【重学算法】快速排序

1. 快速排序的动态图

2. 快速排序的伪代码

// 快速排序，A是数组，n表示数组的大小
quick_sort(A, n) {
  quick_sort_c(A, 0, n-1)
}
// 快速排序递归函数，p,r为下标
quick_sort_c(A, p, r) {
  if p >= r then return
  q = partition(A, p, r) // 获取分区点
  quick_sort_c(A, p, q-1)
  quick_sort_c(A, q+1, r)
}

partition() 分区函数就是随机选择一个元素作为 pivot（一般情况下，可以选择 p 到 r 区间的最后一个元素），然后对 A[p...r]分区，函数返回 pivot 的下标。

3. 快速排序的java代码实现

    public int[] sortArray(int[] nums) {
        quickSort(nums, 0, nums.length-1, nums.length);
        return nums;
    }
    public void quickSort(int[] nums,int low,int high,int n){
        if(low<high) {
            int p = partition(nums,low,high);
            quickSort(nums,low,p-1,n);
            quickSort(nums,p+1,high,n);
        }
    }
    int partition(int[] nums,int low,int high){
        int p = nums[low];
        while(low<high) {
            while(low<high && nums[high]>=p)--high;
            nums[low] = nums[high];
            while(low<high && nums[low]<=p) ++low;
            nums[high] = nums[low];
        }
        nums[low] = p;
        return low;
    }

4. 快排的时间复杂度分析

T(1) = C； n=1时，只需要常量级的执行时间，所以表示为C。 T(n) = 2*T(n/2) + n； n>1

根据上述递推公式，可得快排的时间复杂度近似为O（nlogn）。

如果数组中的数据原来已经是有序的了，比如 1，3，5，6，8。如果我们每次选择最后一个元素作为 pivot，那每次分区得到的两个区间都是不均等的。我们需要进行大约 n 次分区操作，才能完成快排的整个过程。每次分区我们平均要扫描大约 n/2 个元素，这种情况下，快排的时间复杂度就从 O(nlogn) 退化成了 O(n2)。

5. 对于分区点选择的优化

（1） 三数取中法

从区间的首、尾、中间，分别取出一个数，然后对比大小，取这 3 个数的中间值作为分区点。这样每间隔某个固定的长度，取数据出来比较，将中间值作为分区点的分区算法，肯定要比单纯取某一个数据更好。但是，如果要排序的数组比较大，那“三数取中”可能就不够了，可能要“五数取中”或者“十数取中”。

（2） 随机法

随机法就是每次从要排序的区间中，随机选择一个元素作为分区点。这种方法并不能保证每次分区点都选的比较好，但是从概率的角度来看，也不大可能会出现每次分区点都选得很差的情况，所以平均情况下，这样选的分区点是比较好的。时间复杂度退化为最糟糕的 O(n2) 的情况，出现的可能性不大。