从快速排序展开的

快速排序是速度最快的排序算法之一，算是非常经典的一个算法；其基本思路是对要排序的数字分而治之，首先选择一个数字a，对待排序数字进行交换，最终使得a处于一个合适的位置，使得所有比a小的数字都在a之前，所有比a大的数字都在a之后，然后分别对前后两个数据子集进行排序，将一个大集合的排序问题转化成两个小集合的排序，直到求出最终的排序结果。
快速排序在排序有序或基本有序的数据时表现较差，最坏情况下的复杂度是O(n^2)，但是大多数情况下，都可以达到O(nlg(n))的复杂度，而且因为快速排序的常数因子比其它算法要小，以及只需要常数个的临时空间，相比其它排序方式具有比较明显的优势，所以快速排序还是得到了比较广泛的应用，以至于许多标准库中提供了qsort的实现给应用程序调用。
为了改善快速排序在最坏情况下的复杂度，可以考虑一些优化的方法，比如不是每次都选择第一个数字而是随机选择一个，或者从队列头、尾和中间各选一个数字取其中间值等，但是这些方法都还是存在获得最差表现的可能，不能从根本上解决问题；可以从算法上对快速排序进行优化，使得每次划分的两个区间差别不要太大，从而保证最坏情况下也可以得到O(nlg(n))的复杂度，但是这个方法会大大增加常数因子，并不被广泛使用（有关内容请参考《算法导论》第9章）。
利用快速排序的思想，可以简化许多问题的实现，最典型的是选择算法，即获得所有n个元素中第k大的元素。按照快速排序的思想，首先选择一个元素a，并进行交换，使得所有比a小的元素都在a前面，所有比a大的元素都在a后面，如果a的下标为k则a即为所求，如果a的下标i大于k，则问题简化为从list[0..i-1]中选择第k大的元素，如果a的下标i小于k，则问题简化为从list[i+1, n-1]中选择第k-i大的元素，这样的算法通常可以达到O(n)的效率（虽然在处理有序数据时达到最坏效率O(n^2)，但按照《算法导论》ch9的方法优化之后一样可以达到O(n)）。
另外一个应用快速排序思想的场景是分数背包问题，背包的总容量是W，第i件商品的价值为vi，重量wi，如何在背包中装入尽可能多的商品？
典型的背包问题是0-1背包，一件商品要么拿走，要么不拿，这个属于动态规划的问题，不在我们的讨论范围；另外一个分数背包问题，允许拿走每件商品的一部分，于是典型的方案是采用贪心算法，将所有的商品按照vi/wi的降序排列，优先拿走单位价值最高的商品，最后一个商品无法全部带走时带走一部分，直到背包装满为止。
评估分数背包算法的复杂度，虽然遍历n件商品只需要O(n)的复杂度，但是n件商品按照vi/wi排序的复杂度是O(nlg(n))，所以整个算法的复杂度是O(nlg(n))。
利用快速排序的思想，我们可以将整个算法的复杂度降低到O(n)，实际上我们并不需要对所有n个商品严格排序，我们任选一件商品i，对商品信息进行交换，使得所有v/w比i大的商品都排到前面，比i小的商品都排到后面，在交换的过程中可以顺便统计前后所有商品的重量，如果所有i之前的商品的重量之和不足背包的容量，那么之前的所有商品不需要再做排序，全部装入背包即可，然后再用同样的方式处理i和i后面的商品；如果i之前的所有商品重量之和超过背包容量，那么i之后的商品都是没用的，按照同样的方法处理前面的商品即可。这样就使得整个算法的复杂度降低到O(n)。