代码实现:
#include<iostream>
using namespace std;
int Partition(int a[],int low,int high){
int i=low,j=high,pivot=a[low];
while(i<j){
while(i<j&&a[j]>=pivot){//从右往左扫描
j--;
}
if(i<j){
swap(a[j],a[i++]);//交换a[i],a[j]后,i+1开始从左往右扫描
}
while(i<j&&a[i]<=pivot){
i++;
}
if(i<j){
swap(a[i],a[j--]);
}
}
return i;
}
void quickSort(int a[],int low,int high){
if(low<high){
int mid=Partition(a,low,high);
quickSort(a,low,mid-1);
quickSort(a,mid+1,high);
}
}
int main(){
int n;
cin>>n;
int *a=new int[n];
for(int i=0;i<n;i++){
cin>>a[i];
}
quickSort(a,0,n-1);
for(int i=0;i<n;i++){
cout<<a[i]<<" ";
}
return 0;
}
最好情况:
时间复杂度:
n=1,T(n)=O(1);
n>1,
T(n)=2T(n/2)+O(n) //扫描一次全数组确定pivot的最终位置,与此同时划分出两个规模为n/2的子问题(理想情况)=2[2T(n/4)+O(n/2)]+O(n)=4T(n/4)+2O(n)=8T(n/8)+3O(n)=…=2xT(n/2x)+xO(n)
令n=2x,T(n)=O(nlogn)。
空间复杂度:想象一下满二叉树 O(logn)。
最坏情况:
时间复杂度:
n=1,T(n)=1;
n>1,T(n)=T(n-1)+O(n)=T(n-2)+O(n-1)+O(n)=…=T(1)+O(2)+O(3)+…+O(n)=O(n(n+1)/2)近似O(n2)。
空间复杂度:想象一下只有左子树或者只有右子树的二叉树O(n)。
优化策略:
最初算法是每次向左扫描,找到一个大于pivot的元素就交换一次;每次向右扫描,找到一个小于pivot的元素就交换一次。
为了减少元素交换的次数,我们可以等同时从左找到大于pivot的数和从右找到小于pivot的数,再进行一次交换。直到i,j相遇 相遇节点前的数都比pivot小,相遇节点后的数都比pivot大。 判断相遇节点与pivot之间大小来确定基准元素位置。
int Partition2(int a[],int low,int high){
int i=low,j=high,pivot=a[low];
while(i<j){
while(i<j&&a[j]>=pivot){//从右往左扫描 j右边的元素(也就是j扫描过的元素)是比基准元素大的
j--;
}
while(i<j&&a[i]<=pivot){//从左往右扫描 i左边的元素(也就是i扫描过的元素)是比基准元素小的
i++;
}
if(i<j){
swap(a[i++],a[j--]);
}
}
//i,j相遇 相遇节点前都是比pivot小,相遇节点后都是比pivot大
if(a[i]>pivot){//相遇节点比pivot大 不能放在前面
swap(a[i-1],a[low]);
return i-1;
}
swap(a[i],a[low]);
return i;
}