分治法 (Divide and Conquer)

很多有用的算法结构上是递归的，为了解决一个特定问题，算法一次或者多次递归调用其自身以解决若干子问题。
这些算法典型地遵循分治法的思想：将原问题分解为几个规模较小但是类似于原问题的子问题，递归求解这些子问题，
然后再合并这些问题的解来建立原问题的解。

分治法在每层递归时有三个步骤：

• 分解原问题为若干子问题，这些子问题是原问题的规模最小的实例
• 解决这些子问题，递归地求解这些子问题。当子问题的规模足够小，就可以直接求解
• 合并这些子问题的解成原问题的解

归并排序

现在我们就来看下归并排序是是如何利用分治法解决问题的。

• 分解：将待排序的 n 个元素分成各包含 n/2 个元素的子序列
• 解决：使用归并排序递归排序两个子序列
• 合并：合并两个已经排序的子序列以产生已排序的答案

考虑我们排序这个数组：[10,23,51,18,4,31,13,5] ，我们递归地将数组进行分解

当数组被完全分隔成只有单个元素的数组时，我们需要把它们合并回去，每次两两合并成一个有序的序列。

用递归代码来描述这个问题：

def merge_sort(seq):if len(seq) <= 1:   # 只有一个元素是递归出口return seqelse:mid = int(len(seq)/2)left_half = merge_sort(seq[:mid])right_half = merge_sort(seq[mid:])# 合并两个有序的数组new_seq = merge_sorted_list(left_half, right_half)return new_seq

注意我们这里有一个函数没实现，就是如何合并两个有序数组 merge_sorted_list。其实你在纸上画一画，
合并两个有序数组并不难实现。

def merge_sorted_list(sorted_a, sorted_b):""" 合并两个有序序列，返回一个新的有序序列:param sorted_a::param sorted_b:"""length_a, length_b = len(sorted_a), len(sorted_b)a = b = 0new_sorted_seq = list()while a < length_a and b < length_b:if sorted_a[a] < sorted_b[b]:new_sorted_seq.append(sorted_a[a])a += 1else:new_sorted_seq.append(sorted_b[b])b += 1# 最后别忘记把多余的都放到有序数组里if a < length_a:new_sorted_seq.extend(sorted_a[a:])else:new_sorted_seq.extend(sorted_b[b:])return new_sorted_seq

这样就实现了归并排序，并且你会发现它返回一个新的数组而不是修改原有数组。

时间复杂度

我们来简单看下它归并排序的时间复杂度，假设排序 n 个数字时间复杂度是 T(n)，这里为了方便假设 n 是 2 的幂

\begin{align}
T(n)= \begin{cases} c, & \text {if $n$ = 1} \ 2T(n/2)+cn, & \text{if $n$ > 1} \end{cases}
\end{align}

总的代价是 $cnlg(n)+cn$ ，忽略常数项可以认为是 O(nlg(n))。如果这个图看不懂，我们自己求解下也不难，首先我们简化一下，
把常数系数当成 1，得到以下递归式：

\begin{align}
T(n)= \begin{cases} 1, & \text {if $n$ = 1} \ 2T(n/2)+n, & \text{if $n$ > 1} \end{cases}
\end{align}

思考题

• 请你完成归并排序的单元测试
• 这里实现的归并排序是 inplace 的吗？
• 归并排序是稳定的吗？稳定指的是排序前后相同大小的数字依然保持相对顺序。

延伸阅读

• 《算法导论》第 2 章和第 4 章，你需要了解下『主定理』，以及如何求解形如 $T(n)=aT(n/b)+f(n)$ 的递归式复杂度
• 了解算法导论上递归式的三种求解方法：代入法，递归树法，主方法