CS61B - Lec 34 - Quicksort II

前几天把bearmaps搞定了。（其实还是有些不完美的地方不过应该不是我实现的算法的问题。给了一个完整的前端+后端框架，里面有点bug得慢慢研究）刷了刷题，感觉比一个月前要强不少，谢谢josh hug。
啥时候才能找个工作哎。
本章接上回，将具体的partition和avoid worst case操作。

Quicksort vs. Mergesort

复习一下，quicksort三个步骤：

1. 设定一个pivot(这里是头部），然后以它为基Partition两部分
2. quicksort左半部分
3. quicksort右半部分

最好情况O(N logN)，最坏情况O(N²)，平均O(N logN)

几个avoid worst cases的方法：

• Randomness: 随机挑选pivot或者shuffle一下
• Smarter pivot selection: 每次选的都是median，那么就是最佳。所以如果计算出median，就能保证复杂度在O(N logN)
• Introspection: 如果recursion次数太多了，那就换一种sort方式
• Preprocess the array: 提前检查一下array的情况，判断quicksort的性能，很难。

1. Randomness
一般不这么做，因为随机数的产生是一件很麻烦的事情。

2. Smarter Pivot Selection(linear time pivot pick
目标是找到一个O(N)复杂度的找median的方法，这样每次Partition之前，找到median并将它设为pivot，加上partition，依然是O(N)复杂度。

3. Introspection
如果超过了某个递归深度，那么就切换到mergesort，不是太常用。

对Mergesort和应用3-scan partition algorithm，选用头部作为pivot，shuffle的quicksort进行1000个长度为10000的数组排序测试，结果显示quicksort性能并不比mergesort好，可以说是远远不如。（我一直觉得这个quicksort贼奇怪，人mergesort不优化直接就O(N logN)，这还得一直优化。但就是quicksort快能有什么办法）

3-scan partition algorithm复杂度有点高，3N，看看能不能降一下。Tony Hoare本人就提出了一个好方法：

• 首先建两个指向两端的指针L和G。
• L++，G–。如果L碰见大于等于pivot的数，就停下；如果G碰见小于等于pivot的数，就停下
• 交换array[L]和array[G]
• 继续L++， G–。重复步骤2和3.
• 如果G < L,结束循环。G就是pivot的位置。
• 交换pivot和G

再做一次实验，就比mergesort快了。

目前选择pivot的方式还是头部，worst case avoidance strategy是suffle，那么现在试一下选择median作为pivot的方法？
这里介绍了一种叫PICK的方法，可以以线性的时间复杂度选择数组中第i小的数。

然而用了PICK方法的quicksort，性能反而是最糟糕的。说明计算median方法还是消耗太大了。

Quick Select

其实partition在选择median里仍然有应用。（蜜汁性能优越的partition)下面介绍的就是目前性能最优的median finding algorithm。
讲起来不难，仍然是对头部进行partition操作，发现哪部分元素比较多，就在该部分继续partiton，直到pivot落在了中间位置。

平均下来，Quick Select复杂度为线性。

然而应用该方法找median后，quicksort性能还是不行。。。

Stability

Sort的stability定义是：如果初始array的顺序被记录（sort之后被保存了下来）,那就说这种方法是stable的。


更多的优化方式包括：

• 当subproblem的数组长度不足15时，换成insertion sort
• 总之是让sort跟adaptive，应用不同方法的不同优势