Algorithm 为什么是奇偶分裂'；更快'；什么样的？

MergeSort是一种分而治之的算法，它将输入分成几个部分，并递归地求解这些部分

…拆分功能有几种方法。一种方法是从中间分开。这种方法有一些很好的特性，但是，我们将重点介绍一种速度稍快的方法：偶数-奇数分割。其思想是将每个偶数位置元素放在一个列表中，将每个奇数位置元素放在另一个列表中

这是直接从我的课堂讲稿。为什么奇偶分裂比阵列中间的快

我推测这与将列表传递到MergeSort并具有已经排序的质量有关，但我不能完全确定

有人能解释一下吗

编辑：我尝试在Python中运行以下内容

global K
K = []
for i in range (1, 100000):
    K.append(i)


def testMergeSort():
"""
testMergeSort shows the proper functionality for the
Merge Sort Algorithm implemented above.
"""

t = Timer("mergeSort([K])", "from __main__ import *")
print(t.timeit(1000000))

p = Timer("mergeSort2([K])", "from __main__ import *")
print(p.timeit(1000000))

（MergeSort是偶数-奇数MergeSort，MergeSort2从中间向下划分）

结果是：

0.771506746608

0.843161219237

---

我可以看出，它可能会更好，因为将它与替代元素分开意味着你不必知道输入要从多长时间开始——你只需将元素放入交替列表中，直到用完为止

此外，如果考虑到更好的并行处理，您还可以在完成第一个列表的迭代之前开始拆分结果列表

---

我应该补充一点，我不是这些方面的专家，它们只是我想到的东西…

输入列表越接近已排序的内容，运行时越低（这是因为

合并

过程不必移动

任何值，如果所有内容都已按正确顺序排列；它只执行O（n）比较。由于MergeSort递归地在拆分的每一半上调用自己，因此需要选择一个
split
函数，该函数增加列表结果的一半按排序顺序排列的可能性。如果列表大部分是排序的，则偶数-奇数拆分比中间拆分更有效。例如

MergeSort([2, 1, 4, 3, 5, 7])

会导致

Merge(MergeSort([2, 1, 4]), MergeSort([3, 5, 7]))

如果我们从中间拆分（注意，两个子列表都有排序错误），而如果我们进行偶数-奇数拆分，我们将得到

Merge(MergeSort([2, 4, 5]), MergeSort([1, 3, 7]))

这将导致两个已排序的列表（以及后续调用
MergeSort
的最佳情况性能）。但是，在不了解任何输入列表的情况下，拆分函数的选择不应渐进地影响运行时。
我怀疑您的实验中存在噪音。：）其中一些可能来自比较和交换，而不是实际移动列表中的任何元素，以避免缓存失效等

不管怎样，这里有一个关于这个的聊天：（是的，我确实在那里发布了一个类似的答案（完全公开））

维基百科的相关文章指出，合并排序是O（n log（n）），而奇偶合并排序是O（n log（n）^2）。奇偶当然“较慢”，但排序网络是静态的，因此您总是知道要执行的操作，并且（查看维基百科条目中的图形）注意到算法如何保持并行直到结束

当合并排序最终将2个列表合并在一起时，奇偶合并排序的8元素排序网络的最后比较仍然是独立的
 我正在试图弄清楚，将已排序的子列表重新合并在一起时的优势是什么。。。这可能和算法的并行性有关吗？在合并两个排序的列表时询问是否意味着对列表进行一次迭代，所以在我看来是O（n）。不确定合并是否可以轻松并行。至于拆分，我不知道为什么分配两个子列表、迭代列表、将值移动到备用列表中、检查列表末尾是否比“shr 1”更快。如果这是你的课堂讲稿，为什么不直接问你的讲师？@不确定你讲稿中的引用在任何地方都没有说“数组”。你确定你不是在处理链表吗？链表的优点很明显？换句话说，偶数/奇数拆分可以在线执行，也可以离线执行。