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:
- 快速排序的最好和最坏时间复杂度是多少?如何计算的?
- 什么情况下会出现最坏情况?
- 手写快速排序
- 快速排序是稳定的吗?
- 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
- 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。