欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

深入探究TimSort对归并排序算法的优化及Java实现

程序员文章站 2024-03-11 10:19:07
简介 mergesort对已经反向排好序的输入时复杂度为o(n^2),而timsort就是针对这种情况,对mergesort进行优化而产生的,平均复杂度为n*o(log...

简介
mergesort对已经反向排好序的输入时复杂度为o(n^2),而timsort就是针对这种情况,对mergesort进行优化而产生的,平均复杂度为n*o(log n),最好的情况为o(n),最坏情况n*o(log n)。并且timsort是一种稳定性排序。思想是先对待排序列进行分区,然后再对分区进行合并,看起来和mergesort步骤一样,但是其中有一些针对反向和大规模数据的优化处理。

归并排序的优化思想
归并排序有以下几点优化方法:

和快速排序一样,对于小数组可以使用插入排序或者选择排序,避免递归调用。
在merge()调用之前,可以判断一下a[mid]是否小于等于a[mid+1]。如果是的话那么就不用归并了,数组已经是有序的。原因很简单,既然两个子数组已经有序了,那么a[mid]是第一个子数组的最大值,a[mid+1]是第二个子数组的最小值。当a[mid]<=a[mid+1]时,数组整体有序。
为了节省将元素复制到辅助数组作用的时间,可以在递归调用的每个层次交换原始数组与辅助数组的角色。
在merge()方法中的归并过程需要判断i和j是否已经越界,即某半边已经用尽。可以用另一种方式,去掉检测是否某半边已经用尽的代码。具体步骤是将数组a[]的后半部分以降序的方式复制到aux[],然后从两端归并。对于数组{1,2,3}和{2,3,5},第一个子数组照常复制,第二个则从后往前复制,最终aux[]中的元素为{1,2,3,5,3,2}。这种方法的缺点是使得归并排序变为不稳定排序。代码实现如下:

void merge(int[] a, int lo, int mid, int hi, int[] aux) {
for (int k = lo; k <= mid; k++) {
  aux[k] = a[k];
}
for (int k = mid + 1;k <= hi; k++) {
  aux[k] = a[hi - k + mid + 1];
}
int i = lo, j = hi;   //从两端往中间
for (int k = lo; k <= hi; k++)
  if (aux[i] <= aux[j]) a[k] = aux[i++];
  else a[k] = aux[j--];
}

timsort的步骤

分区

分区的思想是扫描一次数组,把连续正序列(如果是升序排序,那么正序列就是升序序列),或者【严格】(保证排序算法的稳定性)的反序列做为一个分区(run),如果是反序列,把分区里的元素反转一下。 例如
1,2,3,6,4,5,8,6,4 划分分区结果为
[1,2,3,6],[4,5,8],[6,4]
然后反转反序列
[1,2,3,6],[4,5,8],[4,6]

合并

考虑一个极端的例子,比如分区的长度分别为 10000,10,1000,10,10,我们当然希望是先让10个10合并成20, 20和1000合并成1020如此下去, 如果从从左往右顺序合并的话,每次都用到10000这个数组和去小的数组合并,代价太大了。所以我们可以用一个策略来优化合并的顺序。

实例

以java中的comparabletimsort.sort()为例子, 用了一个run stack来确定是否应该合并,

    if (nremaining < min_merge) {
      int initrunlen = countrunandmakeascending(a, lo, hi);
      binarysort(a, lo, hi, lo + initrunlen);
      return;
    }


小于min_merge(32)的排序,分区后直接用二分插入排序

int minrun = minrunlength(nremaining);
    do {
      //找出下一个分区的起始位置,同时也对反向序列做了翻转处理
      int runlen = countrunandmakeascending(a, lo, hi);

      //保证run stack中的run的都大于minrun ,如果当前分区太小,就从后面取出元素补足
      if (runlen < minrun) {
        int force = nremaining <= minrun ? nremaining : minrun;
        binarysort(a, lo, lo + force, lo + runlen);
        runlen = force;
      }

      //把run放入 run stack中
      ts.pushrun(lo, runlen);
      //判断是否应该合并,i是从栈顶开始的,知道不能合并为止
      //1. runlen[i - 3] > runlen[i - 2] + runlen[i - 1] 
      //2. runlen[i - 2] > runlen[i - 1]
      ts.mergecollapse();


      lo += runlen;
      nremaining -= runlen;
    } while (nremaining != 0);

    // merge all remaining runs to complete sort
    assert lo == hi;
    //合并剩下的run
    ts.mergeforcecollapse();
    assert ts.stacksize == 1;


在看里面的一个比较重要的函数

/**
* 如果后2个run的长度加起来比前面一个长,则使用中间位置的run和前后长度更短的run一个合并
* 如果后2个run的长度加起来比前面一个短,则把后面2个run合并
*/
 private void mergecollapse() {
    while (stacksize > 1) {
      int n = stacksize - 2;
      if (n > 0 && runlen[n-1] <= runlen[n] + runlen[n+1]) {
        if (runlen[n - 1] < runlen[n + 1])
          n--;
        mergeat(n);
      } else if (runlen[n] <= runlen[n + 1]) {
        mergeat(n);
      } else {
        break; // invariant is established
      }
    }
  }