快速排序——学习笔记

早已听过快排的大名，今天去学了快排的两种实现方式，简单记一下笔记

主算法

快排和归并排序均为分而治之，快排也是将原序列划分为两个规模更小的子序列，然后递归地进行排序，但与归并排序不同的是，快排在划分子序列的时候要求：前一序列中的任何元素都不得超过后一序列中的各个元素。因此，在对前一子序列和后一子序列进行排序之后，只需简单将二者串接起来，原序列自然有序。
平凡解（递归基）：只剩单个元素时，本身就是有序的解。
因此mergesort的计算量和难点在于合，而quicksort在于分

轴点

引入轴点（pivor） 的概念：左/右侧的元素，均不比它更大/小

图摘自清华大学数据结构慕课电子讲义

以轴点为界，原序列的划分自然实现：
$[lo,hi)=[lo,mi)+[mi]+(mi,hi)$
注意，每次将mi找到后，均不再将其划分到前缀或后缀中去，而是将其位置固定住。

void quicksort(int lo, int hi)
{
	if (hi - lo < 2)	//单元素区间自然有序
		return;
	int mi = partition(lo, hi);		//先构造轴点，再
	quicksort(lo, mi);		//[lo, mi)前缀排序
	quicksort(mi+1, hi);	//[mi+1, hi)后缀排序	
							//注意轴点找出便不再去动它，因此这里两个递归都不包含已找出的轴点mi
}

在有序序列中，所有元素皆为轴点，反之亦然
因此，快速排序就是将所有元素逐个转换为轴点的过程

快速划分：LUG版

算法流程

1. 任取一个元素作为候选轴点，将其与首元素互换位置，并记录下该轴点的值。记录之后，lo可在逻辑上看做空闲状态
2. 从hi-1开始，逆序依次与轴点比较，若不小于轴点，则令hi–，即将该元素归入G中。直到末元素hi不满足此条件，将该元素移至空闲单元lo中（因为此时lo在逻辑上被看做空闲状态，因此可直接赋值，而不用调用swap），赋值完毕后单元hi变为空闲。转入步骤3
3. 若首元素lo不大于轴点，则令lo++，即将该元素归入子序列L中。直到首元素lo不满足此条件，同样将该元素的值存入单元hi中，此时单元lo变为空闲。转入步骤2
4. 通过在外层叠加一层循环while(lo<hi)，反复执行2、3两步骤。直到lo=hi时，退出循环，此时只剩下空闲单元lo，将记录好的轴点数值放入单元lo中，并返回轴点的秩lo

在以上过程当中，始终保持如下不变性：
$L\le pivot\le G$；$U=[lo,hi）$中，单元$[lo]$和$[hi]$交替空闲

int partition1(int lo, int hi)		//[lo, hi)
{
	swap(nums[lo], nums[lo + rand() % (hi - lo)]);
	int pivot = nums[lo];
	hi--;
	while (lo < hi)
	{
		while ((lo < hi) && (pivot <= nums[hi]))
			hi--;
		nums[lo] = nums[hi];		//由于这种版本当前将lo位置视为逻辑上的空闲位置，所以才能直接复制；其他算法需用swap交换二者
		while ((lo < hi) && (nums[lo] <= pivot))
			lo++;
		nums[hi] = nums[lo];		//由于这种版本当前将hi位置视为逻辑上的空闲位置，所以才能直接复制；其他算法需用swap交换二者
	}
	nums[lo] = pivot;
	return lo;
}

性能分析

算法不稳定（unstable），就地算法（in-place algorithm）

• 空间：O(1) 附加空间
• 时间：单次partition算法为O(n)，而总体上：
  -最好：每次划分都（接近）平均，轴点总是（接近）中央：$T(n)=2T((n-1)/2)+O(n)=O(nlogn)$
  最坏：每次划分都极不均衡（比如轴点总是最小/最大元素）：$T(n)=T(n-1)+T(0)+O(n)=O(n^2)$
  平均：$O(nlogn)$

为降低最坏情况出现的概率，每次采用随机选取轴点的方法；或每次选取三个元素，选择数值居中的元素（三者取中）。但这些策略也只能降低最坏情况的概率，而无法杜绝

快速划分：LGU版

算法流程

将整个区间划分为四个区间：
$S=[lo,hi)=[lo]+(lo,mi]+(mi,k)+[k,hi)=pivot+L+G+U$
$L<pivot<G$

图摘自清华大学数据结构慕课电子讲义

1. 任取一个元素作为候选轴点，将其与首元素互换位置，并记录下该轴点的值。初始令mi=lo
2. k从lo+1开始， 从左向右考察每一个[k]：若[k]严格小于轴点，则将其内元素与[mi]内元素交换（注意此处是交换swap，不能像上一个版本那样直接赋值！！！），即L向右拓展，然后k++；否则直接将k++，即G向右拓展
3. 线性扫描完成后，区间划分为L和G两个区间，此时将位于区间起始位置lo处的轴点与L区间末尾元素[mi]交换（swap[]），使轴点归位。返回轴点的秩mi

性能分析

就地算法，依旧不稳定

• 空间：O(1) 附加空间
• 时间：单次partition算法为O(n)，而总体上
  -最好：每次划分都（接近）平均，轴点总是（接近）中央：$T(n)=2T((n-1)/2)+O(n)=O(nlogn)$
  -最坏：每次划分都极不均衡（比如轴点总是最小/最大元素）：$T(n)=T(n-1)+T(0)+O(n)=O(n^2)$
  -平均：O(nlogn)