排序算法之【快速排序】

📙作者简介： 清水加冰，目前大二在读，正在学习C/C++、Python、操作系统、数据库等。

📘相关专栏：C语言初阶、C语言进阶、C语言刷题训练营、数据结构刷题训练营、有感兴趣的可以看一看。

欢迎点赞 👍 收藏 ⭐留言 📝 如有错误还望各路大佬指正！

✨每一次努力都是一种收获，每一次坚持都是一种成长✨       

目录

 前言

1. 快速排序

 1.1 hoare版本

1.2 挖坑法

1.3 双指针版本

2. 非递归实现快速排序

总结 

---

 前言

        快速排序是一种常用的排序算法，也是一种很高效的排序的，它是由Hoare于1962年提出的一种二叉树结构的交换排序方法。本篇文章我将带你深入了解快速排序。

---

1. 快速排序

        快速排序是一种常用的排序算法，它的基本思想是通过一趟排序将待排序的数据分割成独立的两部分，其中一部分的所有数据都比另一部分的所有数据小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列的目的。快速排序常见的实现方法主要分为三种版本：

1.  hoare版本
2. 挖坑法版本
3. 前后指针版本

 我们废话不多说直接步入正题。

 1.1 hoare版本

        hoare版本是选择一个key值（一般选用最左边）例如：

         然后开始从数组两边开始移动寻找符合条件的值，R向左移动寻找小于key的值，L向右移动寻找大于key的值。R和L都找到符合条件的数字后进行交换。

 然后再继续走，直到L和R相遇停止。

 它们相遇的位置是数字3，3比key小，最后再将相遇位置的数据和key的数据进行交换。整个逻辑过程如下图：

 这个图呈现的逻辑过程更加形象，然后我们再从R和L相遇的位置将数组分为两部分，当左半部分和右半部分有序，那么这个数组就会有序，所以我们重复上述过程：

 继续分，数组最终被细分为一个数据或没有数据。

        当数据为1个或没有时就开始返回，执行完毕后左半部分就变得有序，右半部分也是这样的逻辑，返回后两边子数组就会变得有序，进而使整个数组有序。以上便是hoare版本的整个过程。

 接下来我们对代码进行实现：

void PathSort(int* a, int left,int right)
{int key = a[left];while (left < right){while (a[right] > a[key]){right--;}while (a[left] < a[key]){left--;}Swap(&a[left], &a[right]);}Swap(&key, &a[right]);
}

         快速排序的hoare版本有很多的坑，上述的代码是否存在错误呢？

上述的代码存3个问题：

1. 死循环问题
2. 数组越界问题
3. key值交换问题

         首先是死循环问题，R要找比key小的数据，L要找比key大的数据，那当L和R都遇到了和key相同的数据时，它们都停止移动，开始进行交换，交换后仍然相等，以此往复一直交换，进而形成了死循环。

        数组越界问题，R找比key的值，如果R一直到数组遍历结束都没有找到，那它就会发生越界。

        key值交换问题，我们在上述逻辑中，需要将key值（第一个数据）位置上的数据与L和R相遇位置的数据进行交换。而上述代码中交换的是key的值与L和R相遇位置的数据，实际上第一个数据（key值位置）并没有变，这样会造成数据丢失。

 这三个问题都是在编写代码时经常遇到的错误。改正后代码如下：

int PathSort(int* a, int left,int right)
{int key = left;while (left < right){while (right>left && a[right] >= a[key]){right--;}while (right > left && a[left] <= a[key]){left++;}Swap(&a[left], &a[right]);}Swap(&a[key], &a[left]);return left;
}

上述代码我们是进行了一次调整，接下来就是递归使得左右两边数组有序。递归调用这里没有什么问题，重点在于递归结束条件。当递归到最后时，要么是数组只有一个数据，要么是没有数据。

那要如何编写设置结束条件呢？

        以左边递归为例：第一次进入左边区间是0到4，第二次是0到1，然后key是下标为1的数据，key-1=0，第三次调用传入的key-1=begin=0，返回后调用右边，右边没有数据，key+1=2，end=1，所以由此我们可以做出判断，当begin>=end时，就证明递归已经到最小，然后就返回。

 递归过程如下图：

void QuickSort(int* a, int begin,int end)
{if (begin >= end){return;}int key=PathSort(a, begin, end);QuickSort(a, begin, key - 1);QuickSort(a, key + 1, end);
}

         从上述的逻辑过程，可以发现L和R相遇的位置一定比key小（相遇位置比key小交换才有意义），那凭什么说L和R相遇位置一定比key小？

        它是有一个前提的，就是一定要让R先走，但是又会存在两种情况：

1. 最后一次R不动让L去相遇。
2.  L不动让R去相遇。

         如下图让R先走，最后是R不动让L去相遇，但如果是L先走，当R到下标为6的位置停止交换后，L开始走，此时相遇位置就会变成下标为6的位置，数据是9比6大。（R不动，让L去相遇）

 当然还有一种情况，最后一次时是L不动让R去相遇：

 两次交换后如上图，此时R先走，11比key大R会继续走，R就会去和L相遇，相遇的位置还是比key小（L和R交换后，L位置数据一定比key小）。

        上述的方式和代码排序很不稳，上述过程最理想的状态是key的值是中位数，这样在分割数组进行递归时能尽可能将数组二分。

最坏的情况就是没有比key小的数据或者大的数据，那么就会造成如下情况：

         这样它的时间复杂度和空间复杂度也会变差，所以我们还需要对hoare版本的进行优化，以避免这样情况的发生。我们可以将左右和中间的值进行比较，取三数的中间值作为key值。优化后：

//三数取中
int GetMid(int* a, int left, int right)
{int mid = (left + right) / 2;if (a[mid] > a[left]){if (a[mid] < a[right]){return mid;}	else if(a[left]>a[right]){return left;}else{return right;}}else//a[left]>a[mid]{if (a[mid] > a[right]){return mid;}else if (a[right] < a[left]){return right;}else{return left;}}
}
int PathSort(int* a, int left,int right)
{int mid = GetMid(a, left, right);Swap(&a[left], &a[mid]);int key = left;while (left < right){while (right>left && a[right] >= a[key]){right--;}while (right > left && a[left] <= a[key]){left++;}Swap(&a[left], &a[right]);}Swap(&a[key], &a[left]);return left;
}

1.2 挖坑法

         挖坑法是对hoare版本思路上的一种优化，挖坑法的整体逻辑如下：

         挖坑法不用考虑R先走还是L先走，开始时第一个数据作为坑位，必须R先走，R找到比key小的数数据填补到坑位，R位置形成新的坑位。然后L开始走，遇到比key大的将数据填补到坑位，然后L位置形成新的坑位。具体代码如下：

int PathSort2(int* a, int left, int right)
{int mid = GetMid(a, left, right);Swap(&a[left], &a[mid]);int key = a[left];//保存key值左边形成第一个坑位int hole = left;while (left < right) {//右边先走，寻找比key小的数据，填补到左边坑位while (right > left && a[right] >=key){right--;}a[hole] = a[right];hole = right;//左边走，寻找比key大的数据，填补到右边坑位while (right > left && a[left] <= key){left++;}a[hole] = a[left];hole = left;}a[hole] =key;return hole;}

1.3 双指针版本

         双指针法是对快排的更近一步优化，相对于前两种，思路和代码也更简单，使用两个指针cur和prev，来控制数据进行调整。

逻辑如下：

         cur遍历数组，如果cur比key小，那就prev向后移动，将prev指向的数据于cur指向的数据进行交换。

 然后cur继续向后走，遇到比key小的数据就重复上述过程：

 直到cur遍历结束停止，之后再将prev最终指向位置的数据与key位置的数据进行交换。最终情况如下图：

 根据上述的逻辑，我们对代码进行实现：

int PathSort3(int* a, int left, int right)
{int cur = left + 1;int prev = left;int key = left;while (cur <= right){if (a[cur] <a[key] ){prev++;Swap(&a[prev], &a[cur]);}cur++;}Swap(&a[key], &a[prev]);return prev;}

         在cur指向1和2时，cur指向的数据依然和prev指向的数据进行了交换（此时cur和prev指向同一个数据），此时交换并没有什么意义，所以我们也可以为了防止prev和cur指向同一位置时进行交换，这里我们可以进行优化：

int PathSort3(int* a, int left, int right)
{int mid = GetMid(a, left, right);Swap(&a[left], &a[mid]);int cur = left + 1;int prev = left;int key = left;while (cur <= right){if (a[cur] <a[key] && ++prev!=cur){Swap(&a[prev], &a[cur]);}cur++;}Swap(&a[key], &a[prev]);return prev;}

        双指针法不需要考虑从哪边先走，也不需要考虑数组越界问题，代码和逻辑都十分的清晰简单。在这三种方法的实际调用时都是使用了递归，来进行分治排序。

         但快速排序使用递归是需要不断进行开空间的，快速排序的二分递归模式类似于满二叉树，我们知道，满二叉树的后两层的节点个数占了总个数的75%，所以我们可以考虑在递归到小区间时使用插入排序来进行优化。

void QuickSort2(int* a, int begin, int end)
{if (begin >= end){return;}if ((end - begin + 1) > 10){int key = PathSort3(a, begin, end);QuickSort(a, begin, key - 1);QuickSort(a, key + 1, end);}else{InsertSort(a + begin, end - begin + 1);}}

同时我们还可以使用非递归的方法来实现快排。

2. 非递归实现快速排序

         上述的快速排序使用了递归，但使用递归还是存在弊端的，递归的深度问题，递归创建的空间在栈区，而栈区的空间大概只有8MB，所以我们还是很有必要学习非递归的方法。

 非递归实现快排需要用到栈的数据结构，通过栈来模拟系统栈区。

 不断地入栈每次调整的数组区间，使用栈的特性来模拟递归调用的调整函数。

 还是以上述的数组为例：

以左边为例：

先入栈0和9（数据的区间下标），然后出栈，取栈顶元素作为调整函数的参数，然后调用调整函数，再将key两边的数组下标区间入栈，直至栈为空结束。具体代码实现如下：

逻辑比较简单，不再进行细节讲解。

void QuickSort3(int* a, int begin, int end)
{Stack st;InItStack(&st);StackPush(&st, end);StackPush(&st, begin);while (!IsEmpty(&st)){int left=TopData(&st);StackPop(&st);int right = TopData(&st);StackPop(&st);int key =PathSort3(a, left, right);if (key < right){StackPush(&st, right);StackPush(&st, key+1);}if (left < key - 1){StackPush(&st, key - 1);StackPush(&st, left);}}DestoryStack(&st);}

---

总结 

        快速排序是一种极其高效的排序方法，从上述的分析快速排序使用的二分分治排序的方法，可以得出时间复杂度为O(N*logN)，同时快速排序并不稳定，我们使用了各种方法来进行优化，使它的时间复杂度稳定在O(N*logN)。好了以上便是本期全部内容，感谢阅读！