快速排序

一、基本思路

给定一个长度为 N 的数组，使用快速排序由小到大进行排序：选择数组中的某个元素作为“标尺”，把这个数组分成三部分。把小于该元素的数全部放到它的左边，大于它的数则放到他的右边，等于它的数放在中间，然后再对左右两边的元素进行同样的操作。
下面用一组图片来解释一下：
初始状态下，小于区域和大于区域都为空。假设我们选取数组的最后一个元素作为“标尺”。

我们把数组的第一个元素（4）和标尺（3）进行比较，4 > 3，把 4 和大于区域的前一个元素交换，大于区域长度加一，下标不动。完成这个步骤后的情况如下：

然后，再把当前元素（3）和标尺（3）进行比较，相等，把下标右移一位，完成后情况如下：

再比较下标对应的元素（1）和标尺（3），1 < 3，把小于区域的下一个元素和当前元素互换，小于区域的长度加一，下标右移一位，完成后情况如下：

同样，再把（6）和（3）进行比较，6 > 3，把大于区域的前一个元素和当前元素（6）交换，大于区域长度加一，下标不动，完成后情况如下：

再把（2）和（3）比较,2 < 3，把当前元素和小于区域下一个元素交换，下标右移一位，完成后情况如下：

最后，把（5）和（3）比较，5 > 3，把大于区域的前一个元素和当前元素（5）交换，大于区域长度加一，下标不动。完成后情况如下：

此时，当前元素的下标和大于区域的边界已经重合了，因此本轮排序结束。
最后，我们发现整个数组被标尺（3）分成了两个部分，我们只要再把大于区域和小于区域分别进行这样的操作，最后就能得到一个有序的数组了。

二、代码实现

实现代码做了一些小小的优化，建议看的时候可以自己写一个数组，按着代码的步骤一步步来，这样就可以明白有的地方为什么是那样写的了。

public static void quickSort(int[] arr, int l, int r) {
    if(arr == null || arr.length < 2) return;
    if(l < r) {
    	swap(arr, l + (int) (Math.random() * (r - l + 1)), r);   //  随机快排
        int[] p = partition(arr, l, r);
        quickSort(arr, l, p[0]);
        quickSort(arr, p[1], r);
    }
}
public static int[] partition(int[] arr, int l, int r) {
	int less = l - 1;
	int more = r;
	while(l < more) {
		if(arr[l] < arr[r]) {
			swap(arr, ++less, l++);
		} else if(arr[l] > arr[r]) {
			swap(arr, --more, l);
		} else l++;
	}
	swap(arr, more, r);
	return new int[] { less, more + 1 };
}

三、时间复杂度分析及经典快排存在的问题。

1.时间复杂度分析

上述排序方法，我们称之为经典快排。假如我们每次通过 partition 这一过程都能把原数组分成长度基本相等的大于区域和小于区域，那么算法的时间复杂度应为：O（N long₂N）。

2.可能存在的问题

假设要排序的数组是一个已经按照升序排列的数组（例如【1， 2， 3， 4， 5】），我们选取数组的最后一个元素（5）作为标尺，那么进行 partition 后，我们把数组分成大于区域和小于区域，大于区域的长度为0，小于区域的长度为 N-1，然后又要对长度为 N-1 的数组进行 partition，此时，算法的时间复杂度就变成了O（N²）。显然这是一个特别差的事件复杂度。

3.如何优化？---- 随机快排

分析问题出现的原因，为什么会导致时间复杂度变高呢？因为数组不再是均等分了。那为什么会这样呢？因为标尺的选择不够好，我们选择了一个最大的数作为标尺。因此，我们在选择标尺时，可以在要进行 partition 的数组中，随机选择一个数作为标尺。
尽管这样，我们还是有可能选到最大的数作为标尺，因此，我们不能保证快速排序的时间复杂的一定是O(N lon₂N)，只能说在一般情况下是这样的。