vlambda博客
学习文章列表

图解排序算法:快速排序

(给算法爱好者加星标,修炼编程内功

快速排序

算法

首先选一个基准 pivot,然后过一遍数组,

  • 把小于 pivot 的都挪到 pivot 的左边,
  • 把大于 pivot 的都挪到 pivot 的右边。

这样一来,这个 pivot 的位置就确定了,也就是排好了 1 个元素。

然后对 pivot 左边 👈 的数排序,
对 pivot 右边 👉 的数排序,
就完成了。

那怎么排左边和右边?

答:同样的方法。

所以快排也是用的分治法的思想。

「分」

选择一个 pivot,就把问题分成了

  • pivot 左边
  • pivot 右边

这两个问题。

「治」

就是最开始描述的方法,直到每个区间内没有元素或者只剩一个元素就可以返回了。

「合」

放在一起自然就是。

但是如何选择这个 pivot?

取中间的?

取第一个?

取最后一个?

举个例子:{5, 2, 1, 0, 3}.

比如选最后一个,就是 3.

然后我们就需要把除了 3 之外的数分成「比 3 大」和「比 3 小」的两部分,这个过程叫做 partition(划分)。

这里我们仍然使用「挡板法」的思想,不用真的弄两个数组来存这两部分,而是用两个挡板,把区间划分好了。

我们用「两个指针」(就是挡板)把数组分成「三个区间」,那么

  • 左边的区间用来放小于 pivot 的元素;
  • 右边的区间用来放大于 pivot 的元素;
  • 中间是未排序区间。

那么初始化时,我们要保证「未排序区间」能够包含除了 3 之外的所有元素,所以

  • 未排序区间 = [i, j]

这样左边和右边的区间就成了:

  • [0, i):放比 3 小的数;
  • (j, array.length -2]:放比 3 大的数

注意 ⚠️ i, j 是不包含在左右区间里的呢。

那我们的目的是 check 未排序区间里的每一个数,然后把它归到正确的区间里,以此来缩小未排序区间,直到没有未排序的元素。

从左到右来 check:

Step1.

5 > 3, 所以 5 要放在右区间里,所以 5 和 j 指向的 0 交换一下:

图解排序算法:快速排序

这样 5 就排好了,指针 j --,这样我们的未排序区间就少了一个数;

Step2.

0 < 3,所以就应该在左边的区间,直接 i++;

图解排序算法:快速排序

Step3.

2 < 3,同理,i++;

图解排序算法:快速排序

Step4.

1 < 3,同理,i++;

图解排序算法:快速排序

所以当两个指针错位的时候,我们结束循环。

但是还差了一步,3 并不在正确的位置上呀。所以还要把它插入到两个区间中间,也就是和指针 i 交换一下。

图解排序算法:快速排序
图解排序算法:快速排序

声明:这里并不鼓励大家把 pivot 放最左边。

基本所有的书上都是放右边,既然放左右都是一样的,我们就按照大家默认的、达成共识的来,没必要去“标新立异”。

就比如围棋的四个星位,但是讲究棋道的就是先落自己这边的星位,而不是伸着胳膊去够对手那边的。

那当我们把 pivot 换回到正确的位置上来之后,整个 partition 就结束了。

之后就用递归的写法,对左右两边排序就好了。

最后还有两个问题想和大家讨论一下:

  1. 回到我们最初选择 pivot的问题,每次都取最后一个,这样做好不好?

答:并不好。

因为我们是想把数组分割的更均匀,均匀的时间复杂度更低;但是如果这是一个有序的数组,那么总是取最后一个是最不均匀的取法。

所以应该随机取 pivot,这样就避免了因为数组本身的特点总是取到最值的情况。

  1. pivot 放在哪

随机选取之后,我们还是要把这个 pivot 放到整个数组的最右边,这样我们的未排序区间才是连续的,否则每次走到 pivot 这里还要想着跳过它,心好累哦。

class Solution {
  public void quickSort(int[] array) {
    if (array == null || array.length <= 1) {
      return;
    }
    quickSort(array, 0, array.length - 1);
  }
  private void quickSort(int[] array, int left, int right) {
    // base case
    if (left >= right) {
      return;
    }

    // partition
    Random random = new Random(); // java.util 中的随机数生成器
    int pivotIndex = left + random.nextInt(right - left + 1);
    swap(array, pivotIndex, right);

    int i = left;
    int j = right-1;
    while (i <= j) {
      if (array[i] <= array[right]) {
        i++;
      } else {
        swap(array, i, j);
        j--;
      }
    }
    swap(array, i, right);

    //「分」
    quickSort(array, left, i-1);
    quickSort(array, i+1, right);
  }
  private void swap(int[] array, int x, int y) {
    int tmp = array[x];
    array[x] = array[y];
    array[y] = tmp;
  }
}

这里的时空复杂度和分的是否均匀有很大关系,所以我们分情况来说:

1. 均分

时间复杂度

如果每次都能差不多均匀分,那么

  • 每次循环的耗时主要就在这个 while 循环里,也就是 O(right - left);
  • 均分的话那就是 logn 层;
  • 所以总的时间是 O(nlogn).
图解排序算法:快速排序

空间复杂度

  • 递归树的高度是 logn,
  • 每层的空间复杂度是 O(1),
  • 所以总共的空间复杂度是 O(logn).

2. 最不均匀

如果每次都能取到最大/最小值,那么递归树就变成了这个样子:

时间复杂度

如上图所示:O(n^2)

空间复杂度

这棵递归树的高度就变成了 O(n).

3. 总结

实际呢,大多数情况都会接近于均匀的情况,所以均匀的情况是一个 average case.

为什么看起来最好的情况实际上是一个平均的情况呢?

因为即使如果没有取到最中间的那个点,比如分成了 10% 和 90% 两边的数,那其实每层的时间还是 O(n),只不过层数变成了以 9 为底的 log,那总的时间还是 O(nlogn).

所以快排的平均时间复杂度是 O(nlogn)。

稳定性

那你应该能看出来了,在 swap 的时候,已经破坏了元素之间的相对顺序,所以快排并不具有稳定性。

这也回答了我们开头提出的问题,就是

  • 为什么对于 primitive type 使用快排,

    • 因为它速度最快;
  • 为什么对于 object 使用归并,

    • 因为它具有稳定性且快。

以上就是快排的所有内容了,也是很常考的内容哦!


- EOF -


推荐阅读   点击标题可跳转


觉得本文有帮助?请分享给更多人

关注「算法爱好者」加星标,修炼编程内功

好文章,我在看❤️