快速排序与随机化快排运行速度实验比较

目录

快速排序与随机化快速排序. 2

快速排序. 2

随机化快速排序. 3

快排与随机化快排性能分析. 4

不同配置的计算机运算效果. 4

不同初始序列对快速排序的影响. 7

数据相对于其多运算的平均值的波动. 11

总结. 13

问题与不足. 13

参考文献. 13

快速排序与随机化快速排序

在计算机科学与数学中，一个排序算法（英语：Sorting algorithm）是一种能将一串数据依照特定排序方式进行排列的一种算法。最常用到的排序方式是数值顺序以及字典顺序。有效的排序算法在一些算法（例如搜索算法与合并算法）中是重要的，如此这些算法才能得到正确解答。排序算法也用在处理文字数据以及产生人类可读的输出结果。基本上，排序算法的输出必须遵守下列两个原则：

1、       输出结果为递增序列（递增是针对所需的排序顺序而言）

2、       输出结果是原输入的一种排列、或是重组

虽然排序算法是一个简单的问题，但是在计算机数据处理上发挥了很大的作用，从计算机科学发展以来，在此问题上也已经有大量的研究。[1]

快速排序

快速排序用到了分治思想，同样的还有归并排序。乍看起来快速排序和归并排序非常相似，都是将问题变小，先排序子串，最后合并。不同的是快速排序在划分子问题的时候经过多一步处理，将划分的两组数据划分为一大一小，这样在最后合并的时候就不必像归并排序那样再进行比较。但也正因为如此，划分的不定性使得快速排序的时间复杂度并不稳定。[2]

快速排序的期望复杂度是O(nlogn)，但最坏情况下可能就会变成O(n^2)，最坏情况就是每次将一组数据划分为两组的时候，分界线都选在了边界上，使得划分了和没划分一样，最后就变成了普通的选择排序了。

快速排序使用分治法（Divide and conquer）策略来把一个序列（list）分为两个子序列（sub-lists）。

步骤为：

1、从数列中挑出一个元素，称为"基准"（pivot），

2、重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区结束之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。

3、递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会结束，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。[3]

 

选定基准：最后一个元素。

排序分区：

递归：

随机化快速排序

当输入序列为有序时，快排的时间复杂度最大，效率最低，为了使快排在任何序列中，效率始终处于最优，引入随机化的思想。随机化即是随机地选择主元，使其运行时间不依赖于输入序列的顺序。

经分析， 随机化快排的算法效率是Θ(nlgn)。

实现：我们只需在选取主元时加入随机因素即可。其他与快排一样。

<