【快速选择算法】快排进阶(笔记)

快速排序

基本思想:
采用“分治”的思想,对于一组数据,选择一个基准元素(base),通常选择第一个或最后一个元素,通过第一轮扫描,比base小的元素都在base左边,比base大的元素都在base右边,再有同样的方法递归排序这两部分,直到序列中所有数据均有序为止。

也就是说,每一次划分区域时,基准元素base 一定会处在正确的位置,一个个的确定每一个元素位置的值。
在这里插入图片描述

void qSortArray(int array[], int start, int last)
{
	int low = start;
	int high = last;
	if (low < high)
	{
		while (low < high)
		{
			while (array[low] <= array[start] && low < last)
			{
				low++;//满足小于基准的条件,指针右移
			}
			while (array[high] >= array[start] && high > start)
			{
				high--;//满足大于基准的条件,指针左移
			}
			if (low < high)
			{
				swap(array[low], array[high]);//交换两个不满足条件的元素
			}
			else
			{
				break;
			}
		}
		swap(array[start], array[high]);//插入基准元素
		qSortArray(array, start, high - 1);
		qSortArray(array, high + 1, last);
	}
}

但是,当数据中的重复元素变多的时候,快排的时间复杂度就会逐渐退化,当数据全部相同时,其时间复杂度为O(n^2);

所以需要进行调整,在基础快排中,我们将数据根据key大小划分为两个区间,在左区间上<= key,在右区间上大于key
在这里插入图片描述

调整后,我们将其划分为三个区间,在中间留下了一个 =key的区间。
在这里插入图片描述

可知,以 l ,r 为分界线,划分出三个区间

[0,l] 区间 ,nums[i] < key
[l+1,r-1] 区间上, nums[i]==key
[r,n]上,nums[i]>key

所以,在 i 逐步遍历数组时,我们可以做如下操作

当nums[i]<key ,swap(nums[++l],nums[i++])
当nums[i]==key , i++
当nums[i]>key , swap(nums[–r],nums[i])

当此循环结束后,数组就会被划分为三个区间。
可以看到,每一次的数据划分后, 中间的==key的区间一定处于正确的位置,每一次划分都能确定一片区间,最后就能准确的排序整个数组。

int random(int l,int r)
    {
        int rd=rand();
        return rd%(r-l+1)+l;
    }
    void quicksort(vector<int>& nums,int l,int r)
    {
        if(l>=r) return;

        int key=nums[random(l,r)];
        int i=l;
        int left=l-1;
        int right=r+1;
        while(i<right)
        {
            if(nums[i]<key) swap(nums[++left],nums[i++]);
            else if(nums[i]==key) i++;
            else swap(nums[--right],nums[i]);
        }
        quicksort(nums,l,left);
        quicksort(nums,right,r);
    }
    vector<int> sortArray(vector<int>& nums) {
        srand(time(0));
        quicksort(nums,0,nums.size()-1);
        return nums;
    }

当数据元素全部重复时,只需要一次遍历,就可以了。

同时,可以用快速选择算法解决Topk问题

链接: 最小k个数

链接: 数组中的第 K 个最大元素

  • 8
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
Python的快速选择算法是一种用于在未排序的列表中查找第k个最小或最大元素的高效算法。该算法基于快速排序的思想,通过将列表划分为小于、等于和大于某个基准元素的三个子列表,然后根据所需的元素在子列表中的位置递归地选择进一步的子列表,直到找到目标元素为止。 具体而言,快速选择算法的实现如下: 1. 首先,定义一个辅助函数_partition,用于将列表按照某个基准元素进行划分。该函数会将小于基准元素的元素放入一个列表less,等于基准元素的元素放入一个列表equal,大于基准元素的元素放入一个列表greater,并返回这三个列表。 2. 然后,定义快速选择函数quick_select,接受一个未排序的列表items和一个目标元素的索引index作为参数。如果index超出列表范围或者为负数,则返回None。 3. 在快速选择函数中,首先随机选择一个基准元素pivot。 4. 接着,使用辅助函数_partition将列表划分为小于、等于和大于基准元素的三个子列表smaller、equal和larger。 5. 然后,比较目标索引index与smaller的长度m的关系,如果m ≤ index < m + count(count为equal的长度),则说明目标元素就是基准元素,直接返回基准元素pivot。 6. 如果m > index,则说明目标元素在smaller列表中,递归调用快速选择函数quick_select,并传入smaller列表和目标索引index作为参数。 7. 如果m + count < index,则说明目标元素在larger列表中,递归调用快速选择函数quick_select,并传入larger列表和目标索引index - (m + count)作为参数。 通过递归地在子列表中进行选择快速选择算法可以高效地找到第k个最小或最大元素。它的平均时间复杂度为O(n),其中n是列表的长度。 <span class="em">1</span> #### 引用[.reference_title] - *1* [Python:实现quick select快速选择算法(附完整源码)](https://blog.csdn.net/it_xiangqiang/article/details/126147702)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值