快速排序是最常用的算法之一,空间复杂度为O(logn),时间复杂度为O(nlogn),最坏情况下为O(n2)
快速排序使用分治策略,特点是每次找一个主元,根据主元与数组元素的大小,将数组分为三部分,如数组A[p...r],主元q,分为A[p...q-1],q,A[q+1...r]三部分。寻找合适的主元是算法优化的关键,最初的快速排序将末位的元素作为主元,如果主元是数组中最大值或最小值,那相当于没有分割,排序性能将会大幅下降,退化为选择排序,时间复杂度为O(n2),选择合适的主元,尽可能的避免最坏情况。
分割操作是快速排序中的关键部分,与归并排序不同,归并排序在分割时不进行排序处理,在合并时进行了排序处理,合并操作也是归并排序的关键部分。
快速排序示例图:
归并排序需要不断的递归运算,空间复杂度为O(n)
快速排序的划分:当输入数组为有序时,快速排序的情况是最坏的,为10,0划分,当为5,5划分时,情况是最好的,产生深度为O(logn)的递归数,需要注意的是,当你不平衡划分时,如9,1划分,快速排序的运行时间仍为O(nlogn),事实上,任何一种常数比例的划分都会产生O(logn)的递归树,算法的运行时间总是O(logn)。
快速排序优化:
1、随机化算法,将每次选的的主元从数组元素中随机选出,使得最坏情况不再依赖于输入数据,而是依赖于主元取值,实际上,随机化快速排序得到理论最坏情况的可能性仅为1/(2^n)。所以随机化快速排序可以对于绝大多数输入数据达到O(nlogn)的期望时间复杂度。随机化快速排序的唯一缺点在于,一旦输入数据中有很多的相同数据,随机化的效果将直接减弱。对于极限情况,即对于n个相同的数排序,随机化快速排序的时间复杂度将毫无疑问的降低到O(n^2)。解决方法是用一种方法进行扫描,使没有交换的情况下主元保留在原位置。
由于快速排序算法是采用分治技术来进行实现的,这就使得它很容易能够在多台处理机上并行处理。
附:
优化1、当待排序序列的长度分割到一定大小后,使用插入排序。
原因:对于很小和部分有序的数组,快排不如插排好。当待排序序列的长度分割到一定大小后,继续分割的效率比插入排序要差,此时可以使用插排而不是快排
截止范围:待排序序列长度N = 10,虽然在5~20之间任一截止范围都有可能产生类似的结果,这种做法也避免了一些有害的退化情形。摘自《数据结构与算法分析》Mark Allen Weiness 著
- if (high - low + 1 < 10)
- {
- InsertSort(arr,low,high);
- return;
- }//else时,正常执行快排
测试数据:
测试数据分析:针对随机数组,使用三数取中选择枢轴+插排,效率还是可以提高一点,真是针对已排序的数组,是没有任何用处的。因为待排序序列是已经有序的,那么每次划分只能使待排序序列减一。此时,插排是发挥不了作用的。所以这里看不到时间的减少。另外,三数取中选择枢轴+插排还是不能处理重复数组
优化2、在一次分割结束后,可以把与Key相等的元素聚在一起,继续下次分割时,不用再对与key相等元素分割
举例:
待排序序列 1 4 6 7 6 6 7 6 8 6
三数取中选取枢轴:下标为4的数6
转换后,待分割序列:6 4 6 7 1 6 7 6 8 6
枢轴key:6
本次划分后,未对与key元素相等处理的结果:1 4 6 6 7 6 7 6 8 6
下次的两个子序列为:1 4 6 和 7 6 7 6 8 6
本次划分后,对与key元素相等处理的结果:1 4 6 6 6 6 6 7 8 7
下次的两个子序列为:1 4 和 7 8 7
经过对比,我们可以看出,在一次划分后,把与key相等的元素聚在一起,能减少迭代次数,效率会提高不少
具体过程:在处理过程中,会有两个步骤
第一步,在划分过程中,把与key相等元素放入数组的两端
第二步,划分结束后,把与key相等的元素移到枢轴周围
举例:
待排序序列 1 4 6 7 6 6 7 6 8 6
三数取中选取枢轴:下标为4的数6
转换后,待分割序列:6 4 6 7 1 6 7 6 8 6
枢轴key:6
第一步,在划分过程中,把与key相等元素放入数组的两端结果为:6 4 1 6(枢轴) 7 8 7 6 6 6
此时,与6相等的元素全放入在两端了
第二步,划分结束后,把与key相等的元素移到枢轴周围
结果为:1 4 66(枢轴) 6 6 6 7 8 7
此时,与6相等的元素全移到枢轴周围了
之后,在1 4 和 7 8 7两个子序列进行快排
代码
- void QSort(int arr[],int low,int high)
- {
- int first = low;
- int last = high;
- int left = low;
- int right = high;
- int leftLen = 0;
- int rightLen = 0;
- if (high - low + 1 < 10)
- {
- InsertSort(arr,low,high);
- return;
- }
- //一次分割
- int key = SelectPivotMedianOfThree(arr,low,high);//使用三数取中法选择枢轴
- while(low < high)
- {
- while(high > low && arr[high] >= key)
- {
- if (arr[high] == key)//处理相等元素
- {
- swap(arr[right],arr[high]);
- right--;
- rightLen++;
- }
- high--;
- }
- arr[low] = arr[high];
- while(high > low && arr[low] <= key)
- {
- if (arr[low] == key)
- {
- swap(arr[left],arr[low]);
- left++;
- leftLen++;
- }
- low++;
- }
- arr[high] = arr[low];
- }
- arr[low] = key;
- //一次快排结束
- //把与枢轴key相同的元素移到枢轴最终位置周围
- int i = low - 1;
- int j = first;
- while(j < left && arr[i] != key)
- {
- swap(arr[i],arr[j]);
- i--;
- j++;
- }
- i = low + 1;
- j = last;
- while(j > right && arr[i] != key)
- {
- swap(arr[i],arr[j]);
- i++;
- j--;
- }
- QSort(arr,first,low - 1 - leftLen);
- QSort(arr,low + 1 + rightLen,last);
- }
测试数据:
测试数据分析:三数取中选择枢轴+插排+聚集相等元素的组合,效果竟然好的出奇。
原因:在数组中,如果有相等的元素,那么就可以减少不少冗余的划分。这点在重复数组中体现特别明显啊。
其实这里,插排的作用还是不怎么大的。
优化3:优化递归操作
快排函数在函数尾部有两次递归操作,我们可以对其使用尾递归优化
优点:如果待排序的序列划分极端不平衡,递归的深度将趋近于n,而栈的大小是很有限的,每次递归调用都会耗费一定的栈空间,函数的参数越多,每次递归耗费的空间也越多。优化后,可以缩减堆栈深度,由原来的O(n)缩减为O(logn),将会提高性能。
代码:
- void QSort(int arr[],int low,int high)
- {
- int pivotPos = -1;
- if (high - low + 1 < 10)
- {
- InsertSort(arr,low,high);
- return;
- }
- while(low < high)
- {
- pivotPos = Partition(arr,low,high);
- QSort(arr,low,pivot-1);
- low = pivot + 1;
- }
- }
注意:在第一次递归后,low就没用了,此时第二次递归可以使用循环代替
测试数据:
测试数据分析:其实这种优化编译器会自己优化,相比不使用优化的方法,时间几乎没有减少
优化4:使用并行或多线程处理子序列(略)
所有的数据测试:
概括:这里效率最好的快排组合 是:三数取中+插排+聚集相等元素,它和STL中的Sort函数效率差不多
注意:由于测试数据不稳定,数据也仅仅反应大概的情况。如果时间上没有成倍的增加或减少,仅仅有小额变化的话,我们可以看成时间差不多。