快速排序的空间复杂度_面试中的快速排序

面试的原则有重要的一条，如果题目简单的话，那么你就要比其他求职者答得更出色。快速排序大家都准备过，所以需要比其他人了解得更多。常见的面试问题有：

1. 快速排序的最好和最坏时间复杂度是多少？如何计算的？
2. 什么情况下会出现最坏情况？
3. 手写快速排序
4. 快速排序是稳定的吗？
5. 如何优化快速排序？编程语言是如何实现快速排序的？

1. 快速排序的最好和最坏时间复杂度是多少？如何计算的？

算法	平均时间	最好时间	最坏时间	空间
快速排序	O(n * log(n))	O(n * log(n))	O(n^2)	O(log(n))

除了快速排序，像插入排序，堆排序，桶排序的时间复杂度也是高频的面试题。那么怎么计算的呢？算法的时间复杂度等于所有子步骤的时间复杂度之和，快速排序的效率取决于数组划分是否平衡，即依赖于主元（pivot）的选择。最好的情况，假设主元每次都恰好是待排序数组的中位数，能够把待排序数组平衡地划分为两个相近长度的子数组。我们可以使用递归树的方法来计算。可以看到在每一次递归中，一方面数组长度变小，另一方面数组数量变多，但是每层的总时间复杂度和不变。（ n 为数组的长度）

递归树	每层总时间
1. T(n)	O(n) （主元划分数组的时间）
2. T(n/2) T(n/2)	O(1/2 n) * 2 = O(n)
3. T(n/4) T(n/4) T(n/4) T(n/4)	O(1/4 n) * 4 = O(n)

我们可以看到每一层划分数组的时间都为 O(n)，这棵树共有 log(n) 层，所以总的时间复杂度是 O(nlog(n))

2. 什么情况下会出现最坏情况？

如果每次选择的主元都是待排序数组的极值，那么递归树会变成：

递归树	每层总时间
1. T(n)	O(n) （主元划分数组的时间）
2. T(1) T(n-1)	O(n-1)
3. T(n-2)	O(n-2)

我们可以看到每一层划分数组的时间都近似为 O(n)，这棵树共有 n 层，所以总的时间复杂度是 O(n^2)

3. 手写快速排序

快速排序有非常多种实现方式，面试中比较推荐的是常规的原址排序，大家都应该背下来。不过，如果你在面试中突然忘记怎么写，或者头脑发胀写不出来，那么这里我推荐一个非常容易实现的备选方案，这个方案使用更多的空间，但是绝对不会写错。

quickSort(array):
    if array.length == 0:
        return []
    pivot = array[0]
    // 使用额外的空间来存储大于或者小于等于 pivot 的元素
    bigger = []
    smaller = []
    for j = 1 to array.length:
        if array[j] > pivot:
            bigger.append(array[j])
        else:
            smaller.append(array[j])
    return quickSort(smaller) + [pivot] + quickSort(bigger)

4. 快速排序是稳定的吗？

看具体实现，通常版本的快速排序是不稳定的，但是如果我们需要稳定的快速排序的话，可以使用额外的空间实现。

5. 如何优化快速排序？编程语言是如何实现快速排序的？

快速排序有着非常悠久的历史（1962年到今天），经过时代的变迁大家也研究出非常多的变形和优化方式，你需要有足够的好奇心才能把这个问题回答好，常见的方法包括

1. 随机化

在快速排序最开始的时候先对数组进行随机化，攻击者无法通过构造一种特殊的输入来触发快速排序的最坏情况。

2. 混合排序

插入排序的最佳时间复杂度是 O(n)，当数组长度少于一定长度的时候，我们可以使用插入排序。

3. 更聪明地选择主元

有非常多选择的方法，例如中位数法，为了不要选到待排序数组的极值，可以选择该数组的首，中间，尾数字，然后取其中位数作为主元，

4. 双主元排序

与单主元的本质思想是一样的，不过使用了双主元把待排序数组划分为三部分而不是两部分。

5. 实际应用

Java 7 使用了双主元排序，Golang 的快速排序综合了 2，3，4 三种方法，在小数据的时候会使用插入排序以及希尔排序，为了避免大数据的栈溢出所以也使用了堆排序，一般的情况下，Golang 会使用双主元的快速排序。

总结

现在你对快速排序应该有更深的了解，也知道面试的常考题目以及回答方向，如果有兴趣，可以自行分析源码，希望你能从中获得更多的乐趣。