算法-排序-快速排序(QuickSort)分析

关注

原创最新推荐文章于 2026-03-01 03:35:07 发布 1k 阅读 AI 写同款· GEO 优化 ›

超级快排:Ultra-QuickSort 刚开始看到这道题的时候，我就觉得很简单啊，不就是求逆序对吗，于是，我写了一个特殊的bubble（就是冒泡排序，因为要计数，所以不能用STL库里面的sort），果然，超时了！（因为超时过于严重，所以就不发图片了）阅读详情

题目：算法-排序-快速排序(QuickSort)分析

摘要：

此文介绍了快速排序的算法以及基本分析，最后总结。

此系列文均为方便日后重复粗略查看时不必翻看书籍。

http://jackaldire.com/200908/quick-sort-analysis/ 快速排序详细分析 


给出了非常详细的PARTITION时各种扫描方式， 以及介绍分治时尾递归的方式。


值得学习

简要介绍

快速排序通过划分数组为分别大于和小于key的两个连续部分，进而递归实现排序。

它的特点包括：

1. 就地排序(in place): 不需要更多的内存空间

2. 递归调用：思路简单

运行时间：

1. 最坏情况，

2. 平均情况，而且隐含的常数因子很小。（何谓隐含的常数因子？…， TO BE IDTENDIFIED）

算法过程

Quick Sort过程 ([2],P85)

QUICKSORT(A , p , r )

1 if p < r

2 then q ← PARTITION(A , p , r )

3 QUICKSORT(A , p , q - 1)

4 QUICKSORT(A , q + 1, r )

Quick Sort中用到的PARTITION过程 ([2],P85)

PARTITION(A , p , r )

1 x ← A [r ]

2 i ← p - 1

3 for j ← p to r - 1

4 do if A [j ] ≤ x

5 then i ← i + 1

6 exchange A [i ] ↔ A [j ]

7 exchange A [i + 1] ↔ A [r ]

8 return i + 1

下图([2] 图7-2)非常好的描述了PARTITION过程中数组元素的位置分布情况。

下面简单介绍一下PARTITION的循环中某一次的数据编排方式：

IF (Array[j] > x,

j++

ELSE

                    i++, j++,

                    exchange Array[i] <-> Array[j-1]

算法简单分析

算法简单分析中，将着重以传达意思为主，不会涉及严格的数学公式证明。











注意：每次划分n个元素的时间代价为 thet(n). 不论划分结果如何.











假设对n个元素排序所需时间为 T(n)























最坏情况：










最坏情况为划分的两个区域分别包含 n-1 个 和 0 个元素，





即：每次划分选取的基准都是当前无序区中关键字最小（或最大）的记录。





这样接下来的n-1个元素划分的时间为T(n-1)。











这样我们得到











T(n)=T(n-1)+thet(n)











看到这个公式，根据基本概念，可以知道其复杂度为thet(n平方). 当然也可以通过[2]中的主定理证明。











思考：如果输入数据已经排好序，不论正序或者倒序，都将造成最坏情况。























最佳情况：










最佳情况为两个区域个包含 n/2个元素，这样











T(n)=2T(n/2)+thet(n)











再由主定理 复杂度为 thet(nlgn)



































思考1：merge sort的公式为T(n) = 2 T(n/2) + thet(n), 其时间复杂度为 thet( n * log n ). 为什么不直接使用merge sort？ 











因为merge sort需要太多的memory。











思考2：这里，我们一定要有这样的思维，目前我们碰到的merge sort, quick sort都出现了T(n) = T ( an+b ) + thet(n)类似的公式。











也就是说，有可能大部分简单的排序算法都可以通过分而治之(divide and conquer), 分步法等简要直白的方式，将问题简化为此类公式。











此公式方便的打开了算法分析之门。











思考3：merge sort最大可能使用多少内存？TODO


































我们知道，我们无法决定每次划分的情况。但是我们知道只要每次划分出现一定随机化分布，就会得到比较好的划分结果，至少不会最差。











我们通过每次选择参照的元素时，不直接选取最后一个，而是随机选取（random sampling)，就可以轻易达到效果。











同时，不用担心对原有PARTITION程序的乖动，我们只要在随机选取后，将随机样本与数组最后元素交换位置即可。











如下：











RANDOMIZED-PARTITION(A, p, r)











1. i <- RANDOM(p, r)











2. exchange A[r] <-> A[i]











3. PARTITION(A, p, r)























RANDOMIZED-QUICKSORT(A, p, r)











1. if p < r











2. then q <- RANDOMIZED-PARTITION(A, p, r)











3.         RANDOMIZED-PARTITION(A, p, q-1)











4.         RANDOMIZED-PARTITION(A, q+1, r)



































算法进一步分析






















TODO

总结

TODO。

参考文献：

[1]. 算法分析导论 Section1.4平均情形分析，1.5例：快速排序的分析

[2]. 算法导论,CH，V2，  Chapter 7 快速排序

收录于

算法与数据结构

标签

#算法 #exchange #merge #random

本内容遵循 CC 4.0 BY-SA 版权协议

Ultra-QuickSort 如果题目中的“Ultra-QuickSort”指的是某种更高效的排序算法，则此代码可能无法正确模拟。但根据题目的描述，这个算法仅通过交换相邻元素进行排序，所以以上代码应该符合题意。请注意，真正的快速排序通常不会按照这种方式（只交换相邻元素）进行操作，其交换元素的距离可能远大于相邻位置。实际的快速排序平均时间复杂度为O(n log n)，而上述代码的时间复杂度是O(n^2)。由于题目中没有具体说明Ultra-QuickSort算法的具体实现细节，我们将假设它始终将较小的元素交换到前面（类似于冒泡排序）。阅读详情