快速排序——思想和分析

思想

本质上和归并差不多，都是以分而治之的方式来解决问题，将一个大问题划分成相同类型的几个小问题，然后不断递归下去达到问题的最小（每一组只有一个数据）最后将每一个小的排序合在一起，整个数据就是有序的了。

那同样是分治的归并排序，为什么快排就敢叫这个名？（快排应该就是目前排序最快的了）
快排的一个优点就是在合并的时候，不需要再次进行归并，（归并排序中到了合并的环节需要o(n)来将得到的两个子序列合并为有序），而且是原址修改即可。（归并还要单独的数组）

交换

之前提过了可以在原址上进行排序，不需要合并，那么说明肯定分段的时候前面的数据都小于后面的数据，那就需要一个交换的过程了。

交换我们采取的是在片段中选取一个特殊值，来作为交换的依据，而这个值的选择也是有门道的。
书上给了两种方式：

• ( A[i].key，A[(i+j)/2].key, A[j].key的中值 )
• 从A[i].key 到 A[j].key 最先找到的两个不同关键字
  中的最大的。
  （上面这些都需要额外写一个函数来求合适的值）

当然了，要是不想选，简单粗暴的选一个片段的第一个或者最后一个元素，不能说不是快排吧。（所以我下面就先拿片段的最后一个元素的值用着）
伪代码：（A为数组名，也没考虑结构体数组什么）

PARTITION(A,p,r)//数组、片段的首尾
x = A[r];//特殊值
i = p-1;
for j = p to r-1
	if A[j] <= x
		i++;
		swap(A[i],A[j]);
swap(A[i+1],A[r]);
return i+1;

实例：A=28713564，传入PARTITION(A,1,len(A))
A[0]不存储，len(A)为元素个数
首先x = 4,i = 0;
第一个元素就需要交换，但是相当于没有交换
然后一直到第四个数据1，要和8交换；
接下来是3，然后结束，得到下面的图片（蓝色标记为i所在的位置）

然后i+1也就是第四个位置的7和x，也就是最后一个数据4交换，变成：
2134 8567，很好的将大于x和小于x的数据区分开，然后将i+1位置返回，就是割点了。
然后将得到的两个小问题继续递归调用函数，直到每一组只剩下一个元素。

拓展
快排主要是需要选择一个合适的数据，进行粗略的分类然后将大小两部分递归调用函数最后实现排序，当然方法很多种。提过了选择合适数据的几种方式，我们再说一下进行交换的方式：

• 一个下标从头开始找比特殊值大的数据，另一个从最后开始找比特殊值小的数据，进行交换，然后进行下一组……
• (i,j)的片段中先存储i的值，设为x，然后从j开始向前找第一个小于x的值，将这个值赋值给i，然后从i向后走，找到第一个大于x的值，存储到j中，然后j继续向前走……最后ij相遇，将x赋值给A[i]即可。

第二种不是很好理解，还是刚才的例子2 8 7 1 3 5 6 4，这次先拿2出来存上。
j从最后开始，第一个比2小的是1，将1放在i的位子上，然后i向后找到8，放在j上……

最后他们在第二位相遇，将这一位换成存储的x，返回分割点i即可。

分析

快排和归并相比，多了一步交换，但是省下了最后的合并过程，相对于时间上会省。
和归并一样，时间复杂度都是O(nlogn)
【现在才知道我们不写对数的底数不单纯是因为默认为2，是时间复杂度上loga和logb相差只有一个常数（换底公式），完全可以忽略】

每一个子划分需要耗费的时间是O(n)，所以我们需要知道树高才能求时间复杂度（当我前面没说是nlogn行吧）

第一种方式下的快排以树的形式写出：（丑了亿点点）

其实这样还不是很明显，要是这样：

看起来是不是熟悉了很多？没错就是那个二叉排序树
安利一波之前的博客讲二叉排序树的。

最好情况

都说了看树高，最好的就是平衡二叉树，极端一点就是满二叉树或者完全二叉树，那么树高就是nlogn

最差情况

树高最大，那就是每一个结点都一个孩子：

那么此时每一层都是n，然后是n层，O(n^2)和基本排序就没什么区别了。
而我们的堆排序和归并排序来说，都能做到上界为o(nlogn)，这里快排略显不足。

一般情况来说，快排平均起来还是在O(nlogn)的，并且尾项还是很小的，一般情况还是很快的。

比较排序算法的复杂度下界

和之前的二叉查找树（排序树）差不多，分治策略的排序算法都可以构成一棵树，而基本的交换排序算法在比较的过程中可以实现一个决策树：

所以我们目前可以知道，分析交换类算法的复杂度下界可以通过考虑树来实现，
并且我们知道每层的代价都是o(n)
所以树高决定下界，最好的树高也就是logn了，所以对于任何基于比较的排序算法，nlogn就是极限了。