快速排序

快速排序的核心思路

  • 快速排序利用了分治算法的思想。分治算法即分而治之,将一个大问题分解成小的子问题并逐个解决,小的子问题解决了,大问题也就解决了。
  • 快速排序的核心思路:在要排序的数组中下标p到r的数据。我们则选择p到r的之间的任意一个数据作为pivot(分区点),然后遍历p到r的数据,将小于pivot的放在左边,将大于或等于pivot的放在右边,将pivot放在中间。经过这一步骤的操作后,就将p到r的数据分成了3个部分。假设pivot的坐标为q,则p到q-1的下标的数据都小于pivot,中间是pivot,q+1到r的数据都大于或等于pivot。将分割开的两个数据继续用这样的操作进行分区,直到待排序区间大小为1,则数据中所有的数据都有序了。

快速排序的操作流程

  • 假设我们要对一个数组a[10]的数据进行排序。首先先选择一个分区点pivot,我们可以选择数组的第一个元素为pivot.i表示数组的第一个元素的下标0,j表示数组最后一个元素的下标n-1,即9.
  • 取a[i]与pivot进行比较,如果a[i]<=pivot,则i++,继续取a[i]与pivot进行比较。如果a[i]>pivot,则将a[i]和a[j]进行位置交换。
  • 交换之后取a[j]与pivot进行比较,如果a[j]>=pivot,则j--,继续取a[j]和pivot进行比较。如果a[j]<pivot,则将a[j]和a[i]进行位置交换。
  • 交换之后继续按照步骤二和步骤三的要求进行操作。直到i=j,将pivot放置再a[i]的位置。则第一次的分区完成。此时数组分为了三部分a[0..i-1],a[i],a[i+1...n-1]。
  • 再分别对前后两部分的数组进行选择分区点,比较大小交换位置的操作。直到分出来的前后两个部分都只有1个元素时,排序就结束了。

快速排序的相关

  • 快速排序是原地排序算法,不是稳定排序算法。
  • 快速排序的平均时间复杂度是O(nlogn)。
  • 快速排序算法的优化主要是在选择合理的分区点上。如果分区点选择的不合理,快速排序的时间复杂度会退化成O(n²)。因此选择合理的分区点是比较重要的。主要有两种方式选择分区点。1.三数取中法。即从区间首,尾,中分别取一个数据,比较大小,取中间值为分区点。也可以五数取中,十数取中。2.随机法。即随机取一个元素作为分区点。
  • 快速排序是用递归实现的。要警惕递归堆栈溢出。如何避免递归层次过深导致堆栈溢出,一般有两种方法。1.限制递归深度,一旦超过事先设定的递归深度阈值,就停止递归,改为其他排序方法。2.自己模拟实现一个函数调用栈,手动模拟递归压栈,出栈的过程。

快速排序的代码简单实现

- (void)quickSort
{
    NSMutableArray *numberArray = [NSMutableArray arrayWithArray:@[@5,@1,@6,@2,@4,@3]];
    
    NSLog(@"排序之前的结果:%@",numberArray);
    
    [self quickwithArray:numberArray withLow:0 withHigh:(int)numberArray.count-1];
    
    
    NSLog(@"排序之后的结果:%@",numberArray);
}

- (void)quickwithArray:(NSMutableArray *)array withLow:(int)low withHigh:(int)high
{
    if (low<high) {
        
        int pivot = [self quickPartitionwithArray:array withLow:low withHigh:high];
        
        [self quickwithArray:array withLow:low withHigh:pivot-1];
        
        [self quickwithArray:array withLow:pivot+1 withHigh:high];
        
    }
}

- (int)quickPartitionwithArray:(NSMutableArray *)array withLow:(int)low withHigh:(int)high
{
    NSNumber *pivotKey = array[low];
    
    while (low<high) {

        while (low<high && [array[high] intValue] >= [pivotKey intValue]) {
            
            high--;
        }
        
        array[low] = array[high];
        
        while (low<high && [array[low] intValue] <= [pivotKey intValue]) {
            
            low++;
        }
        
        array[high] = array[low];

    }
    
    array[low] = pivotKey;
    
    return low;
}

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 195,898评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,401评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 143,058评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,539评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,382评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,319评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,706评论 3 386
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,370评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,664评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,715评论 2 312
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,476评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,326评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,730评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,003评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,275评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,683评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,877评论 2 335

推荐阅读更多精彩内容