简介
通常来说，一个算法问题可以有多种解答思路和具体实现，以这样一个问题为例：给定两个数组 int[] nums1 和 int[] nums2 并且我们知道 nums1 和 nums2 都已经排好了序（升序），我们还知道 nums1 有 m 个元素，nums2 有 n 个元素，并且 nums1 的数组长度是 m+n 从而足以存储 nums2 中的所有元素，试实现一个算法，它能将 nums2 并入 nums1，使得算法执行完成后 nums1 数组包含所有原来在 nums1 和 nums2 的元素并且这些元素是呈升序排列的．例如对于输入：
nums1 = [1, 6, 7, 10, 11, 0, 0, 0, 0]
nums2 = [2, 8, 9, 12]
m = 5
n = 4
我们实现的算法执行完毕后 nums1 应当变为
nums1 = [1, 2, 6, 7, 8, 9, 10, 11, 12]
我们希望程序在运行过程中能够尽量地不额外分配存储空间，即，尽可能地只在 nums1 和 nums2 所指向的存储空间内进行操作（也叫原地修改，in place）．
插入法
题目给出的某些提示或者限制其实也很有可能会对我们造成误导，并且影响我们的正常发挥．拿这题为例，我们看到 nums1 的长度是 n+m，我们就会首先想通过原地修改(in place)来实现，插入法(Insertion)主要就是找到合适的位置，把占用位置的元素往右挪一步，然后把要插入的元素放入数组某个位置，这也是很容易想出的一个方法，我们来看一下这个算法具体是怎么样的吧．
首先，对于 nums2 中的每个元素 nums[j]，设当前我们为 nums1 维护的指针为 i，而 j 是我们为 nums2 维护的指针，我们比较 nums2[j] 和 nums1[i]，如果 nums2[j] 小于等于 nums1[i]，那就插入，否则 i 自增 1，主要的思想就是，对于 nums1 中的每个元素 nums1[i]，我们都企图在 nums2 中找到所有比它小的 nums2[j] 插入在它前方．
插入法的思想非常直接，同时，效率也非常低：nums2 有 n 个元素，也就是说这个插入操作总共要执行 n 次，而 nums1 是数组，执行一块固定长度的内存空间，每当插入一个元素时，例如说在下标 i 的位置插入，那么 nums[i]，nums[i+1]，……，nums[m-1]都得同时往右边”挪动“一步，才能把当前下标 i 的位置”腾挪“出来给要插入的元素 nums[j]，单次插入的时间复杂度是$O(m)$，总共插入$n$次，总的时间复杂度是$O(m \times n)$，即，平均来说，程序的运行时间基本上正比于$n$和$m$的乘积．如果 nums1 和 nums2 都是大约有$1000$个元素的数组，为了完全插入 nums2 到 nums1 中，这样的”挪动“操作将要进行上百万次．
当然了，因为是原地修改的，没有分配额外存储空间，所有的操作都是在 nums1 和 nums2 已有的存储空间上进行，所以额外需要的空间复杂度应该是$O(1)$，是常数级别的．加上原来程序已经为 nums1 和 nums2 分配好的空间，总的空间复杂度应该是$O(m+n)$.
以C#语言为例，实现如下：
public static void ShiftRight(int[] nums, int startIndex) {
if (nums.Length == 1 || nums.Length == 0 || startIndex == nums.Length-1) {
return;
}
for (var i = nums.Length-2; i >= startIndex; i--) {
nums[i+1] = nums[i];
}
}
public static void InsertAt(int[] nums, int startIndex, int x) {
Utilities.ShiftRight(nums, startIndex);
nums[startIndex] = x;
}
public static void MergeByInsert(int[] nums1, int m, int[] nums2, int n)
{
if (nums1.Length == 0 || nums2.Length == 0) {
return;
}
if (nums1.Length != m+n || nums2.Length != n) {
Console.WriteLine("Incorrect parameters: ");
Console.WriteLine($"nums1.Length: {nums1.Length}, m: {m}, nums2.Length: {nums2.Length}, n: {n}");
return;
}
int i = 0;
int j = 0;
int k = m;
while (i <= k-1 && j <= n-1) {
if (nums2[j] <= nums1[i]) {
Utilities.InsertAt(nums1, i, nums2[j]);
j = j + 1;
k = k + 1;
}
i = i + 1;
}
while (k <= nums1.Length-1) {
nums1[k] = nums2[j];
k = k + 1;
j = j + 1;
}
}
注意由于是C#语言所以我们省去了一些繁琐的部分只保留了主要逻辑，以下是运行结果：
运行截图：插入法
后面会看到这个实现（或者说这种算法）是比较慢的．
选择比较法
不妨先暂时忘掉”原地修改“的这个限制，我们考虑一种更加直观的方法，事实将会证明：这种方法也更快．类比于我们在纸上手工计算两个有序数组的合并，每一次，我们可以从两个数组中选出一个最小的，然后把那个最小的记下来，并在原数组上划掉，这样最终我们会得到一个数组，这个数组同时包含原来两个数组的所有元素并且也是升序的．伪代码如下：
int[] nums3 = new int[m+n]
int j = 0
int k = 0
for (var i = 0; i < m+n; i++) {
if nums1[j] <= nums2[k] {
nums3.push(nums1[j])
j = j + 1
}
else {
nums3.push(nums2[k])
k = k + 1
}
i = i + 1
}
为了看似满足题目的要求——不返还任何值，我们最终将 nums3 也就是这个新创建的临时数组的值复制到 nums1 即可，下面是较为完整的C#实现：
public static void MergeByCompareV1(int[] nums1, int m, int[] nums2, int n) {
if (nums1.Length == 0 || nums2.Length == 0) {
return;
}
if (nums1.Length != m+n || nums2.Length != n) {
Console.WriteLine("Incorrect parameters: ");
Console.WriteLine($"nums1.Length: {nums1.Length}, m: {m}, nums2.Length: {nums2.Length}, n: {n}");
return;
}
int[] nums3 = new int[m+n];
int i = 0;
int j = 0;
int k = 0;
while (i <= m-1 && j <= n-1) {
if (nums1[i] <= nums2[j]) {
nums3[k] = nums1[i];
i = i + 1;
}
else {
nums3[k] = nums2[j];
j = j + 1;
}
k = k + 1;
}
while (j <= n-1) {
nums3[k] = nums2[j];
j = j + 1;
k = k + 1;
}
while (i <= m-1) {
nums3[k] = nums1[i];
i = i + 1;
k = k + 1;
}
int l = 0;
while (l <= m+n-1) {
nums1[l] = nums3[l];
l = l + 1;
}
}
其中第一段 while 是比较和选择，第二段和第三段 while 将只有一段被真正执行——是为了将之前没有被选中的元素追加到 nums3 中，而最后一段 while 是将 nums3 复制到 nums2．
运行截图：选择比较法（１）
可以看到，这个版本的实现的提交结果显示运行时为304毫秒，相比之前的376毫秒有明显进步。对了，这个算法的时间复杂度是$O(m+n)$，是线性的，比较次数仅取决于两个数组各自元素个数的最小值，剩下的就是元素的直接复制，而总的空间复杂度是$O(m+n)$，包括在运行时我们额外分配的$O(m+n)$．
我们并不推荐这种做法，因为C#的数组对象是动态分配的，不是在栈上分配的，因为显然我们为 nums3 指定的长度 m+n 是动态的，所以显然不可能在提前在栈上划拨出确定大小的空间给 nums3，只能是在运行时从堆上分配．而堆上分配的时间开销显然更大．
选择比较法的改进
前面我们实际上违背了题目的限制：只能原地修改 nums1 和 nums2 而不能创建新数组，并且这种做法也给给我们的程序的运行时增加了时间开销（从堆中寻找内存分配给 nums3）和空间开销（分配给 nums3 的内存），所以现在我们希望可以又不用创建新的数组，又可以使用选择比较法．
我们知道，nums1 有 m 个元素，nums2 有 n 个元素，并且 nums1 的数组长度是 m+n，多出来 n 个位置是为了能够容纳 nums2，为了保护程序运行过程中 nums1 的元素不被覆写，我们只需将 nums1 的元素往右移到尽头就可以了：
挪动 nums1 中的元素
将 nums1 的所有元素一次性往右边移动 n 步（是为了移到尾端）的时间复杂度是$O(m)$：
for (var i = 0; i < m; i++) {
nums1[n+m-1-i] = nums1[n+m-1-i-n];
}
移动之后，就可以像之前的选择比较法那样进行操作了，只不过这时 nums1 的第一个元素的下标变成了 n，并且 min(nums[i], nums[j]) 不需要再向 nums3 写入，而是可以直接向 nums1 写入，这样并不会影响到 nums1 已有的元素，因为它们都已经被提前移到尾端了：
public static void MergeByCompareV2(int[] nums1, int m, int[] nums2, int n) {
if (nums1.Length == 0 || nums2.Length == 0) {
return;
}
if (nums1.Length != m+n || nums2.Length != n) {
Console.WriteLine("Incorrect parameters: ");
Console.WriteLine($"nums1.Length: {nums1.Length}, m: {m}, nums2.Length: {nums2.Length}, n: {n}");
return;
}
for (var i = 0; i < m; i++) {
nums1[n+m-1-i] = nums1[n+m-1-i-n];
}
int j = 0;
int k = n;
int l = 0;
while (m !=0 && n != 0) {
if (nums1[k] <= nums2[l]) {
nums1[j] = nums1[k];
k = k + 1;
m = m - 1;
}
else {
nums1[j] = nums2[l];
l = l + 1;
n = n - 1;
}
j = j + 1;
}
while (m != 0) {
nums1[j] = nums1[k];
k = k + 1;
j = j + 1;
m = m - 1;
}
while (n != 0) {
nums1[j] = nums2[l];
l = l + 1;
j = j + 1;
n = n - 1;
}
}
第一段 for 循环是移动 nums1 中的所有元素到尾端，而第一段 while 循环所做的是比较和选择，把较小的元素写入到 nums1 中，而最后两段 while 循环将只有其中一段被执行，是为了把未被选上的元素追加到 nums1 中．运行结果：
运行结果：选择比较法（２）
相比未改进版本304毫秒这次进步了64毫秒，还是有些明显的．总的时间复杂度和空间复杂度与前面的一致．
连接排序法
最后一种方法较为简单，首先将 nums2 的元素追加到 nums1 的元素的尾端，然后调用C#运行时自动加载的排序方法排序：
public static void MergeByConcatAndSort(int[] nums1, int m, int[] nums2, int n) {
int j = 0;
for (var i = m; i < m+n; i++) {
nums1[i] = nums2[j];
j = j + 1;
}
Array.Sort(nums1);
}
运行效果并不是最快的：
运行结果：连接排序法
但相比插入法和未经过改进的选择比较法都更快．这种方法事实上也是可行的，因为语言标准库/运行时提供的排序方法的实现都是很高效的．假如说用的是快速排序方法作为实现，那么总的时间复杂度将会是$O(n\times \mathop{log}n)$，其中假设$n \geq m$，而空间复杂度是$O(n+m)$．可以认为$O(n \times \mathop{log}n)$是比$O(m+n)$慢的，假设$m$和$n$都大约同为$1000$，那么$n\mathop{log}n \approx n \mathop{log} 1000 \approx 3 n$，而 $m+n \leq 2n, n \geq m$．
总结
我们先后介绍了三种方法用于解决两个有序数组的合并问题，分别是插入法，选择比较法，和连接排序法，插入法的时间复杂度是$O(nm)$近似为$O(n^2)$（假设$n$大于或等于$m$），而选择比较法的时间复杂度是$O(m+n)$可以看做是$O(n)$（假设$n$大于或等于$m$），连接排序法的时间复杂度是$O(n \mathop{log}n)$，一般来说，我们认为
$$ O(n^2) \geq O(n \mathop{log}n) \geq O(n) $$
所以选择比较法是最快的．
我们发现，针对简单的问题，在好奇心的激发下进行思考，也能找出多样化的解决方案．