博客
关于我
【算法】————5、快速排序
阅读量:172 次
发布时间:2019-02-28

本文共 1543 字,大约阅读时间需要 5 分钟。

快速排序是一种高效的排序算法,以分治法为核心思想。其基本原理是通过选择一个基准值(pivot),将数组分为两部分:一部分元素小于基准值,另一部分元素大于基准值。随后递归对这两部分分别进行排序,最终达到整个数组有序。

快速排序的核心操作是分区(partition),即将数组划分为两部分。一旦完成分区,基准值就位于中间位置。接着对左右两部分递归进行排序。

代码实现

以下是快速排序的两种实现方式:

JavaScript实现

function quickSort(array, left, right) {    if (array.constructor !== Array || typeof left !== 'number' || typeof right !== 'number') {        return '输入错误';    }    if (left >= right) {        return array;    }    const pivot = array[right];    let i = left;    while (i < right && array[i] <= pivot) {        i++;    }    [array[left], array[i]] = [array[i], array[left]];    return quickSort(array, left, i - 1).concat(        [pivot],        quickSort(array, i + 1, right)    );}

Java实现

public class QuickSort {    public static void sort(int[] array) {        sort(array, 0, array.length - 1);    }    private static void sort(int[] array, int low, int high) {        if (low >= high) {            return;        }        int pivot = array[high];        while (high >= low && array[high] <= pivot) {            high--;        }        array[low] = array[high];        array[high] = pivot;        sort(array, low, high - 1);        sort(array, high + 1, high);    }}

性能与复杂度

快速排序的时间复杂度在大多数情况下为O(n log n),但在极端情况下(如数组已排序)会退化为O(n²)。其空间复杂度在最好情况下为O(log n),但在最坏情况下可能达到O(n²)。

为了提升性能,建议在每次划分时选择中间位置的元素作为基准值,这种方法被称为“三者取中”法。这样可以有效降低最坏情况下的时间复杂度。

优化方法

  • 选择中间位置的元素作为基准值:通过选择数组中间位置的元素作为基准值,可以减少递归深度,提高性能。
  • 对短数组优先排序:在每次划分后,先对较短的子数组进行排序,以减少递归深度。
  • 多次优化基准选择方法:除了中间位置的元素,还可以考虑其他基准选择策略,如基于数值的中位数等,进一步提升性能。
  • 通过上述优化方法,快速排序的时间复杂度可以得到显著提升,使其在各种场景下都能保持较高的效率。

    转载地址:http://bvwj.baihongyu.com/

    你可能感兴趣的文章
    OpenCV图像处理篇之阈值操作函数
    查看>>
    opencv图像特征融合-seamlessClone
    查看>>
    OpenCV图像的深浅拷贝
    查看>>
    OpenCV在Google Colboratory中不起作用
    查看>>
    OpenCV学习(13) 细化算法(1)(转)
    查看>>
    OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波
    查看>>
    OpenCV学堂 | CV开发者必须懂的9种距离度量方法,内含欧氏距离、切比雪夫距离等(建议收藏)
    查看>>
    OpenCV学堂 | OpenCV中支持的人脸检测方法整理与汇总
    查看>>
    OpenCV学堂 | OpenCV案例 | 基于轮廓分析对象提取
    查看>>
    OpenCV学堂 | YOLOv8与YOLO11自定义数据集迁移学习效果对比
    查看>>
    OpenCV学堂 | YOLOv8官方团队宣布YOLOv11 发布了
    查看>>
    OpenCV学堂 | YOLOv8实战 | 荧光显微镜细胞图像检测
    查看>>
    OpenCV学堂 | 汇总 | 深度学习图像去模糊技术与模型
    查看>>
    OpenCV安装
    查看>>
    OpenCV官方文档 理解k - means聚类
    查看>>
    opencv实现多路播放
    查看>>
    opencv常用函数
    查看>>
    OpenCV探索
    查看>>
    OpenCV添加中文(五)
    查看>>
    opencv源码查看
    查看>>