数据结构与算法之排序优化篇

一、如何选择合适的排序算法？

如果要实现一个通用的、高效率的排序算法，我们应该选择哪种排序算法?下面是几种常见排序算法。

前面的学习过，线性排序算法的时间复杂度比较低，适用的场景比较特殊。所以如果要写一个通用的排序函数，不能选择线性排序算法。

如果对小规模数据进行排序，可以选择时间复杂度是O(n^2)的算法；如果对大规模的数据进行排序，时间复杂度是O(nlogn)的算法更加高效。所以，为了兼顾任意规模数据的排序，一般都会首选时间复杂度是O(nlogn)的排序算法来实现排序。

对于时间复杂度是O(nlogn)的排序算法不止一个，我们已经讲过的有归并排序，快速排序，还有推排序。堆排序和快速排序都有比较多的应用，比如Java语言采用堆排序实现排序函数，C语言使用快速排序实现排序函数。

前面学习的过，快排在最坏的情况下的时间复杂度是O(n^2),而归并排序可以做到平均情况、最坏情况的时间下的时间复杂度都是O(nlogn),从这点上看，归并排序更加有优势，那为什么使用的少呢?

前面学习过，归并排序并不是原地排序算法，空间复杂度是O(n)。所以，夸张地讲，如果要排序100MB的数据，除了数据本身占用的内存之外，排序算法还要额外在占用100MB的内存空间，空间耗费就翻倍了。

前面学习过，快速排序比较适合来实现排序函数，但是，我们也知道，快速排序在最坏情况下的时间复杂度是O(n^2)，如何来解决这个"复杂度恶化"的问题呢？

二、如何让优化快速排序？

(1)、为什么最坏情况下快速排序的时间复杂度是O(n^2)呢？

如果数据原来就是有序的或者接近有序的，每次分区点都选择最后一个数据，那快速排序算法就会变得非常糟糕，时间复杂度就会退化为O(n^2)。实际上，这种O(n^2)时间复杂度出现的主要原因还是因为我们分区点不够合理。

(2)、如何让选择分区点？

最理想的分区点：被分区点分开的两个分区中，数据的数量差不多。

如果粗暴地直接选择第一个或者最后一个数据作为分区点，不考虑数据的特点，肯定会出现在某些情况下，排序的最坏情况时间复杂度是O(n^2)。为了提高排序算法的性能，我们也要尽可能地让每次分区都比较平均。

下面是两种比较常用、比较简单的分区算法；

1、三数取中法

我们从区间中的首、尾、中间，分别取出一个数，然后对比大小，取这3个数的中间值作为分区点。这样每间隔某一固定的长度，去除数据比较，将中间值作为分区点的分区算法，肯定要比单纯取某一个数据更好。但是，如果要排序的数组比较大，那"三数取中"可能就不够了，可能要"五数取中"或者"十数取中"。

2、随机法

随机法就是每次从要排序的区间中，随机选择一个元素作为分区点。这种方法并不能保证每次分区点都选的比较好，但是从概率的角度来看，也不大可能会出现每次分区点都选的很差的情况，所以平均情况下，这样选的分区点是比较好的。时间复杂度退化为最糟糕的O(n^2)的情况，出现的可能性不大。

通常，快速排序使用递归来实现的。我们在数据结构与算法之递归篇学习过，递归要警惕堆栈溢出。为了避免快速排序里，递归过深而堆栈过小，导致堆栈溢出，通常有两种方法：第一种是限制递归深度。一旦递归过深，超过了我们事先设定的阈值，就停止递归。第二种是通过在堆上模拟实现一个函数调用栈，手动模拟递归压栈、出栈的过程，这样就没有系统栈大小的限制。

举例分析排序函数

以C语言中的qsort()函数为例。虽然qsort()从名字上看，很像是基于快速算法实现的，实际上它并不仅仅用了快排这一种算法。

在源码中，qsort()会优先使用归并排序来排序输入数据，因为归并排序的空间复杂度O(n),所以对于小数据量的排序，比如1KB、2KB等，归并排序额外需要1KB、2KB的内存空间，这个问题不大。现在计算机的内存都挺大的，我们很多时候只求的是速度。

但是如果数据量太大，排序100MB的数据，这个时候再用归并排序就不合适了。所以要排序数据量比较大，qsort()会改用快速排序算法来排序。

那qsort()是如何选择快速排序算法的分区点呢？在源码中，qsort()选择分区的方法就是"三数取中"法。

对于前面学的递归太深会导致堆栈溢出的问题，qsort()是通过自己实现一个堆上的栈，手动模拟递归来解决。

实际上，qsort()并不仅仅是用到归并排序和快速排序，他还用到插入排序。在快速排序的过程中，但要排序的区间中，元素的个数小于等于4时，qsort()就退化为插入排序，不再继续用递归来做快速排序，因为在小规模数据面前，O(n^2)时间复杂度的算法并不一定O(nlogn)的算法执行时间长，举例分析：

假设K=1000,c=200，当我们对小规模数据( 比如=100)排序时，n^2的值实际上比knlogn+c还要小。

所以，对于小规模数据的排序，O(n^2)的排序算法并不一定比O(nlogn)排序算法执行的时间长。对于小数据量的排序，我们选择比较简单，不需要递归的插入排序算法。

其次，在qsort()插入排序的算法实现中，也利用了这种编程技巧。

---

扫码关注微信公众号，欢迎技术交流，其中含有大量免费的人工智能、图像处理、IT资料：