归并排序是建立在归并操作上的一种有效的排序算法，该算法是采用了分治思想的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列间有序。如果将两个有序表合并成一个有序表，称为二路归并。

3.5.1、需求

• 排序前：{8, 4, 5, 7, 1, 3, 6, 2}
• 排序后：{1, 2, 3, 4, 5, 6, 7, 8}

  3.5.2、排序原理

• 尽可能的将一组数据拆分成两个元素相等的子组，并对每个子组继续进行拆分，知道拆分后的每个子组的元素个数是1为止
• 将相邻的两个子组进行合并成一个有序的大组
• 不断的重复步骤2，知道最终只有一个组为止

3.5.3、API设计

3.5.4、代码实现

算法类：

package cn.test.algorithm.sort;

public class Merge {
    private static Comparable[] assist;

    /**
     * 对数组元素进行排序
     *
     * @param a
     */
    public static void sort(Comparable[] a) {
        //初始化辅助数组
        assist = new Comparable[a.length];
        //定义一个lo变量，和hi变量，分别记录数组中最小的索引和最大的索引
        int lo = 0;
        int hi = a.length - 1;
        //调用sort重载方法完成数组a中，从索引lo到索引hi的元素进行排序
        sort(a, lo, hi);
    }

    //对lo到hi的元素进行排序
    private static void sort(Comparable[] a, int lo, int hi) {
        //安全性校验
        if (hi <= lo) {
            return;
        }

        //对lo到hi的数据进行分组
        int mid = lo + (hi - lo) / 2;//mid作为中间值，分割数组

        //分组后对每组数据进行排序
        sort(a, lo, mid);
        sort(a, mid + 1, hi);

        //排序后对数据进行归并
        merge(a, lo, mid, hi);
    }

    //合并数组并排序
    private static void merge(Comparable[] a, int lo, int mid, int hi) {
        //这里需要三个指针
        int i = lo;//辅助数组的开始位置指针
        int p1 = lo;//左边数组的开始位置指针
        int p2 = mid + 1;//右边数组的开始位置指针

        //对左右数组的数据进行比较，并插入到辅助数组中
        while (p1 <= mid && p2 <= hi) {
            if (greater(a[p1], a[p2])) {
                assist[i++] = a[p2++];
            } else {
                assist[i++] = a[p1++];
            }
        }

        //需要判断左边数组是否都移动完了
        while (p1 <= mid) {
            assist[i++] = a[p1++];
        }

        //需要判断右边数组是否都移动完了
        if (p2 <= hi) {
            assist[i++] = a[p2++];
        }

        //需要将辅助数组的数据复制到原数组中
        for (int index = lo; index <= hi; index++) {
            a[index] = assist[index];
        }

    }

    /**
     * 比较v元素是否大于w元素
     *
     * @return
     */
    private static boolean greater(Comparable v, Comparable w) {
        return v.compareTo(w) > 0;
    }

    /**
     * 交换i和j处的元素值
     *
     * @param a
     * @param i
     * @param j
     */
    private static void exch(Comparable[] a, int i, int j) {
        Comparable temp;
        temp = a[i];
        a[i] = a[j];
        a[j] = temp;
    }
}

测试类：

package cn.test.algorithm.test;

import cn.test.algorithm.sort.Merge;

import java.util.Arrays;

public class MergeTest {
    public static void main(String[] args) {
        Integer[] arr = {8, 4, 5, 7, 1, 3, 6, 2};
        Merge.sort(arr);

        System.out.println(Arrays.toString(arr));
    }
}

测试结果：

[1, 2, 3, 4, 5, 6, 7, 8]

3.5.5、时间复杂度分析

归并排序是分治思想的最典型的例子，上面的算法中，对a[lo….hi]进行排序，现将它分为a[lo…mid]和[mid+1…hi]两个部分，分别通过递归调用的方式对它们单独进行排序，最后将有序的子数组归并为最终的排序结果。该递归的出口在于如果一个数组不能再被分为两个子数组，那么就会执行merge进行归并，在归并的时候判断元素的大小进行排序。

如果一个数组有8个元素，那么它将每次除以2找到最小的子数组，共拆分log8，值为3，所以树共有三层，那么自顶向下第k层有2^k个子数组，每个数组的长度为2^(3-k)，归并最多需要2^(3-k)次比较，因此每层需要比较次数为2^k*2^(3-k)=2^3，那么3层中共需要3*2^3;

假设元素的个数为n个，那么使用归并拆分次数为log(n)，所以共log(n)层，那么使用log(n)替换上面的3*2^3这个层数，最终时间复杂度为：log(n)*2^(log(n))=log(n)*n，所以最终的复杂度为O(nlog(n));

归并排序的缺点：需要申请额外的空间，导致空间复杂度提升，最典型的就是以空间换时间操作。