:xinok.wordpress.com/2014/08/17/...
布兰科Dimitrijevic

Answers:


140

克努斯(Knuth)将此作为练习(第3卷,第5.2.5节)。确实存在就地合并排序。必须认真执行它们。

首先,如描述幼稚就地合并在这里是不是正确的解决方案。它将性能降级为O(N 2

想法是对数组的一部分进行排序,同时将其余部分用作合并的工作区域。

例如下面的合并功能。

void wmerge(Key* xs, int i, int m, int j, int n, int w) {
    while (i < m && j < n)
        swap(xs, w++, xs[i] < xs[j] ? i++ : j++);
    while (i < m)
        swap(xs, w++, i++);
    while (j < n)
        swap(xs, w++, j++);
}  

它采用数组xs,两个排序的子数组分别表示为range [i, m)[j, n)。工作区从开始w。与大多数教科书中给出的标准合并算法相比,这一算法在排序后的子数组和工作区域之间交换内容。结果,前一个工作区包含合并的排序元素,而存储在工作区中的前一个元素被移动到两个子数组。

但是,必须满足两个约束:

  1. 工作区域应在数组的范围内。换句话说,它应该足够大以容纳交换的元素而不会引起任何出界错误。
  2. 工作区域可以与两个排序的数组之一重叠;但是,它必须确保所有未合并的元素都不会被覆盖。

定义了这种合并算法后,就很容易想到一个解决方案,该解决方案可以对数组的一半进行排序。下一个问题是,如何处理工作区中存储的其余未分类零件,如下所示:

... unsorted 1/2 array ... | ... sorted 1/2 array ...

一个直观的想法是对工作区域的另一半进行递归排序,因此只有1/4的元素尚未排序。

... unsorted 1/4 array ... | sorted 1/4 array B | sorted 1/2 array A ...

此阶段的关键点是我们迟早必须将排序后的1/4元素B与排序后的1/2元素A合并。

是否剩下仅容纳1/4个元素的工作区域,该区域足够大以合并A和B?不幸的是,事实并非如此。

但是,上面提到的第二个约束条件给了我们一个提示,如果我们可以确保合并顺序确保未合并的元素不会被覆盖,则可以通过将工作区域安排为与任一子数组重叠来利用它。

实际上,我们可以对前半部分进行排序,而不是对工作区域的后半部分进行排序,然后将工作区域放在两个排序后的数组之间,如下所示:

... sorted 1/4 array B | unsorted work area | ... sorted 1/2 array A ...

这种设置有效地安排了工作区域与子阵列A的重叠。这种想法在[Jyrki Katajainen,Tomi Pasanen,Jukka Teuhola中提出。``实际就地合并排序''。北欧计算杂志,1996]。

因此,剩下的唯一事情就是重复上述步骤,从而将工作区域从1 / 2、1 / 4、1 / 8减小到……。当工作区域变得足够小时(例如,仅剩两个元素),我们可以切换到平凡的插入排序以结束此算法。

这是基于本文的ANSI C实现。

void imsort(Key* xs, int l, int u);

void swap(Key* xs, int i, int j) {
    Key tmp = xs[i]; xs[i] = xs[j]; xs[j] = tmp;
}

/* 
 * sort xs[l, u), and put result to working area w. 
 * constraint, len(w) == u - l
 */
void wsort(Key* xs, int l, int u, int w) {
    int m;
    if (u - l > 1) {
        m = l + (u - l) / 2;
        imsort(xs, l, m);
        imsort(xs, m, u);
        wmerge(xs, l, m, m, u, w);
    }
    else
        while (l < u)
            swap(xs, l++, w++);
}

void imsort(Key* xs, int l, int u) {
    int m, n, w;
    if (u - l > 1) {
        m = l + (u - l) / 2;
        w = l + u - m;
        wsort(xs, l, m, w); /* the last half contains sorted elements */
        while (w - l > 2) {
            n = w;
            w = l + (n - l + 1) / 2;
            wsort(xs, w, n, l);  /* the first half of the previous working area contains sorted elements */
            wmerge(xs, l, l + n - w, n, u, w);
        }
        for (n = w; n > l; --n) /*switch to insertion sort*/
            for (m = n; m < u && xs[m] < xs[m-1]; ++m)
                swap(xs, m, m - 1);
    }
}

wmerge先前定义的位置。

完整的源代码可以在这里找到,详细的说明可以在这里找到

顺便说一句,该版本不是最快的合并排序,因为它需要更多的交换操作。根据我的测试,它比标准版本要快,后者在每次递归中都会分配额外的空间。但这比优化版本要慢,后者要预先将原始数组加倍并将其用于进一步合并。


6
Knuth left this as an exercise (Vol 3, 5.2.5).指前。13. [40] 实现建议的内部排序方法(在本节结尾),该方法将以 O(N)个时间单位对随机数据进行排序,仅对 O(sqrt(N))个附加存储位置进行排序?(40表示相当困难或冗长的问题,可能适合在课堂中作为学期项目。
greybeard

4
我认为在penguin.ew站点中提到的就地算法的时间复杂度为O(log n * n ^ 2),因为我们有log n个合并,每个合并的顺序都是O(n ^ 2)。是不是?
code4fun

1
该算法是否仍稳定且在n log n时间内?
保罗·史蒂安

1
@PaulStelian-不稳定。根据对排序区域中元素的排序操作重新排列工作区域中的元素。这意味着具有相等值的工作区域元素将被重新排列,因此它们不再按其原始顺序排列。
rcgldr

1
@PaulStelian-Wiki上有一篇有关块合并排序的文章,正如您所评论的那样,它是稳定的。如果存在至少2个sqrt(n)唯一值,则效果最佳,这将使它们可以重新排序以提供阵列的工作区域并保持稳定。
rcgldr

59

包括其“大结果”,本文描述了就地合并排序(PDF)的几个变体:

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.22.5514&rep=rep1&type=pdf

更少的移动就地排序

Jyrki Katajainen,Tomi A.Pasanen

结果表明,可以使用O(1)个额外空间对n个元素的数组进行排序,将O(n log n / log log n)个元素移动,并进行n log 2 n + O(n log log n)个比较。这是第一种在最坏的情况下需要o(n log n)个移动同时保证O(n log n)比较的就地排序算法,但是由于所涉及的常数因素,该算法主要具有理论价值。

我认为这也很重要。我有它的打印输出,被一位同事传给我,但我还没有看过。它似乎涵盖了基础理论,但是我对这个话题不够熟悉,无法全面判断:

http://comjnl.oxfordjournals.org/cgi/content/abstract/38/8/681

最佳稳定合并

安东尼奥·西蒙尼斯

本文说明如何稳定地合并两个大小分别为m和n,m≤n的序列A和B,并分配O(m + n),比较O(mlog(n / m + 1))和仅使用常数额外的空间量。此结果匹配所有已知的下限...


12

这确实不是容易或高效的,我建议您除非确实需要,否则不要这样做(并且除非您是家庭作业,否则您可能不必这样做,因为就地合并的应用大部分是理论上的)。您不能使用quicksort吗?无论如何,Quicksort都会通过一些更简单的优化而更快,并且其额外的内存为O(log N)

无论如何,如果必须这样做,那么就必须这样做。这是我发现的:。我不熟悉就地合并排序,但是似乎基本的想法是使用旋转方便地合并两个数组,而无需使用额外的内存。

请注意,这比没有适当位置的经典合并排序要慢。


9
Quicksort不稳定。这对于许多生产代码确实很重要。
Donal Fellows 2010年

7
快速排序可以是稳定的,并且IIRC归并排序不一定,如果在地方稳定
JK。

4
@jk:Quicksort不稳定;它的速度是从中得出的,您不应该尝试以其他方式声称。这是一个很好的权衡。是的,可以将原始索引与其余键相关联,这样您就永远不会使两个元素相同,从而获得稳定的排序。这要付出一些额外空间的必要成本(元素数量呈线性),因为否则您将无法保持“等效”元素的相对顺序,而无需诉诸破坏性能的额外元素移动。
Donal Fellows 2010年

4
快速排序也有一个为O(n ^ 2),用于特制输入最坏的情况
HoboBen

4
@DonalFellows:jk完全正确;快速排序可以实现稳定,而不会增加空间成本。检查维基百科。
2012年

10

关键步骤是使合并本身就位。这并不像那些消息来源所讲的那么困难,但是当您尝试尝试时会失去一些东西。

查看合并的一个步骤:

[...列表排序 ... | x ...列表-A ... | y ...列表-B ...]

我们知道排序后的序列小于所有其他内容,x小于A中的所有其他内容,并且y小于B中的其他所有内容。在x小于或等于y的情况下,只需将指针移动到A的开头就可以了。在y小于x的情况下,您必须将y洗牌超过整个A进行排序。最后一步使价格昂贵(在退化的情况下除外)。

通常便宜一些(特别是当数组每个元素实际上只包含一个单词,例如,指向字符串或结构的指针时),以节省一些时间,并有一个单独的临时数组,您可以在它们之间来回排序。


5
就地合并具有O(m n)最坏情况的复杂度,其中m为A大小,n为B大小。当A中的第一项大于B中的最后一项时,就是这种情况。复杂度可以提高为O(k log(k)+ m + n),其中k = min(m,n)通过添加a A和B之间的堆。此堆应包含A中的项目,这些项目大于B中的其余项目,但小于A中的其余项目。如果首先用尽了A,则必须将堆移到B的末尾。否则,必须将堆移至A的开头。然后,必须就位弹出堆项,然后将其反转以完成合并。
valyala 2012年

2
@valyala请注意,使用堆时,排序不再稳定。另外,如果使用堆,则可以使用堆排序,而不是合并排序。
martinkunev 2014年


4

C语言中无缓冲合并排序的一个示例。

#define SWAP(type, a, b) \
    do { type t=(a);(a)=(b);(b)=t; } while (0)

static void reverse_(int* a, int* b)
{
    for ( --b; a < b; a++, b-- )
       SWAP(int, *a, *b);
}
static int* rotate_(int* a, int* b, int* c)
/* swap the sequence [a,b) with [b,c). */
{
    if (a != b && b != c)
     {
       reverse_(a, b);
       reverse_(b, c);
       reverse_(a, c);
     }
    return a + (c - b);
}

static int* lower_bound_(int* a, int* b, const int key)
/* find first element not less than @p key in sorted sequence or end of
 * sequence (@p b) if not found. */
{
    int i;
    for ( i = b-a; i != 0; i /= 2 )
     {
       int* mid = a + i/2;
       if (*mid < key)
          a = mid + 1, i--;
     }
    return a;
}
static int* upper_bound_(int* a, int* b, const int key)
/* find first element greater than @p key in sorted sequence or end of
 * sequence (@p b) if not found. */
{
    int i;
    for ( i = b-a; i != 0; i /= 2 )
     {
       int* mid = a + i/2;
       if (*mid <= key)
          a = mid + 1, i--;
     }
    return a;
}

static void ip_merge_(int* a, int* b, int* c)
/* inplace merge. */
{
    int n1 = b - a;
    int n2 = c - b;

    if (n1 == 0 || n2 == 0)
       return;
    if (n1 == 1 && n2 == 1)
     {
       if (*b < *a)
          SWAP(int, *a, *b);
     }
    else
     {
       int* p, * q;

       if (n1 <= n2)
          p = upper_bound_(a, b, *(q = b+n2/2));
       else
          q = lower_bound_(b, c, *(p = a+n1/2));
       b = rotate_(p, b, q);

       ip_merge_(a, p, b);
       ip_merge_(b, q, c);
     }
}

void mergesort(int* v, int n)
{
    if (n > 1)
     {
       int h = n/2;
       mergesort(v, h); mergesort(v+h, n-h);
       ip_merge_(v, v+h, v+n);
     }
}

自适应合并排序的示例(已优化)。

添加支持代码和修改,以在任何大小的辅助缓冲区可用时加速合并(无需额外的内存即可工作)。使用向前和向后合并,环旋转,小序列合并和排序以及迭代合并排序。

#include <stdlib.h>
#include <string.h>

static int* copy_(const int* a, const int* b, int* out)
{
    int count = b - a;
    if (a != out)
       memcpy(out, a, count*sizeof(int));
    return out + count;
}
static int* copy_backward_(const int* a, const int* b, int* out)
{
    int count = b - a;
    if (b != out)
       memmove(out - count, a, count*sizeof(int));
    return out - count;
}

static int* merge_(const int* a1, const int* b1, const int* a2,
  const int* b2, int* out)
{
    while ( a1 != b1 && a2 != b2 )
       *out++ = (*a1 <= *a2) ? *a1++ : *a2++;
    return copy_(a2, b2, copy_(a1, b1, out));
}
static int* merge_backward_(const int* a1, const int* b1,
  const int* a2, const int* b2, int* out)
{
    while ( a1 != b1 && a2 != b2 )
       *--out = (*(b1-1) > *(b2-1)) ? *--b1 : *--b2;
    return copy_backward_(a1, b1, copy_backward_(a2, b2, out));
}

static unsigned int gcd_(unsigned int m, unsigned int n)
{
    while ( n != 0 )
     {
       unsigned int t = m % n;
       m = n;
       n = t;
     }
    return m;
}
static void rotate_inner_(const int length, const int stride,
  int* first, int* last)
{
    int* p, * next = first, x = *first;
    while ( 1 )
     {
       p = next;
       if ((next += stride) >= last)
          next -= length;
       if (next == first)
          break;
       *p = *next;
     }
    *p = x;
}
static int* rotate_(int* a, int* b, int* c)
/* swap the sequence [a,b) with [b,c). */
{
    if (a != b && b != c)
     {
       int n1 = c - a;
       int n2 = b - a;

       int* i = a;
       int* j = a + gcd_(n1, n2);

       for ( ; i != j; i++ )
          rotate_inner_(n1, n2, i, c);
     }
    return a + (c - b);
}

static void ip_merge_small_(int* a, int* b, int* c)
/* inplace merge.
 * @note faster for small sequences. */
{
    while ( a != b && b != c )
       if (*a <= *b)
          a++;
       else
        {
          int* p = b+1;
          while ( p != c && *p < *a )
             p++;
          rotate_(a, b, p);
          b = p;
        }
}
static void ip_merge_(int* a, int* b, int* c, int* t, const int ts)
/* inplace merge.
 * @note works with or without additional memory. */
{
    int n1 = b - a;
    int n2 = c - b;

    if (n1 <= n2 && n1 <= ts)
     {
       merge_(t, copy_(a, b, t), b, c, a);
     }
    else if (n2 <= ts)
     {
       merge_backward_(a, b, t, copy_(b, c, t), c);
     }
    /* merge without buffer. */
    else if (n1 + n2 < 48)
     {
       ip_merge_small_(a, b, c);
     }
    else
     {
       int* p, * q;

       if (n1 <= n2)
          p = upper_bound_(a, b, *(q = b+n2/2));
       else
          q = lower_bound_(b, c, *(p = a+n1/2));
       b = rotate_(p, b, q);

       ip_merge_(a, p, b, t, ts);
       ip_merge_(b, q, c, t, ts);
     }
}
static void ip_merge_chunk_(const int cs, int* a, int* b, int* t,
  const int ts)
{
    int* p = a + cs*2;
    for ( ; p <= b; a = p, p += cs*2 )
       ip_merge_(a, a+cs, p, t, ts);
    if (a+cs < b)
       ip_merge_(a, a+cs, b, t, ts);
}

static void smallsort_(int* a, int* b)
/* insertion sort.
 * @note any stable sort with low setup cost will do. */
{
    int* p, * q;
    for ( p = a+1; p < b; p++ )
     {
       int x = *p;
       for ( q = p; a < q && x < *(q-1); q-- )
          *q = *(q-1);
       *q = x;
     }
}
static void smallsort_chunk_(const int cs, int* a, int* b)
{
    int* p = a + cs;
    for ( ; p <= b; a = p, p += cs )
       smallsort_(a, p);
    smallsort_(a, b);
}

static void mergesort_lower_(int* v, int n, int* t, const int ts)
{
    int cs = 16;
    smallsort_chunk_(cs, v, v+n);
    for ( ; cs < n; cs *= 2 )
       ip_merge_chunk_(cs, v, v+n, t, ts);
}

static void* get_buffer_(int size, int* final)
{
    void* p = NULL;
    while ( size != 0 && (p = malloc(size)) == NULL )
       size /= 2;
    *final = size;
    return p;
}
void mergesort(int* v, int n)
{
    /* @note buffer size may be in the range [0,(n+1)/2]. */
    int request = (n+1)/2 * sizeof(int);
    int actual;
    int* t = (int*) get_buffer_(request, &actual);

    /* @note allocation failure okay. */
    int tsize = actual / sizeof(int);
    mergesort_lower_(v, n, t, tsize);
    free(t);
}

2
你写这个吗?如何克服其他答案中表达的困难?它的运行时间是多少?
Thomas Ahle 2014年

这是从我自己的自定义库改编而成的,但是如果您要的是我,则没有创建这些算法。没有辅助内存的增长为O(n(log n)^ 2);O(n log n)具有完整缓冲区。这试图成为一个实际的实现,并构造为显示组成算法。
约翰尼·凯奇

为什么需要递归或额外的缓冲区来合并两个排序的列表?我认为可以通过向前移动两个指针并交换(如果左大于右)来完成。
杰克

3

这个答案有一个代码示例,该示例实现了黄冰超和Michael A. Langston 在论文《实用就地合并》中描述的算法。我不得不承认我不了解细节,但是合并步骤的给定复杂度为O(n)。

从实践的角度来看,有证据表明,在现场场景中,纯就地实现的效果不佳。例如,C ++标准定义了std :: inplace_merge,顾名思义就是就地合并操作。

假设C ++库通常进行了很好的优化,那么有趣的是如何实现它:

1)libstdc ++(GCC代码库的一部分):std :: inplace_merge

该实现委托给__inplace_merge,它通过尝试分配一个临时缓冲区来避免该问题:

typedef _Temporary_buffer<_BidirectionalIterator, _ValueType> _TmpBuf;
_TmpBuf __buf(__first, __len1 + __len2);

if (__buf.begin() == 0)
  std::__merge_without_buffer
    (__first, __middle, __last, __len1, __len2, __comp);
else
  std::__merge_adaptive
   (__first, __middle, __last, __len1, __len2, __buf.begin(),
     _DistanceType(__buf.size()), __comp);

否则,它将退回到实现(__merge_without_buffer),该实现不需要额外的内存,但不再需要O(n)的时间运行。

2)libc ++(部分Clang代码库):std :: inplace_merge

看起来很像。它委托给一个函数,该函数还尝试分配缓冲区。根据是否有足够的元素,它将选择实现。常量内存后备函数称为__buffered_inplace_merge

甚至后备时间仍然是O(n)时间,但要点是,如果有临时内存可用,它们将不使用实现。


请注意,C ++标准通过将所需的复杂度从O(n)降低到O(N log N),明确地为实现提供了选择此方法的自由:

复杂度: 如果有足够的额外内存可用,则为N-1个比较。如果内存不足,则进行O(N log N)比较。

当然,这不能作为不应该使用O(n)时间的恒定空间就地合并的证明。另一方面,如果速度更快,则优化的C ++库可能会切换到该类型的实现。


2

这是我的C版本:

void mergesort(int *a, int len) {
  int temp, listsize, xsize;

  for (listsize = 1; listsize <= len; listsize*=2) {
    for (int i = 0, j = listsize; (j+listsize) <= len; i += (listsize*2), j += (listsize*2)) {
      merge(& a[i], listsize, listsize);
    }
  }

  listsize /= 2;

  xsize = len % listsize;
  if (xsize > 1)
    mergesort(& a[len-xsize], xsize);

  merge(a, listsize, xsize);
}

void merge(int *a, int sizei, int sizej) {
  int temp;
  int ii = 0;
  int ji = sizei;
  int flength = sizei+sizej;

  for (int f = 0; f < (flength-1); f++) {
    if (sizei == 0 || sizej == 0)
      break;

    if (a[ii] < a[ji]) {
      ii++;
      sizei--;
    }
    else {
      temp = a[ji];

      for (int z = (ji-1); z >= ii; z--)
        a[z+1] = a[z];  
      ii++;

      a[f] = temp;

      ji++;
      sizej--;
    }
  }
}

请注意,在最坏的情况下(反向阵列),此实现需要Θ(n ^ 2 log n)时间。
martinkunev 2014年

1

使用Kronrod的原始技术有一个相对简单的就地合并排序实现,但是实现起来比较简单。可以在以下位置找到说明此技术的图形示例:http : //www.logiccoder.com/TheSortProblem/BestMergeInfo.htm

也有链接指向同一作者的更详细的理论分析,与此链接相关。


此链接导致403
夏洛特·谭

3
链接是固定的。那里的文档有些晦涩难懂。我得到的印象是那里有一个有趣的主意,但是没有提出算法,只是提供了一组图表和一些较弱的描述。我无法以一种有趣的方式将弱描述与图表联系起来,所以我放弃了。
Ira Baxter

-6

我只是使用插入排序算法尝试了JAVA中用于合并排序的就地合并算法,使用以下步骤。
1)有两个排序的数组。
2)比较每个数组的第一个值;并将最小值放入第一个数组中。
3)通过使用插入排序(从左到右遍历)将较大的值放入第二个数组。
4)然后再次比较第一个数组的第二个值和第二个数组的第一个值,并执行相同的操作。但是,当发生交换时,有一些线索可以跳过对其他项目的比较,而只是交换是必需的。

我在这里做了一些优化。在插入排序中保留较少的比较。
我发现此解决方案的唯一缺点是,它需要在第二个数组中交换更大的数组元素。

例如)

First___Array:3,7,8,9

第二数组:1,2,4,5

然后,7、8、9使第二个数组每次交换(向左移动)所有元素一次,以使自己位于最后一个数组中。

因此,与两个项目的比较相比,此处交换项目的假设可以忽略不计。

https://github.com/skanagavelu/algorithams/blob/master/src/sorting/MergeSort.java

package sorting;

import java.util.Arrays;

public class MergeSort {
    public static void main(String[] args) {
    int[] array = { 5, 6, 10, 3, 9, 2, 12, 1, 8, 7 };
    mergeSort(array, 0, array.length -1);
    System.out.println(Arrays.toString(array));

    int[] array1 = {4, 7, 2};
    System.out.println(Arrays.toString(array1));
    mergeSort(array1, 0, array1.length -1);
    System.out.println(Arrays.toString(array1));
    System.out.println("\n\n");

    int[] array2 = {4, 7, 9};
    System.out.println(Arrays.toString(array2));
    mergeSort(array2, 0, array2.length -1);
    System.out.println(Arrays.toString(array2));
    System.out.println("\n\n");

    int[] array3 = {4, 7, 5};
    System.out.println(Arrays.toString(array3));
    mergeSort(array3, 0, array3.length -1);
    System.out.println(Arrays.toString(array3));
    System.out.println("\n\n");

    int[] array4 = {7, 4, 2};
    System.out.println(Arrays.toString(array4));
    mergeSort(array4, 0, array4.length -1);
    System.out.println(Arrays.toString(array4));
    System.out.println("\n\n");

    int[] array5 = {7, 4, 9};
    System.out.println(Arrays.toString(array5));
    mergeSort(array5, 0, array5.length -1);
    System.out.println(Arrays.toString(array5));
    System.out.println("\n\n");

    int[] array6 = {7, 4, 5};
    System.out.println(Arrays.toString(array6));
    mergeSort(array6, 0, array6.length -1);
    System.out.println(Arrays.toString(array6));
    System.out.println("\n\n");

    //Handling array of size two
    int[] array7 = {7, 4};
    System.out.println(Arrays.toString(array7));
    mergeSort(array7, 0, array7.length -1);
    System.out.println(Arrays.toString(array7));
    System.out.println("\n\n");

    int input1[] = {1};
    int input2[] = {4,2};
    int input3[] = {6,2,9};
    int input4[] = {6,-1,10,4,11,14,19,12,18};
    System.out.println(Arrays.toString(input1));
    mergeSort(input1, 0, input1.length-1);
    System.out.println(Arrays.toString(input1));
    System.out.println("\n\n");

    System.out.println(Arrays.toString(input2));
    mergeSort(input2, 0, input2.length-1);
    System.out.println(Arrays.toString(input2));
    System.out.println("\n\n");

    System.out.println(Arrays.toString(input3));
    mergeSort(input3, 0, input3.length-1);
    System.out.println(Arrays.toString(input3));
    System.out.println("\n\n");

    System.out.println(Arrays.toString(input4));
    mergeSort(input4, 0, input4.length-1);
    System.out.println(Arrays.toString(input4));
    System.out.println("\n\n");
}

private static void mergeSort(int[] array, int p, int r) {
    //Both below mid finding is fine.
    int mid = (r - p)/2 + p;
    int mid1 = (r + p)/2;
    if(mid != mid1) {
        System.out.println(" Mid is mismatching:" + mid + "/" + mid1+ "  for p:"+p+"  r:"+r);
    }

    if(p < r) {
        mergeSort(array, p, mid);
        mergeSort(array, mid+1, r);
//      merge(array, p, mid, r);
        inPlaceMerge(array, p, mid, r);
        }
    }

//Regular merge
private static void merge(int[] array, int p, int mid, int r) {
    int lengthOfLeftArray = mid - p + 1; // This is important to add +1.
    int lengthOfRightArray = r - mid;

    int[] left = new int[lengthOfLeftArray];
    int[] right = new int[lengthOfRightArray];

    for(int i = p, j = 0; i <= mid; ){
        left[j++] = array[i++];
    }

    for(int i = mid + 1, j = 0; i <= r; ){
        right[j++] = array[i++];
    }

    int i = 0, j = 0;
    for(; i < left.length && j < right.length; ) {
        if(left[i] < right[j]){
            array[p++] = left[i++];
        } else {
            array[p++] = right[j++];
        }
    }
    while(j < right.length){
        array[p++] = right[j++];
    } 
    while(i < left.length){
        array[p++] = left[i++];
    }
}

//InPlaceMerge no extra array
private static void inPlaceMerge(int[] array, int p, int mid, int r) {
    int secondArrayStart = mid+1;
    int prevPlaced = mid+1;
    int q = mid+1;
    while(p < mid+1 && q <= r){
        boolean swapped = false;
        if(array[p] > array[q]) {
            swap(array, p, q);
            swapped = true;
        }   
        if(q != secondArrayStart && array[p] > array[secondArrayStart]) {
            swap(array, p, secondArrayStart);
            swapped = true;
        }
        //Check swapped value is in right place of second sorted array
        if(swapped && secondArrayStart+1 <= r && array[secondArrayStart+1] < array[secondArrayStart]) {
            prevPlaced = placeInOrder(array, secondArrayStart, prevPlaced);
        }
        p++;
        if(q < r) {     //q+1 <= r) {
            q++;
        }
    }
}

private static int placeInOrder(int[] array, int secondArrayStart, int prevPlaced) {
    int i = secondArrayStart;
    for(; i < array.length; i++) {
        //Simply swap till the prevPlaced position
        if(secondArrayStart < prevPlaced) {
            swap(array, secondArrayStart, secondArrayStart+1);
            secondArrayStart++;
            continue;
        }
        if(array[i] < array[secondArrayStart]) {
            swap(array, i, secondArrayStart);
            secondArrayStart++;
        } else if(i != secondArrayStart && array[i] > array[secondArrayStart]){
            break;
        }
    }
    return secondArrayStart;
}

private static void swap(int[] array, int m, int n){
    int temp = array[m];
    array[m] = array[n];
    array[n] = temp;
}
}

3
它既是O(n ^ 2),也是高度不可读的(由于偶然的语法错误和样式不一致/不良)
glaba
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.