• C/C++ Quick Sort Algorithm



    本系列文章由 @YhL_Leo 出品,转载请注明出处。
    文章链接: http://blog.csdn.net/yhl_leo/article/details/50255069


    快速排序算法,由C.A.R.Hoare于1962年提出,算法相当简单精炼,基本策略是随机分治。首先选取一个枢纽元(pivot),然后将数据划分成左右两部分,左边的大于(或等于)枢纽元,右边的小于(或等于枢纽元),最后递归处理左右两部分。分治算法一般分成三个部分:分解、解决以及合并。快排是就地排序,所以就不需要合并了。只需要划分(partition)和解决(递归)两个步骤。因为划分的结果决定递归的位置,所以Partition是整个算法的核心。快速排序最佳运行时间O(nlogn),最坏运行时间O(n2),随机化以后期望运行时间O(nlogn)

    首先来看一段升序快速排序算法的实现代码:

    #include <iostream>
    
    using namespace std;
    
    void quickSort(int arr[], int first, int last);
    void printArray(int arr[], const int& N);
    
    void main()
    {
        int test[] = { 1, 12, 5, 26, 7, 14, 3, 7, 2 };
        int N = sizeof(test)/sizeof(int);
    
        cout << "Size of test array :"  << N << endl;
    
        cout << "Before sorting : " << endl;
        printArray(test, N);
    
        quickSort(test, 0, N-1);
    
        cout << endl << endl << "After sorting : " << endl;
        printArray(test, N);
    }
    
    /**
     * Quicksort.
     * @param a - The array to be sorted.
     * @param first - The start of the sequence to be sorted.
     * @param last - The end of the sequence to be sorted.
    */
    void quickSort(int arr[], int left, int right) 
    {
        int i = left, j = right;
        int tmp;
        int pivot = arr[(left + right) / 2];
    
        /* partition */
        while (i <= j) 
        {
            while (arr[i] < pivot)
                i++;
            while (arr[j] > pivot)
                j--;
            if (i <= j) 
            {
                tmp = arr[i];
                arr[i] = arr[j];
                arr[j] = tmp;
                i++;
                j--;
            }
        }
    
        /* recursion */
        if (left < j)
            quickSort(arr, left, j);
        if (i < right)
            quickSort(arr, i, right);
    }
    
    /**
     * Print an array.
     * @param a - The array.
     * @param N - The size of the array.
    */
    void printArray(int arr[], const int& N)
    {
        for(int i = 0 ; i < N ; i++)
            cout << "array[" << i << "] = " << arr[i] << endl;
    } 

    1 划分(Partition)

    划分分为两个步骤:

    • 选取枢纽元
    • 根据枢纽元所在位置将数组分为左右两部分

    1.1 选取枢纽元

    所谓的枢纽元,也就是将数组分为两部分的参考元素,选取的方式并不唯一。对于完全随机的数据,枢纽元的选取不是很重要,往往可以直接选取数组的初始位置的元素作为枢纽元。但是实际中,数据往往是部分有序的,如果仍然使用数组两端的数据作为枢纽元,划分的效果往往不好,导致运行时间退化为O(n2)。因此,这里给出的代码就是选取数组中间位置元素:

    int pivot = arr[(left + right) / 2];

    也有三数取中的方法、随机选取法等。

    1.2 根据枢纽元分为左右两部分

    上文算法代码使用的是Hoara的双向扫描方法:

    /* partition */
    while (i <= j) 
    {
        while (arr[i] < pivot)
            i++;
        while (arr[j] > pivot)
            j--;
        if (i <= j) 
        {
            tmp = arr[i];
            arr[i] = arr[j];
            arr[j] = tmp;
            i++;
            j--;
        }
    }

    除此以外还有单向扫描,双向扫描(区别于Hoara的方法)以及改进的双向扫描等。

    1.3 关于双向扫描的思考

    • 内层循环中的while循环条件是用<=/>=还是</>
      • 一般的想法是用<=/>=,忽略与枢纽元相同的元素,这样可以减少不必要的交换,因为这些元素无论放在哪一边都是一样的。但是如果遇到所有元素都一样的情况,这种方法每次都会产生最坏的划分,也就是一边1个元素,令一边n1个元素,使得时间复杂度变成O(n2)。而如果用严格</>,虽然两边指针每此只挪动1位,但是它们会在正中间相遇,产生一个最好的划分。
      • 也有人分析,认为内循环使用严格</>,可以减少内循环。
      • 因此,建议内循环使用</>
    • 小数组的特殊处理
      • 按照上面的方法,递归会持续到分区只有一个元素。而事实上,当分割到一定大小后,继续分割的效率比插入排序要差。由统计方法得到的数值是50左右,也有采用20的,这样quickSort函数就可以优化成:
    void newQuickSort(int arr[], int left, int right, int thresh)
    {
        if(right - left > thresh)
        {
            // quick sort for large array
            quickSort(arr, left, right);
        }
        else
        {
            // insertion sort for small array
            insertionSort(arr, left, right);
        }
    }

    2 递归(Recursive)

    即重复上述的划分(Partition)操作,最底层的情形是数列的大小是0或者1。快速排序算法和大多数分治排序方法一样,都有两次递归调用,但是快速排序的递归在函数尾部,因此可以实施尾递归优化,从而缩减堆栈的深度,减少算法的时间复杂度。

    最后,贴上前文代码运行的过程:


    参考文献

  • 相关阅读:
    在Ubuntu下安装TensorFlow-gpu版本
    ubuntu安装和卸载软件命令
    Window7通过Anaconda安装Tensorflow
    Kaggle Titanic Data Science Solutions
    CNN、RNN和DNN的区别
    卷积神经网络介绍
    大数据随想
    golang omitempty 总结
    LeetCode 856 递归思路详解
    安装Nginx的各种报错的解决
  • 原文地址:https://www.cnblogs.com/hehehaha/p/6332205.html
Copyright © 2020-2023  润新知