算法导论详解(6) 第七章 快速排序
快速排序简介
快排最坏情况 O(n2) ,但平均效率 O(nlgn) ,而且 O(nlgn) 隐含的常数因子很小,快排可以说是最快的排序算法,并非浪得虚名。另外它还是原址排序。
快速排序是基于分治模式的:
- 分解:数组A【p..r】被划分成两个(可能空)子数组A【p..q-1】和A【q+1..r】,使得A【p..q-1】中的每个元素都小于等于A(q),而且,小于等于A【q+1..r】中的元素。计算下标q也是划分过程中的一部分。
- 解决:通过递归调用快速排序,对子数组A【p..q-1】和A【q+1..r】排序。
- 合并:因为两个子数组是原址排序的,将它们的合并不需要操作:整个数组A【p..r】已排序。
快排的伪码:
其中对数组的划分:Partition
是快排算法的关键,,它对子数组A【p..r】进行原址重排)。
快速排序Python实现
def PARTITION(A, p, r):
x = A[r]
i = p - 1
for j in range(p, r): # not r-1, but r
if A[j] < x:
i = i + 1
A[i], A[j] = A[j], A[i]
A[r], A[i + 1] = A[i + 1], A[r]
return i + 1
def QUICKSORT(A, p, r):
if p < r:
q = PARTITION(A, p, r)
QUICKSORT(A, p, q - 1)
QUICKSORT(A, q + 1, r)
if __name__ == "__main__":
A = [2, 8, 7, 1, 3, 5, 6, 4]
QUICKSORT(A, 0, len(A) - 1) # all start from 0
for i in range(0, len(A)):
print(A[i], end=" ")
快速排序性能分析
当数据量很小的时候,大概就十来个元素的小型序列,快排的优势并不明显,甚至比插入排序慢。但是一旦数据多,它的优势就充分发挥出来了。
举一个例子,C++ STL
中的sort
函数,就充分发挥了快排的优势,并且取长补短,在数据量大时采用QuickSort
,分段递归排序。一旦分段后的数据量小于某个门槛,为避免QuickSort
递归调用带来过大的额外负荷,就改用插入排序。如果递归层次过深,还会改用HeapSort
(堆排序,第六章刚讲)。所以说,C++的“混合兵种”sort的性能肯定会比C的qsort好。
快排的运行时间与Partition的划分有关:
- 最坏情况是输入的数组已经完全排好序,那么每次划分的左、右两个区域分别为n-1和0,效率为 O(n2) .
- 而对于其他常数比例划分,哪怕是左右按9:1的比例划分,效果都是和在正中间划分一样快的(算法导论上有详细分析)
- 即,任何一种按照常数比例进行划分,总运行时间都是 O(nlgn) 。
快速排序的随机化版本
随机抽样(random sampling):从 A[p..r] 中随机选一个元素作为主元,而不是始终采用 A[r] 作为主元。
随机化的快排的伪码如下:
Python实现:
import random
def PARTITION(A, p, r):
x = A[r]
i = p - 1
for j in range(p, r): # not r-1, but r
if A[j] < x:
i = i + 1
A[i], A[j] = A[j], A[i]
A[r], A[i + 1] = A[i + 1], A[r]
return i + 1
def RANDOMIZED_PARTITION(A, p, r):
rand_i = random.random()
# print(round(a *(r - p)) + p)
rand_i = round(rand_i * (r - p) + p) # 区间的计算需要注意,否则不对
A[rand_i], A[r] = A[r], A[rand_i]
return PARTITION(A, p, r)
def RANDOMIZED_QUICKSORT(A, p, r):
if p < r:
q = RANDOMIZED_PARTITION(A, p, r)
RANDOMIZED_QUICKSORT(A, p, q - 1)
RANDOMIZED_QUICKSORT(A, q + 1, r)
if __name__ == "__main__":
A = [2, 8, 7, 1, 3, 5, 6, 4]
RANDOMIZED_QUICKSORT(A, 0, len(A) - 1) # all start from 0
for i in range(0, len(A)):
print(A[i], end=" ")
参考
- 算法导论 中文 第三版
- 【算法导论】排序 (三):快速排序 深入分析
- Python random() 函数