归并排序的空间复杂度

归并排序的时间复杂度任何情况下都是 O(nlogn)，看起来非常优秀。（待会儿你会发现，即便是快速排序，最坏情况下，时间复杂度也是 O(n^2)。）但是，归并排序并没有像快排那样，应用广泛，这是为什么呢？因为它有一个致命的“弱点”，那就是归并排序不是原地排序算法。

这是因为归并排序的合并函数，在合并两个有序数组为一个有序数组时，需要借助额外的存储空间。这一点你应该很容易理解。那我现在问你，归并排序的空间复杂度到底是多少呢？是 O(n)，还是 O(nlogn)，应该如何分析呢？

如果我们继续按照分析递归时间复杂度的方法，通过递推公式来求解，那整个归并过程需要的空间复杂度就是 O(nlogn)。不过，类似分析时间复杂度那样来分析空间复杂度，这个思路对吗？

实际上，递归代码的空间复杂度并不能像时间复杂度那样累加。刚刚我们忘记了最重要的一点，那就是，尽管每次合并操作都需要申请额外的内存空间，但在合并完成之后，临时开辟的内存空间就被释放掉了。在任意时刻，CPU 只会有一个函数在执行，也就只会有一个临时的内存空间在使用。临时内存空间最大也不会超过 n 个数据的大小，所以空间复杂度是 O(n)。

思考

• 如果数组元素个数n,归并排序过程需要多少个临时数组呢?

2+4+8+....+n/2=?

• 归并排序的空间复杂度为何不能累加?
• 归并排序为何需要临时数组?

合并的时候暂存元素,为何不能原位排序,因为需要的临时数组不止一个

• 归并排序的排序是在拆分还是在合并时进行的?

总结

• 归并排序的空间复杂度是O(n)
• 归并排序应用不如快排广泛,因为需要更多的内存空间
• 递归代码的空间复杂度并不能像时间复杂度那样累加
• 归并排序的排序是在每一次合并时进行的,也就是说每个临时数组最终都是有序的

参考

归并排序的时间复杂度_鸭梨的博客-CSDN博客

归并排序图解_鸭梨的博客-CSDN博客