【算法-快排】

2024-08-31 16:52
文章标签 算法 快排

本文主要是介绍【算法-快排】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

定义

快速排序(Quick Sort)是一种基于分治思想的高效排序算法。它通过选择一个“基准”元素(pivot),将数组划分为两部分:一部分比基准小,另一部分比基准大,然后递归地对这两部分进行排序。

步骤

  • 选择基准(Pivot Selection):从数组中选择一个元素作为基准。通常选择第一个元素、最后一个元素、或中间元素。
  • 分区(Partitioning):将数组划分为两个部分,使得左边部分的所有元素都小于或等于基准,右边部分的所有元素都大于或等于基准。
  • 递归排序(Recursive Sorting):递归地对左右两部分进行快速排序,直到每个部分只有一个元素或为空。

代码

public class QuickSort {// 主函数,用于测试快速排序public static void main(String[] args) {int[] array = {38, 27, 43, 3, 9, 82, 10};quickSort(array, 0, array.length - 1);// 输出排序后的数组System.out.println("排序后的数组:");for (int i = 0; i < array.length; i++) {System.out.print(array[i] + " ");}}// 快速排序的主函数public static void quickSort(int[] array, int low, int high) {if (low < high) {// 找到基准元素的正确位置int pivotIndex = partition(array, low, high);// 递归排序左右部分quickSort(array, low, pivotIndex - 1); // 对基准左侧部分排序quickSort(array, pivotIndex + 1, high); // 对基准右侧部分排序}}// 分区函数public static int partition(int[] array, int low, int high) {// 选择最右边的元素作为基准int pivot = array[high];int i = low - 1; // i表示小于基准的元素的边界for (int j = low; j < high; j++) {// 如果当前元素小于或等于基准if (array[j] <= pivot) {i++;// 交换array[i]和array[j]int temp = array[i];array[i] = array[j];array[j] = temp;}}// 将基准元素放到正确位置(i+1位置)int temp = array[i + 1];array[i + 1] = array[high];array[high] = temp;return i + 1; // 返回基准元素的位置}
}

分析

  • 选择基准元素:
    这里我们选择数组的最后一个元素 array[high] 作为基准元素(pivot)。
  • 分区(Partitioning):
    我们使用两个指针 i 和 j 来实现分区过程。i 用来标记小于基准元素的元素边界,j 用来遍历整个数组。
    如果 array[j] 小于或等于基准元素,那么我们将 array[j] 和 array[i+1] 交换位置,并将 i 增加1。
    最后,将基准元素 array[high] 放到它的正确位置(即 i+1 位置)。
  • 递归排序:
    使用基准元素将数组分成两部分,然后递归地对左右两部分进行快速排序。

特点

  • 时间复杂度:
    最佳情况:O(n log n)(当每次选择的基准都能将数组平分时)。
    平均情况:O(n log n)。
    最差情况:O(n²)(当数组已经有序或逆序时,总是选择最大或最小元素为基准)。
  • 空间复杂度:O(log n)(递归调用栈的空间)。
  • 不稳定性:快速排序是不稳定的排序算法,因为相等元素的相对顺序可能会发生改变。

总结

快速排序在多数情况下都非常高效,特别适合处理大规模数据。它的平均时间复杂度为 O(n log n),但在最差情况下会退化为 O(n²)。为了避免最坏情况,可以随机选择基准或采用“三数取中”法来选择基准元素。

这篇关于【算法-快排】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1124462

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖