912. 排序数组 - 力扣(LeetCode) (leetcode-cn.com)
快速排序
原理:随机选取一个元素作为pivot,对其左右进行划分,并对新的到的部分重复上述操作。最后得到的就是有序数列。
划分partition:
- 对于左右边界分别为l和r的子数组,设置两个指针i和j,初始i=l-1,j=l。指针i和j维护一个子数组中的划分:i以及i左侧的元素均<=pivot;i+1至j的元素则均>pivot,j后的元素还未遍历。
- 对于i到j的子数组,首先随机选取一个元素作为主元pivot,将其与末尾元素交换位置(就是把pivot放最后)。这一步在调用partition之前就完成了。
- j指针用于向后遍历,寻找小于pivot的元素。如果找到了,那么i=i+1(即i右移),并交换nums[i] 和 nums[j],这样就能保持i及i左侧的元素都<=pivot。
- 当j遍历到r-1位置时,遍历停止。此时i+1元素是第一个>pivot的元素,将其与pivot(r)交换,得到的子数组符合pivot左侧的元素都不大于pivot,而pivot右侧的元素都大于pivot。
- 返回pivot的下标
随机选取主元:
在主函数中初始化srand((unsigned)time(NULL)); 随后在选主元时设随机下标i = rand() %(r-l+1)+l.
这一步可以不单独拿出来,也可以直接不写,而直接选取子数组中第一个元素作为枢轴元素。
复杂度分析:
时间复杂度:基于随机选取主元的快速排序时间复杂度为期望 O(nlogn),其中 n 为数组的长度。最坏情况为数组有序,时间复杂度为O(n^2)
空间复杂度:O(h),其中 h 为快速排序递归调用的层数。我们需要额外的 O(h) 的递归调用的栈空间,由于划分的结果不同导致了快速排序递归调用的层数也会不同,最坏情况下需 O(n) 的空间,最优情况下每次都平衡,此时整个递归树高度为 logn,空间复杂度为 O(logn)。
class Solution {
private:
//划分函数
int partition(vector<int>& nums, int l, int r) {
int i = l - 1, j = l; //左右指针
int pivot = nums[r]; //主元
//j指针遍历
for( ; j <= r - 1; j++) {
//寻找<=pivot的元素
if(nums[j] <= pivot) {
++i;
swap(nums[i], nums[j]); //将 寻找到的<=pivot的元素 与 目前>pivot的元素中最左侧的一个 交换
}
}
swap(nums[i + 1], nums[r]); //将pivot放在应该在的位置:目前>pivot的元素中最左侧的一个
return i + 1; //返回pivot的下标
}
//随机选取主元
int randomPartition(vector<int>& nums, int l, int r) {
int i = rand() % (r - l + 1) + l; //随机选取主元
swap(nums[i], nums[r]); //把主元放最后
return partition(nums, l, r); //进行划分,并返回主元的下标
}
//递归调用快速排序
void quickSort(vector<int>& nums, int l, int r) {
if(l < r) {
int pivotIdx = randomPartition(nums, l, r);
quickSort(nums, l, pivotIdx - 1);
quickSort(nums, pivotIdx + 1, r);
}
}
public:
vector<int> sortArray(vector<int>& nums) {
// srand((unsigned)time(NULL)); //随机数初始化
quickSort(nums, 0, nums.size()-1);
return nums;
}
};
快速选择
215. 数组中的第K个最大元素 - 力扣(LeetCode) (leetcode-cn.com)
class Solution {
public:
//快速选择主函数
int findKthLargest(vector<int>& nums, int k) {
int left = 0, right = nums.size()-1;
int targetIdx = nums.size() - k;
while(left < right) {
int pivotIdx = quickSelect(nums, left, right);
if(pivotIdx == targetIdx) return nums[pivotIdx];
else if(pivotIdx < targetIdx) {
left = pivotIdx + 1;
} else {
right = pivotIdx - 1;
}
}
return nums[left];
}
//划分函数
int quickSelect(vector<int>& nums, int left, int right) {
//随机选取枢轴元素
int pivotIdx = rand() % (right - left + 1) + left;
int pivot = nums[pivotIdx];
//数轴元素与最后一个元素交换位置
swap(nums[pivotIdx], nums[right]);
//i的左侧都是<=pivot的数字;j用于把<=pivot的元素交换位置
int i = left - 1, j = left;
//遍历
for( ; j <= right - 1; j++) {
if(nums[j] <= pivot) {
++i;
swap(nums[i], nums[j]);
}
}
//枢轴元素回归原位
swap(nums[i+1], nums[right]);
return i + 1;
}
};
堆排序
原理:将待排序元素建成大根堆,这样堆顶的元素就是最大元素,取堆顶元素与末尾元素交换,随后调整大顶堆,不断重复这一过程,就能得到一个降序序列。
步骤:
- 建堆:从len/2的位置开始不断进行调整(取最大值放在堆顶)
- 不断从堆顶取最大值放在当前长度下的数组末尾位置,缩小数组长度,并调整大顶堆
复杂度:
1. 时间复杂度:最好、平均、最差 都为O(n logn)
2. 空间复杂度:O(1)
class Solution {
private:
//调整大顶堆:将最大值放在堆顶,对应数组的nums[0]
void maxHeapify(vector<int>& nums, int i, int len) {
//i为当前结点下标,i*2+1为其左孩子
for( ; (i << 1) + 1 <= len; ) {
int leftChild = (i << 1) + 1; //堆中左孩子在序列中的下标
int rightChild = (i << 1) + 2;//右孩子
int large; //暂存较大值
//将当前结点分别与左右孩子比较:
//用large存储,当前结点和左孩子两者中较大者的下标
if(leftChild <= len && nums[leftChild] > nums[i])
large = leftChild;
else
large = i;
//两者中的较大者与右孩子比较
if(rightChild <= len && nums[rightChild] > nums[large])
large = rightChild;
//如果有比当前结点更大的点,那就将其放在当前结点的位置
if(large != i) {
swap(nums[large], nums[i]);
i = large;
} else
break;
}
}
//构建大顶堆
void buildMaxHeap(vector<int>& nums, int len) {
//对于一个堆,从len/2开始向前遍历
for(int i = len / 2; i >= 0; i--) {
maxHeapify(nums, i, len);
}
}
//堆排序
void heapSort(vector<int>& nums) {
int len = nums.size() - 1; //不是要统计长度,而是数组中末尾元素的下标
buildMaxHeap(nums, len);
//开始逐步取最大值放在当前长度下的末尾位置
for(int i = len; i >= 1; i--) {
swap(nums[i], nums[0]);
--len;
maxHeapify(nums, 0, len); //调整大顶堆,重新获取最大值放在堆顶
}
}
public:
vector<int> sortArray(vector<int>& nums) {
heapSort(nums);
return nums;
}
};