快速排序：另一种分析

在给出快速排序另一种分析之前，先记一下Lecture 4中用到的那个不等式证明的大致框架：

 

关键点有两个，一是函数xlgx (x>=1)是个凸函数(convex function)。另一点就是将和式分成两部分，一部分k=2，3，...，ceiling(n/2) - 1，另一部分k=ceiling(n/2)，ceiling(n/2)+1，...，n-1。xlgx是凸的可以验证一下它的二阶导数：(xlgx)" = 1/xln2 > 0。由这个凸性可以将每一个klgk约束在对应部分的两个端点所连的直线下面。如果画出函数xlgx的图像这一点会很清楚。剩下的就是计算，会用到整函数ceiling(x)的一些基本性质：n < ceiling(n) <= n + 1。

 

QUICKSORT的运行时间由PARTITION的时间决定。每次选定一个主元后，这个元素就不会再在后续的递归调用中出现了，因此在所有递归调用中最多只能有n次PARTITION调用。一次PARTITION调用会花费O(1)的时间和一部分与PARTITION中for循环次数成比例的时间。for中的每一次迭代都会产生一次比较（comparison）。如果我们能对这个比较做一个计数的话，就能确定QUICKSORT执行for循环的总时间了。

 

假定X表示QUICKSORT对n个元素排序的整个执行过程中PARTITION中的比较的总次数，则QUICKSORT的运行时间为O(n+X)。

 

因此我们的目标就是计算总比较次数X。将A中的元素重新标记为z_1, z_2, ... , z_n，z_i是A中第i小的元素，并且定义集合Zij = {z_i, z_{i+1}, ... , z_j}，也就是在i，j之间(包括i,j)的元素。

 

每一对元素至多比较一次，这是因为每个元素只和主元比较一次，随后主元就不会再出现了，因些也就不可能再有元素和主元比较了。

 

我们需要计算z_i和z_j比较的概率。定义0-1随机变量Xij=I{z_i和z_j比较}。因为每对元素只比较一次，因此总次数可以用这个随机变量来表示：

 

两边取期望就可以得到：

 
 

 

剩下的就是计算出Pr{z_i和z_j比较}，即z_i和z_j比较的概率。在一次PARTITION调用中，一旦某个主元x，z_i < x < z_j被选中后，z_i和z_j也就不可能被比较了。另一方面，如果z_i在Zij中任何别的元素被选中之前被选中，那么z_i会和Zij中的每一个进行比较（除z_i本身），同样，如果z_j是Zij中第一个被选中的，那么z_j会和Zij中每一个比较（除了z_j自己）。这说明z_i和z_j比较当且仅当z_i或者z_j第一个被选中时才会发生。Zij中的元素被选中的概率都是相等的。|Zij| = j - i + 1。因此Pr{z_i与z_j比较}=2/(j-i+1)。

 

现在可以计算E[X]了：

 

而最好时间为Omega(nlgn)，所以随机快速排序的平均运行时间是Theta(nlgn)。