快速排序QuickSort

快速排序QuickSort

快速排序

快速排序算法有两个核心点,分别为 哨兵划分递归

哨兵划分

以数组某个元素(一般选取首元素)为 基准数 ,将所有小于基准数的元素移动至其左边,大于基准数的元素移动至其右边。

如下图所示,为哨兵划分操作流程。通过一轮 哨兵划分 ,可将数组排序问题拆分为 两个较短数组的排序问题 (本文称之为左(右)子数组)。

递归

对 左子数组 和 右子数组 分别递归执行 哨兵划分,直至子数组长度为 1 时终止递归,即可完成对整个数组的排序。

如下图所示,为示例数组 [2,4,1,0,3,5] 的快速排序流程。观察发现,快速排序和 二分法 的原理类似,都是以
log 时间复杂度实现搜索区间缩小。

java 复制代码
void quickSort(int[] nums, int l, int r) {
    // 子数组长度为 1 时终止递归
    if (l >= r) return;
    // 哨兵划分操作
    int i = partition(nums, l, r);
    // 递归左(右)子数组执行哨兵划分
    quickSort(nums, l, i - 1);
    quickSort(nums, i + 1, r);
}

int partition(int[] nums, int l, int r) {
    // 以 nums[l] 作为基准数
    int i = l, j = r;
    while (i < j) {
        while (i < j && nums[j] >= nums[l]) j--;
        while (i < j && nums[i] <= nums[l]) i++;
        swap(nums, i, j);
    }
    swap(nums, i, l);
    return i;
}

void swap(int[] nums, int i, int j) {
    // 交换 nums[i] 和 nums[j]
    int tmp = nums[i];
    nums[i] = nums[j];
    nums[j] = tmp;
}

// 调用
int[] nums = { 4, 1, 3, 2, 5 };
quickSort(nums, 0, nums.length - 1);

优化

java 复制代码
package 快速排序;

/**
 * Created with IntelliJ IDEA.
 *
 * @Author: AlenXu
 * @Date: 2024/03/19/13:26
 * @Description:
 */
public class QuickSort {

    static void quickSort1(int[] nums, int l, int r) {
        // 子数组长度为 1 时终止递归
        if (l >= r) return;
        //哨兵划分操作
        int i = partition(nums, l, r);
        // 递归左(右)子数组执行哨兵划分
        quickSort(nums, l, i - 1);
        quickSort(nums, i + 1, r);
    }

//    由于普通快速排序每轮选取「子数组最左元素」作为「基准数」,因此在输入数组
//    完全倒序 时, partition() 的递归深度会达到N ,即 最差空间复杂度 为 O(N) 。
//    每轮递归时,仅对 较短的子数组 执行哨兵划分 partition() ,
//    就可将最差的递归深度控制在O(logN) (每轮递归的子数组长度都 ≤ 当前数组长度),
//    即实现最差空间复杂度O(logN) 。

    /**
     * Tail Call 优化
     * @param nums
     * @param l
     * @param r
     */
    static void quickSort(int[] nums, int l, int r) {
        // 子数组长度为 1 时终止递归
        while (l < r) {
            // 哨兵划分操作
            int i = partition(nums, l, r);
            // 仅递归至较短子数组,控制递归深度
            if (i - l < r - i) {
                quickSort(nums, l, i - 1);
                l = i + 1;
            } else {
                quickSort(nums, i + 1, r);
                r = i - 1;
            }
        }
    }


    static private int partition1(int[] nums, int l, int r) {
         以 nums[l] 作为基准数
        int i = l, j = r;
        while (i < j) {
            while (i < j && nums[j] >= nums[l]) j--;  //从右向左  找到小于基数的元素
            while (i < j && nums[i] <= nums[l]) i++;  //从左向右  找到大于基数的元素
            //交换 i 和 j 未知的元素
            swap(nums, i, j);
        }
        //交换基数的位置
        swap(nums, i, l);
        return i;
    }

    /**
     * 随机基准数 优化
     * @param nums
     * @param l
     * @param r
     * @return
     */
   // 同样地,由于快速排序每轮选取「子数组最左元素」作为「基准数」,
    // 因此在输入数组 完全有序 或 完全倒序 时, partition() 每轮只划分一个元素,
    // 达到最差时间复杂度O(N²) 。

//    可使用 随机函数 ,每轮在子数组中随机选择一个元素作为基准数,
//    这样就可以极大概率避免以上劣化情况
    static int partition(int[] nums, int l, int r) {
        // 在闭区间 [l, r] 随机选取任意索引,并与 nums[l] 交换
        int ra = (int) (l + Math.random() * (r - l + 1));
        swap(nums, l, ra);
        // 以 nums[l] 作为基准数
        int i = l, j = r;
        while (i < j) {
            while (i < j && nums[j] >= nums[l]) j--;
            while (i < j && nums[i] <= nums[l]) i++;
            swap(nums, i, j);
        }
        swap(nums, i, l);
        return i;
    }

    static private void swap(int[] nums, int i, int j) {
        //交换
        int tmp = nums[i];
        nums[i] = nums[j];
        nums[j] = tmp;
    }

    public static void main(String[] args) {
        // 调用
        int[] nums = {4, 1, 3, 2, 5};
        quickSort(nums, 0, nums.length - 1);
        for (int num : nums) {
            System.out.print(num + " ");
        }
    }
}
相关推荐
聚客AI11 小时前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
大怪v14 小时前
前端:人工智能?我也会啊!来个花活,😎😎😎“自动驾驶”整起!
前端·javascript·算法
惯导马工16 小时前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
骑自行车的码农17 小时前
【React用到的一些算法】游标和栈
算法·react.js
博笙困了17 小时前
AcWing学习——双指针算法
c++·算法
moonlifesudo18 小时前
322:零钱兑换(三种方法)
算法
NAGNIP1 天前
大模型框架性能优化策略:延迟、吞吐量与成本权衡
算法
美团技术团队2 天前
LongCat-Flash:如何使用 SGLang 部署美团 Agentic 模型
人工智能·算法
Fanxt_Ja2 天前
【LeetCode】算法详解#15 ---环形链表II
数据结构·算法·leetcode·链表
侃侃_天下2 天前
最终的信号类
开发语言·c++·算法