QuickSort快速排序的多种实现和优化
并不是很懂wikipedia上面说快排的空间复杂度最坏情况是O（NlogN）啊，难道不是空间复杂度平均O（logN），最坏O（N）么……原地快排难道不是只要算递归栈深度就好了么……有谁给我解释一下啊（评论区orz）。
快排的核心思想我感觉就是选一个pivot，然后将待排序数列通过与pivot比较分为两个部分A和B（A部分的数均小于或等于pivot，B部分均大于或等于pivot），这样划分好的数列中的数就处于A <= pivot <= B的状态，接着对划分好的两个部分A和B分别递归调用快排函数，最后一定能出现划分好的部分中只剩下一个元素或没有元素的情况，而对于只有一个元素的数列或空列，我们认为它已经是有序的，这样就把数列排好了。
所以在快排中怎样对数组进行划分是关键，不同版本的快速排序大体结构都差不多，不同之处就在于划分函数的不同，这里就暂时称它为Partition函数吧，下面首先介绍四种不同的实现，再介绍它们的优化。
第一个版本
其实快排一开始不是我们现在看到的这样的，一开始Hoare发明的版本在《算法导论》这本书的思考题7-1上有提及。这个版本相当于是以开头元素为pivot，然后两个index分别从头和尾开始遍历，暂时把这两个index变量称为i和j吧，i从头开始，j从尾开始，其过程如下：
第一步——j往前遍历，遇到小于或等于pivot的数就停止
第二步——i往后遍历，遇到大于或等于pivot的数就停止
第三步——比较i和j大小，j > i则交换i和j位置上的数并在此基础上继续第一步，否则函数返回j
函数返回后，经过Partition函数的调用，数组中下标为j之前（包括j）的元素都小于或等于pivot，j之后的元素都大于或等于pivot，然后对这两部分进行快速排序。
例子：
代码如下：
int Hoare_Partition(int A[ ], int begin, int end){
int pivot = A[begin];
;;
;
){
do{
j--;
}while(A[j] > pivot);
do{
i++;
}while(A[i] < pivot);
if(j > i){
Swap(A, i, j);
}
else{
return j;
}
}
}
void Quick_Sort_1(int A[ ], int begin, int end){
int pivot_position;
if(begin >= end)
return;
pivot_position = Hoare_Partition(A, begin, end);
Quick_Sort_1(A, begin, pivot_position);
Quick_Sort_1(A, pivot_position + , end);
}
第二个版本
这个版本是对Hoare原版本的一个改进，Hoare原版本中Partition函数调用结束后pivot会存在于划分好的两个部分中的某一个中，因此第二个版本对此进行了改进，同样选取第一个元素作为pivot，如果数列的下标从begin开始，end结束的话，那么用Hoare的处理思想去处理从begin + 1到end部分的数列（Hoare的版本是处理从begin到end部分的数列的），这样处理完成后下标为begin + 1到j的数都是小于或等于pivot的，而下标为j + 1到end的数都是大于或等于pivot的，最后再将pivot和下标为j的数进行交换并返回j，这样一来下标为j之前（不包括j）的数均小于或等于pivot，下标为j之后的数均大于或等于pivot，pivot也就不在两个划分好的部分中，而独立存在了，因此只要对两个部分继续快排就好了，而不需要再将pivot包括进去。
例子：
代码如下：
int New_Partition_1(int A[ ], int begin, int end){
int pivot = A[begin];
int i = begin;
;
){
do{
j--;
}while(A[j] > pivot);
do{
i++;
}while(A[i] < pivot);
if(j > i){
Swap(A, i, j);
}
else{
A[begin] = A[j];
A[j] = pivot;
return j;
}
}
}
void Quick_Sort_2(int A[ ], int begin, int end){
int pivot_position;
if(begin >= end)
return;
pivot_position = New_Partition_1(A, begin, end);
Quick_Sort_2(A, begin, pivot_position - );
Quick_Sort_2(A, pivot_position + , end);
}
第三个版本
这个版本是现在比较常见的版本之一，将pivot所在位置挖成一个坑，i从begin + 1开始，j从end开始，然后：
第一步——j往前遍历，找到小于或等于pivot的数
如果此时j > i，将下标为j的数填入现在的坑中，并在下标为j的位置产生一个新坑，进行第二步
否则就将pivot填入现在的坑中，并返回j
第二步——i往后遍历，找到大于或等于pivot的数
如果此时j > i，将下标为i的数填入现在的坑中，并在下标为i的位置产生一个新坑，进行第一步
否则就将pivot填入现在的坑中，并返回i
例子：
代码如下：
int New_Partition_2(int A[ ], int begin, int end){
int pivot = A[begin];
int i = begin;
;
){
do{
j--;
}while(A[j] > pivot);
if(j > i){
A[i] = A[j];
}
else{
A[i] = pivot;
return i;
}
do{
i++;
}while(A[i] < pivot&&i < j);
if(j > i){
A[j] = A[i];
}
else{
A[j] = pivot;
return j;
}
}
}
void Quick_Sort_3(int A[ ], int begin, int end){
int pivot_position;
if(begin >= end)
return;
pivot_position = New_Partition_2(A, begin, end);
Quick_Sort_3(A, begin, pivot_position - );
Quick_Sort_3(A, pivot_position + , end);
}
第四个版本
这个版本也很常见，就是把最后一个数作为pivot，i一开始等于begin，用j从begin开始往end - 1遍历，找到小于或等于pivot的数，与i所在位置的数交换，并将i++，最后将pivot和下标为i的数交换，返回i。
例子：
代码如下：
int New_Partition_3(int A[ ], int begin, int end){
int pivot = A[end];
int i, j = begin;
for(i = begin; i < end; i++){
if(A[i] <= pivot){
Swap(A, i, j);
j++;
}
}
A[end] = A[j];
A[j] = pivot;
return j;
}
void Quick_Sort_4(int A[ ], int begin, int end){
int pivot_position;
if(begin >= end)
return;
pivot_position = New_Partition_3(A, begin, end);
Quick_Sort_4(A, begin, pivot_position - );
Quick_Sort_4(A, pivot_position + , end);
}
通过三数取中来优化快排
这种优化就是每次选择pivot时，选择首元素，尾元素，和中点处元素中第二大的元素来作为pivot，这样就可以尽量避免快排中最坏情况的出现（这样能尽可能让两个划分大小均匀，毕竟是选取大小较为中间的数作为pivot，减少选取到的pivot是极大值或极小值的概率），同时也可以避免某些partition函数的版本（如第三个版本）中出现数组访问越界的情况（因为选取的pivot尽可能是中间值，不会出现一次遍历结束全都大于或全都小于pivot的情况，遍历也就可以停住而不会继续下去导致越界访问），代码如下：
int Choose_Pivot(int A[], int begin, int end){
;
if((A[pivot_position] >= A[end]&&A[pivot_position] >= A[begin])){
if(A[begin] >= A[end]){
pivot_position = begin;
}
else{
pivot_position = end;
}
}
else if((A[pivot_position] <= A[end]&&A[pivot_position] <= A[begin])){
if(A[begin] >= A[end]){
pivot_position = end;
}
else{
pivot_position = begin;
}
}
return pivot_position;
}
int Optimal_Partition_1(int A[], int begin, int end){
int pivot_position = Choose_Pivot(A, begin, end), pivot;
int i = begin, j;
Swap(A, pivot_position, end);
pivot = A[end];
for(j = begin; j < end; j++){
if(A[j] <= pivot){
Swap(A, i, j);
i++;
}
}
A[end] = A[i];
A[i] = pivot;
return i;
}
void Quick_Sort_5(int A[], int begin, int end){
int pivot_position;
while(begin < end){
pivot_position = Optimal_Partition_1(A, begin, end);
if(end - pivot_position >= pivot_position - begin){
Quick_Sort_5(A, begin, pivot_position - );
begin = pivot_position + ;
}
else{
Quick_Sort_5(A, pivot_position + , end);
end = pivot_position - ;
}
}
}
通过优先排序较小划分来优化快排
快排是通过递归实现的，而在快排函数中会递归调用两次，第二次调用是尾递归，我们知道尾递归都是可以转换为循环来进行优化的。函数调用是很浪费时间的，并且递归又很占用内存空间，所以可以优先递归调用快排去排序较小的划分子列，这样可以节约空间，然后通过循环来实现原先对较大的划分子列进行快排的尾递归，节约时间和空间，上面通过三数取中法来优化快排的函数中就采用了这一方法。（实际上很多聪明的编译器都会自动优化这一点）
通过随机数来优化快排
因为pivot如果选取的不恰当就很可能出现最坏情况，所以可以生成随机数来决定选取数组中某个位置的数作为pivot，这样就会减小选到极大的或极小的pivot的情况的概率，从而使划分尽可能均匀。想一想，假设一个数列包含以下的数{1, 2, 3, 4, 5, 6, 7, 8},这个数列中{3, 4, 5, 6}这几个数都至少大于或小于数列中25%的数，选择它们为pivot的话就可以让划分变得更加均匀（相比较选择{1, 2, 7, 8}而言），每次都选择{3, 4, 5, 6}的话，在O（Nlog4N）即O（2NlogN）时间就可以完成排序，而选取随机数有50%的概率选中{3, 4, 5, 6}中的数，也就是最多需要O（4NlogN）时间即可完成排序，这个结果是远远比最坏情况O（N^2）要好的，当然注意用rand函数要加括号，代码如下：
int Optimal_Partition_2(int A[], int begin, int end){
) + begin);
int pivot;
int i = begin, j;
pivot = A[pivot_position];
Swap(A, pivot_position, end);
for(j = begin; j < end; j++){
if(A[j] <= pivot){
Swap(A, i, j);
i++;
}
}
A[end] = A[i];
A[i] = pivot;
return i;
}
void Quick_Sort_6(int A[], int begin, int end){
int pivot_position;
while(begin < end){
pivot_position = Optimal_Partition_2(A, begin, end);
if(end - pivot_position >= pivot_position - begin){
Quick_Sort_5(A, begin, pivot_position - );
begin = pivot_position + ;
}
else{
Quick_Sort_5(A, pivot_position + , end);
end = pivot_position - ;
}
}
}
用插入排序来优化快排
快排在小规模数组方面的表现不如插入排序和堆排序好，而且一般递归到规模较小的数组时，数组已经处于一种较为有序，或者说局部有序的状态，这时用插入排序可以节省时间，代码如下：
void Insert_Sort(int A[], int begin, int end){
int i, j, tmp;
for(i = begin; i <= end; i++){
tmp = A[i];
; j >= begin; j--){
if(tmp > A[j]){
break;
}
else{
A[j + ] = A[j];
}
}
A[j + ] = tmp;
}
}
int Optimal_Partition_2(int A[], int begin, int end){
) + begin);
int pivot;
int i = begin, j;
pivot = A[pivot_position];
Swop(A, pivot_position, end);
for(j = begin; j < end; j++){
if(A[j] <= pivot){
Swap(A, i, j);
i++;
}
}
A[end] = A[i];
A[i] = pivot;
return i;
}
void Quick_Sort_7(int A[], int begin, int end){
int pivot_position;
while(begin < end){
){
Insert_Sort(A, begin, end);
return;
}
pivot_position = Optimal_Partition_2(A, begin, end);
if(end - pivot_position >= pivot_position - begin){
Quick_Sort_5(A, begin, pivot_position - );
begin = pivot_position + ;
}
else{
Quick_Sort_5(A, pivot_position + , end);
end = pivot_position - ;
}
}
}
完整代码：
//
// main.c
// Quick Sort
//
// Created by 余南龙 on 2016/11/29.
// Copyright © 2016年 余南龙. All rights reserved.
//
#include <stdio.h>
#include <time.h>
#include <stdlib.h>
void Swap(int A[], int i, int j){
int tmp = A[i];
A[i] = A[j];
A[j] = tmp;
}
int Choose_Pivot(int A[], int begin, int end){
;
if((A[pivot_position] >= A[end]&&A[pivot_position] >= A[begin])){
if(A[begin] >= A[end]){
pivot_position = begin;
}
else{
pivot_position = end;
}
}
else if((A[pivot_position] <= A[end]&&A[pivot_position] <= A[begin])){
if(A[begin] >= A[end]){
pivot_position = end;
}
else{
pivot_position = begin;
}
}
return pivot_position;
}
void Insert_Sort(int A[], int begin, int end){
int i, j, tmp;
for(i = begin; i <= end; i++){
tmp = A[i];
; j >= begin; j--){
if(tmp > A[j]){
break;
}
else{
A[j + ] = A[j];
}
}
A[j + ] = tmp;
}
}
int Hoare_Partition(int A[ ], int begin, int end){
int pivot = A[begin];
;;
;
){
do{
j--;
}while(A[j] > pivot);
do{
i++;
}while(A[i] < pivot);
if(j > i){
Swap(A, i, j);
}
else{
return j;
}
}
}
int New_Partition_1(int A[ ], int begin, int end){
int pivot = A[begin];
int i = begin;
;
){
do{
j--;
}while(A[j] > pivot);
do{
i++;
}while(A[i] < pivot);
if(j > i){
Swap(A, i, j);
}
else{
A[begin] = A[j];
A[j] = pivot;
return j;
}
}
}
int New_Partition_2(int A[ ], int begin, int end){
int pivot = A[begin];
int i = begin;
;
){
do{
j--;
}while(A[j] > pivot);
if(j > i){
A[i] = A[j];
}
else{
A[i] = pivot;
return i;
}
do{
i++;
}while(A[i] < pivot&&i < j);
if(j > i){
A[j] = A[i];
}
else{
A[j] = pivot;
return j;
}
}
}
int New_Partition_3(int A[ ], int begin, int end){
int pivot = A[end];
int i, j = begin;
for(i = begin; i < end; i++){
if(A[i] <= pivot){
Swap(A, i, j);
j++;
}
}
A[end] = A[j];
A[j] = pivot;
return j;
}
int Optimal_Partition_1(int A[], int begin, int end){
int pivot_position = Choose_Pivot(A, begin, end), pivot;
int i = begin, j;
Swap(A, pivot_position, end);
pivot = A[end];
for(j = begin; j < end; j++){
if(A[j] <= pivot){
Swap(A, i, j);
i++;
}
}
A[end] = A[i];
A[i] = pivot;
return i;
}
int Optimal_Partition_2(int A[], int begin, int end){
) + begin);
int pivot;
int i = begin, j;
pivot = A[pivot_position];
Swap(A, pivot_position, end);
for(j = begin; j < end; j++){
if(A[j] <= pivot){
Swap(A, i, j);
i++;
}
}
A[end] = A[i];
A[i] = pivot;
return i;
}
void Quick_Sort_1(int A[ ], int begin, int end){
int pivot_position;
if(begin >= end)
return;
pivot_position = Hoare_Partition(A, begin, end);
Quick_Sort_1(A, begin, pivot_position);
Quick_Sort_1(A, pivot_position + , end);
}
void Quick_Sort_2(int A[ ], int begin, int end){
int pivot_position;
if(begin >= end)
return;
pivot_position = New_Partition_1(A, begin, end);
Quick_Sort_2(A, begin, pivot_position - );
Quick_Sort_2(A, pivot_position + , end);
}
void Quick_Sort_3(int A[ ], int begin, int end){
int pivot_position;
if(begin >= end)
return;
pivot_position = New_Partition_2(A, begin, end);
Quick_Sort_3(A, begin, pivot_position - );
Quick_Sort_3(A, pivot_position + , end);
}
void Quick_Sort_4(int A[ ], int begin, int end){
int pivot_position;
if(begin >= end)
return;
pivot_position = New_Partition_3(A, begin, end);
Quick_Sort_4(A, begin, pivot_position - );
Quick_Sort_4(A, pivot_position + , end);
}
void Quick_Sort_5(int A[], int begin, int end){
int pivot_position;
while(begin < end){
pivot_position = Optimal_Partition_1(A, begin, end);
if(end - pivot_position >= pivot_position - begin){
Quick_Sort_5(A, begin, pivot_position - );
begin = pivot_position + ;
}
else{
Quick_Sort_5(A, pivot_position + , end);
end = pivot_position - ;
}
}
}
void Quick_Sort_6(int A[], int begin, int end){
int pivot_position;
while(begin < end){
pivot_position = Optimal_Partition_2(A, begin, end);
if(end - pivot_position >= pivot_position - begin){
Quick_Sort_5(A, begin, pivot_position - );
begin = pivot_position + ;
}
else{
Quick_Sort_5(A, pivot_position + , end);
end = pivot_position - ;
}
}
}
void Quick_Sort_7(int A[], int begin, int end){
int pivot_position;
while(begin < end){
){
Insert_Sort(A, begin, end);
return;
}
pivot_position = Optimal_Partition_2(A, begin, end);
if(end - pivot_position >= pivot_position - begin){
Quick_Sort_5(A, begin, pivot_position - );
begin = pivot_position + ;
}
else{
Quick_Sort_5(A, pivot_position + , end);
end = pivot_position - ;
}
}
}
int main(int argc, const char * argv[]) {
] = {, , , , , , , , , };
] = {, , , , , , , , , };
] = {, , , , , , , , , };
] = {, , , , , , , , , };
] = {, , , , , , , , , };
] = {, , , , , , , , , };
];
int i;
srand((unsigned)time());
; i < ; i++){
A_7[i] = (rand() % );
}
Quick_Sort_1(A_1, , );
; i < ; i++){
printf("%d ", A_1[i]);
}
putchar('\n');
Quick_Sort_2(A_2, , );
; i < ; i++){
printf("%d ", A_2[i]);
}
putchar('\n');
Quick_Sort_3(A_3, , );
; i < ; i++){
printf("%d ", A_3[i]);
}
putchar('\n');
Quick_Sort_4(A_4, , );
; i < ; i++){
printf("%d ", A_4[i]);
}
putchar('\n');
Quick_Sort_5(A_5, , );
; i < ; i++){
printf("%d ", A_5[i]);
}
putchar('\n');
Quick_Sort_6(A_6, , );
; i < ; i++){
printf("%d ", A_6[i]);
}
putchar('\n');
Quick_Sort_7(A_7, , );
; i < ; i++){
printf("%d ", A_7[i]);
}
putchar('\n');
}
QuickSort快速排序的多种实现和优化的更多相关文章
- Algorithms - Quicksort - 快速排序算法
相关概念 快速排序法 Quicksort 也是一个分治思想的算法. 对一个子数组 A[p: r] 进行快速排序的三步分治过程: 1, 分解. 将数组 A[p : r] 被划分为两个子数组(可能为空) ...
- quicksort 快速排序 quick sort
* Java基本版 package cn.mediamix; import java.util.LinkedList; public class QuickSort { public static v ...
- QuickSort 快速排序 基于伪代码实现
本文原创,转载请注明地址 http://www.cnblogs.com/baokang/p/4737492.html 伪代码 quicksort(A, lo, hi) if lo < hi p ...
- Java QuickSort 快速排序
Java QuickSort /** * <html> * <body> * <P> Copyright 1994-2018 JasonInternational ...
- 快排 quicksort 快速排序
首先看这个 http://www.cnblogs.com/morewindows/archive/2011/08/13/2137415.html 看完后就没有什么不理解的了... PS 注意 凡是在一 ...
- 【Java】 大话数据结构(15) 排序算法(2) （快速排序及其优化）
本文根据<大话数据结构>一书,实现了Java版的快速排序. 更多:数据结构与算法合集 基本概念 基本思想:在每轮排序中,选取一个基准元素,其他元素中比基准元素小的排到数列的一边,大的排到数 ...
- 排序算法之快速排序（Quicksort）解析
一.快速排序算法的优点,为什么称之为快排? Quicksort是对归并排序算法的优化,继承了归并排序的优点,同样应用了分治思想. 所谓的分治思想就是对一个问题“分而治之”,用分治思想来解决问题需要两个 ...
- 排序算法TWO:快速排序QuickSort
import java.util.Random ; /** *快速排序思路:用到了分治法 * 一个数组A[0,n-1] 分解为三个部分,A[0,p - 1] , A[p] , A[p + 1, n-1 ...
- 快速排序 java实现 (原理-优化) 三路快排
一.基本的快速排序 在数组中选取一个元素为基点,然后想办法把这个基点元素移动到它在排好序后的最终位置,使得新数组中在这个基点之前的元素都小于这个基点,而之后的元素都大于这个基点,然后再对前后两部分数组 ...
随机推荐
- c#防止多次运行代码收集
1.原文:经过我的测试,还比较好用,但是有个问题,如果不注销,用另一个用户进入,则程序不能判断出已运行.所以只限于用在单用户环境,还是不太完美. class Program { [STAThread] ...
- 编译llvm+clang
第一步,下载llvm代码: git clone git@github.com:llvm-mirror/llvm.git 第二步,进入llvm/tools目录并下载clang代码 cd llvm/too ...
- each循环
var NA_COUNT=0; var NG_OK_COUNT=0; //获取所有检验明细为同一个编号的下拉选项,看有没有不是N/A的下拉选项 $("#@(Perfix)tbData sel ...
- [solr] - SolrJ增删查
使用SolrJ进行对Solr的增.删.查功能. 参考引用: http://wiki.apache.org/solr/Solrj Eclipse中新建一个项目:TestSolr 其中SorlJ的Lib包 ...
- Python Queue队列
queue is especially useful in threaded programming when information must be exchanged safely between ...
- SUSE Linux 13服务器版
SUSE Linux 下面打开图形界面下的终端 桌面右键,选择运行 konsole命令打一桌面终端插件 配置静态ip /etc/sysconfig/network/ 虚拟机下面的网卡 vi /etc/ ...
- 学习C++的第二天
1.输入 十六进制 cin>>hex>>x>>dec>>y dec 是十进制 oct 是八进制 输出 十六进制 cout<<h ...
- bootstrap-巨幕、缩略图、警告框
巨幕: <div class="jumbotron"> <div class="container"> <h1>W3Scho ...
- Linux 服务器的网络配置 - 1. 查看 Linux 服务器的网络连接
1. 查看 Linux 服务器的网络连接 1)查看主机名: liuqian@ubuntu:~$ hostname ubuntu 2)查看 ip 地址: 用 ifconfig 即可,这里介绍命令组合用法 ...
- logstash 1.5.3 配置使用redis做续传
logstash是ELK中的一员大将, redis插件也是<The Logstash Book>中介绍的一个很好用的玩意儿. 之前,用比较小的集群部署的时候,没有介入redis中间件,所以 ...