前言
在數據排序的算法中，不同數據規模應當使用合適的排序算法才能達到最好的效果，如小規模的數據排序，可以使用冒泡排序、插入排序，選擇排序，他們的時間復雜度都為O（n2），大規模的數據排序就可以使用歸並排序和快速排序，時間復雜度為O（nlogn）。今天我們就來看一下歸並排序和快速排序。
正文
歸並排序的原理
核心思想（分治思想）：
排序數組，將數組從中間分成前后兩部分，對前后兩部分分別排序，然后合在一起，這個數組就是有序的。
歸並排序的性能分析
1.歸並排序是一個穩定的排序算法：在合並的過程中，如果A[p...q]和A[q+1...r]之間中有相同的元素，先把A[p...q]中的元素放入tmp數組。這樣就保證了值相同的元素，在合並前后的先后順序不變。
2.歸並排序的時間復雜度是O（nlogn）：在解決遞歸問題時，我們得出一個結論：遞歸問題可以寫成遞推公式，遞歸代碼的時間復雜度也可以寫成遞推公式
我們假設對n個元素進行歸並排序需要的時間是T（n），那分解成兩個子數組排序的時間都是T(n/2)，套用結論可以得到歸並排序的時間復雜度的計算公式就是：
T(1) = C； n=1 時，只需要常量級的執行時間，所以表示為 C。 T(n) = 2*T(n/2) + n； n>1
再次將這個公式分解:
T(n) = 2*T(n/2) + n = 2*(2*T(n/4) + n/2) + n = 4*T(n/4) + 2*n = 4*(2*T(n/8) + n/4) + 2*n = 8*T(n/8) + 3*n = 8*(2*T(n/16) + n/8) + 3*n = 16*T(n/16) + 4*n ...... = 2^k * T(n/2^k) + k * n ......
我們可以得到T(n)=2^kT(n/2^k)+kn.當T(n/2^k)=T(1)時，也就是n/2^k=1,我們將得到k=log2n，問你將k帶入公式得到
T(n)=Cn+nlog2n
用大O標記法來表示為T(n) 就等於 O(nlogn)
而且時間復雜度是非常穩定的：最好情況，最壞情況，還是平均情況，時間復雜度都是O（nlogn）
3、歸並排序的空間復雜度為O（n）
歸並排序的致命缺點：歸並排序不是原地排序算法（在合並兩個有序數組時，需要借助額外的存儲空間）
遞歸代碼的空間復雜度並不能像時間復雜度那樣累加、盡管每次合並操作都需要申請額外的內存空間，但在合並完成之后、臨時開辟的內存空間就被釋放掉了、臨時內存空間最大也不會超過 n 個數據的大小
快速排序的原理
如果要排序數組中下標從p到r之間的一組數據，我們選擇p到r之間的任意一個數據作為pivot（分區點），遍歷數據，見小於pivot的放在右邊，大於pivot放在左邊。這樣數組就分成了三部分，用遞歸排序下標從 p 到 q-1 之間的數據和下標從 q+1.到r之間的數據，直到區間縮小為1，說明數據都有序
快速排序的時間復雜度為O（1）：在排序過程中，假如遇到需要移動數據的，我們可以之間用交換的思想
（圖片來源於網絡，侵刪）
空間復雜度為O（1）
快速排序和歸並排序的區別？
看圖：
（圖片來源於網絡，侵刪）
處理過程的差異：
遞歸排序：先處理子問題再合並
快速排序：先分區，再處理子問題
歸並排序雖然穩定，是時間復雜度為O（nlogn）的排序算法，但是它不是原地排序算法，合並過程中需要額外的空間。
快速排序的性能分析
遞歸代碼的時間復雜度，如果每次分區操作，都能正好將數組分為兩個大小相等的兩個小區間，那快速排序的遞推公式和遞推排序是相同的，所以，快排的時間復雜度為O（nlogn）
但是，每次都分得那么均勻是非常難實現的。
T（n）在大部分情況下的時間復雜度都可以做到O（nlogn），只有在極端情況下才會退化為O（n2）.
后記
遞歸和快排都是分治的思想，代碼都通過遞歸來實現，過程非常相似。歸並排序時間復雜度都非常穩定為O（nlogn），但是每次合並的時候都需要額外的空間，空間復雜度非常高為是O(n)，快速排序算法雖然最壞時間復雜度為O（n2），但是平均時間復雜度為O（nlogn），最壞的情況我們也可以避免。
相關文章
數據結構與算法學習筆記之如何分析一個排序算法？
以上內容為個人的學習筆記，僅作為學習交流之用。
歡迎大家關注公眾號，不定時干貨，只做有價值的輸出