赞
踩
将一个规模为n的问题分解为k个规模较小的子问题,这些子问题互相独立且与原问题相同。递归的解决这些子问题,然后将各个子问题的解合并得到原问题的解。
原链接:https://blog.csdn.net/haelang/article/details/44496387
快速排序用到了分治思想,同样的还有归并排序。乍看起来快速排序和归并排序非常相似,都是将问题变小,先排序子串,最后合并。不同的是快速排序在划分子问题的时候经过多一步处理,将划分的两组数据划分为一大一小,这样在最后合并的时候就不必像归并排序那样再进行比较。但也正因为如此,划分的不定性使得快速排序的时间复杂度并不稳定。
快速排序的期望复杂度是O(nlogn),但最坏情况下可能就会变成O(n^2),最坏情况就是每次将一组数据划分为两组的时候,分界线都选在了边界上,使得划分了和没划分一样,最后就变成了普通的选择排序了。
快速排序分为三步分治过程,分解,解决,合并。
分解是将输入数组A[l…r]划分成两个子数组的过程。选择一个p,使得a被划分成三部分,分别是a[l…p-1],a[p]和a[p+1…r]。并且使得a[l…p-1]中的元素都小于等于(或大于等于)a[p],同时a[p]小于等于(或大于等于)a[p+1…r]中的所有元素。
解决是调用递归程序,解决分解中划分生成的两个子序列。
合并是递归到最深层,已经不能再划分成更小的子序列了,便开始合并。因为在分解的时候已经比较过大小,每一个父序列分解而来的两个子序列不仅是有序的,而且合并成一个序列之后还是有序的。因为快排可以在输入数组上进行操作,所以合并这一步不需要编写代码。
#include <stdio.h> #include <stdlib.h> #define MAXSIZE 10 //p,r为边界,先处理左边再处理右边 void QuickSort(int a[],int p,int r) { if(p<r) { int q = Partition(a,p,r); QuickSort(a,p,q-1); QuickSort(a,q+1,r); } } void Swap(int a[],int left,int right) { int tmp; tmp = a[left]; a[left] = a[right]; a[right] = tmp; } int Partition(int a[],int p,int r) { int i=p,j=r+1; //本代码的主元选择的是p到r范围内的最左边的即p下标的数 int x = a[p]; while(1) { //将i和j一个从左,一个从右开始相向而行,使得在相遇之前,i部分都是小于x的数,j部分都是大于x的数。左右找到不匹配的数就互换值。 while(a[++i]<x && i<r) ; while(a[--j]>x) ; if(i>=j) break; Swap(a,i,j); } //最后把p和j的下标互换一下就可以保证p到r范围内的数,a[j]左边都是小于a[j],右边都是大于a[j],但不代表左边有序或者右边有序,只是单纯的比a[j]小或大在一边而已 a[p]=a[j]; a[j]=x; return j; } int main() { int a[] = {7,1,5,6,3,8,2,10,9,4}; int i; QuickSort(a,0,MAXSIZE-1); for(i=0;i<MAXSIZE;i++) { printf("%5d",a[i]); } return 0; }
上面版本的快排在选取主元的时候,每次都选取最左边的元素。当序列为有序时,会发现划分出来的两个子序列一个里面没有元素,而另一个则只比原来少一个元素。为了避免这种情况,引入一个随机化量来破坏这种有序状态。
在随机化的快排里面,选取a[left…right]中的随机一个元素作为主元,然后再进行划分,就可以得到一个平衡的划分。
#include <stdio.h> #include <stdlib.h> #include <time.h> #define MAXSIZE 10 //从范围p到r内找一个下标i,把这个数换到最左边,再进行快速排序Partition。 int RandomizedPartition(int a[],int p,int r) { srand(time(NULL)); int i = rand()%(r-p)+p; Swap(a,i,p); return Partition(a,p,r); } //和QuickSort差不多 void RandomizedQuickSort(int a[],int p,int r) { if(p<r) { int q = RandomizedPartition(a,p,r); RandomizedQuickSort(a,p,q-1); RandomizedQuickSort(a,q+1,r); } } void Swap(int a[],int left,int right) { int tmp; tmp = a[left]; a[left] = a[right]; a[right] = tmp; } int Partition(int a[],int p,int r) { int i=p,j=r+1; int x = a[p]; while(1) { while(a[++i]<x && i<r) ; while(a[--j]>x) ; if(i>=j) break; Swap(a,i,j); } a[p]=a[j]; a[j]=x; return j; } void QuickSort(int a[],int p,int r) { if(p<r) { int q = Partition(a,p,r); QuickSort(a,p,q-1); QuickSort(a,q+1,r); } } int main() { int a[] = {7,1,5,6,3,8,2,10,9,4}; int i; //QuickSort(a,0,MAXSIZE-1); RandomizedQuickSort(a,0,MAXSIZE-1); for(i=0;i<MAXSIZE;i++) { printf("%5d",a[i]); } return 0; }
原文链接:https://blog.csdn.net/haelang/article/details/44496387
10w:
算法 | 第1次耗时 | 第2次耗时 | 第3次耗时 | 平均耗时 |
---|---|---|---|---|
普通快排 | 13ms | 15ms | 15ms | 14.333ms |
随机化版本快排 | 25ms | 25ms | 27ms | 25.667ms |
100w:
算法 | 第1次耗时 | 第2次耗时 | 第3次耗时 | 平均耗时 |
---|---|---|---|---|
普通快排 | 101ms | 103ms | 96ms | 100ms |
随机化版本快排 | 119ms | 119ms | 105ms | 108.333ms |
1000w:
算法 | 第1次耗时 | 第2次耗时 | 第3次耗时 | 平均耗时 |
---|---|---|---|---|
普通快排 | 1397ms | 1397ms | 1338ms | 1371.333ms |
随机化版本快排 | 1241ms | 1258ms | 1187ms | 1228.667ms |
随机化快排因为要生成随机数,所以有一些性能损失,所以数据规模较小,数据分布均匀时普通快排还是比随机化快排要快些的,不过随着数据规模的上升,随机化快排的性能优势就展现出来了。
假设当输入数组已经是排好序的,这两个算法的性能差距又有多少?
之前的数组生成代码不变,只是在调用两个算法之前,先调用一下快排将数组排序,然后将两个有序的数组作为参数传进去。
10w:
算法 | 第1次耗时 | 第2次耗时 | 第3次耗时 | 平均耗时 |
---|---|---|---|---|
普通快排 | 溢出 | 溢出 | 溢出 | 溢出 |
随机化版本快排 | 15ms | 7ms | 6ms | 9.333ms |
1w:
算法 | 第1次耗时 | 第2次耗时 | 第3次耗时 | 平均耗时 |
---|---|---|---|---|
普通快排 | 98ms | 94ms | 92ms | 94.667ms |
随机化版本快排 | 2ms | 1ms | 0ms | 1ms |
1000w:
看下1000w下随机化快排是否有影响
算法 | 第1次耗时 | 第2次耗时 | 第3次耗时 | 平均耗时 |
---|---|---|---|---|
随机化版本快排 | 696ms | 733ms | 689ms | 706ms |
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。