“快速排序算法为什么说快速排序是最快排序算法”

今天，小编发现了快速排序算法为什么会被网络关注为快速排序是最快的算法。 随着快速排序算法为什么是快速排序算法越来越受欢迎，很多伙伴必须了解这些事件。 当然，有些伙伴们不理解快速排序算法为什么说是最快排序算法，但那样就没关系了。 小编今天也特意抽出时间在网上整理和分享了快速排序算法为什么说是快速排序算法的文案。 (以下复印件是互联网非小编写的。 发生侵害时，请联系站长删除)

/ h// h// h /

/ h// h// h /

快速排序算法(为什么快速排序是最快的排序算法)

有些读写可能会想追问，有没有比快速排序更快的方法呢？ 不，这可以从数学的角度解释。 如果必须要说有更快的方法的话，他在挑战数学。 这和相信永动机的人挑战热力学定律没有本质区别。

快速排序完全利用了分割统治( pide and conquer )的思想，其核心思想是减少无用的工作。

基本的想法
2.1快速排序的正常过程
快速排序的正常过程是随机选择数组中的一个值作为比较基准，通常是 然后，可以将数组中小于枢轴值的数据分为一组，将大于枢轴值的数据分为另一组，将等于枢轴值的数据分为任意组。 分成两组后，自然不会按其他排序对小数组进行排序，而是重复以上步骤，进一步细分小数组。 这样，整个数组就从一个数组变成了两个数组，变成了四个数组，变成了八个数组，到最后都没有区别。 简单地比较一下，整个数组就会变得有序。

简单地说，“/ h /”

选择 轴心点。 就是选择数据作为基准。 选择轴心点值实际上是最重要的步骤。 建议选择数组的第一个、中间和最后一个数据的中间值。
分组操作。 将大于透视值的数据放置在透视值的右侧，将小于透视值的数据放置在左侧。 等于旋转透视表值的数据可以放置在任何位置。 递归。 对左右数据进行透视选择和分组操作。 递归停止条件是细分数组数据的个数为0或1。
让我们来看看稍微多一些、复杂一些的图。 图中阴影部分的数据是各个阶段的轴心点值。

为什么说快速排序是最快的排序算法？ 从维基百科/ br// h /开始

轴心点值的选择和分组操作是快速排序的中心，通常有lomuto和hoare两种情况。

2.2 lomuto分组方案
最简单、最常见的分组方法是lomuto分组方案，该方案直接选择最后一个元素作为轴心点值。 这个方案最明显的缺点是，如果数组已经有规律，或者数组的所有数字都相同，那么反而是最差的排序，即多且复杂度为o(n )

请不要看 、2、3、4、5这样的排列。 在该方案中，首先选择5作为轴值，则第一次分组后，左侧只有1、2、3、4四个数字，右侧没有任何数字。 即使第二次选择4作为轴值，结果也是一样的，每次分组只有一个数字有序，效率自然退化为o(n )。

直接上载伪代码:

为什么说快速排序是最快的排序算法？
2.3 hoare分组方案
另一个定律是hoare的分组方案，用一定的方法选择一个轴心点值，通常选择数组中间的值。 如果将数组a的首尾元素的下标分别设为lo和hi，则为枢轴值

pivot = a [低+高/2] [ /高/ ]

/ h// h// h /

当然，为了不使整数溢出成为问题，通常写作

pivot = a [低+高/低]/2 [ /高/ ]

关于整数溢出，还有机会。 其思想是，从数组的左右两端开始，从左端向右侧查找第一个枢轴值以上的数据，从右端向左侧查找第一个枢轴值以下的数据，将下标记录为j，交换a[i]和a[j]。 然后，继续上述操作，直到I在j以上结束。 然后，原始数组分为两个数组，左侧的数组小于枢轴值，右侧的数组大于或等于枢轴值。 然后，对子数组重复上述操作。

以序列4、5、3、2、1为例，为

选择3作为枢轴值，发现左端的数据4大于枢轴值，右端的数据1小于枢轴值，交换数据后得到1、5、3、2、4，继续

为什么说快速排序是最快的排序算法？
2.4其他分组方案
另外，《算法导论》中还提到了随机化，即随机选择轴心。 虽然可能难以置信，但是很多排序算法使用随机化这个概念。 因为大多数情况下，随机化带来的结果会出乎意料地好。 这里就不赘述了，有机会单独谈谈。 sedgewick建议使用一种称为“树中间”的方法来选择轴心点值。 也就是说，从数组的第一个数据、中间数据和最后一个数据中选择中间值作为轴心点值。 三取中的升级版本也称为ninther，请定义函数median-of-three(mo3 ) ) (/h/)

MO3 (甲) =乙)甲，乙，丙) [ /乙/丁]

/ h// h// h /

整数( a ) =中间) mo3 (第一次)，mo3 )中间)，mo3 )最后一次)

/ h// h// h /

也就是说，取数组的前三分之一找中值，然后取数组的中间三分之一找中值，取数组的最后三分之一找中值，最后从这三个中值中选择中值。

复杂度
3.1小时复杂度
当复杂度对于已经有序的序列或所有数据都相等的序列为o(n )时，数据排序 对于较少的数据，完全不需要采用快速排序，可以采用直接选择排序或希尔排序。

快速排序的平均数量和噪声为o(n*logn )，不仅是快速排序，合并排序和堆栈排序的数量和噪声也为o ) n*logn )。 那么，为什么人们普遍认为快速排序是最快的排序算法呢？ 其实，看过我以前关于复杂度的文案的网友都知道，关于复杂度为o(c*o(n*log n )的算法，其复杂度都是o ) n*logn )，这里的c是常数，不是吗 快速排序之所以最快，首先是因为常数c小，在具体的应用中，快速排序大多比较好。

3.2 空之间多、干扰多
快速排序的空之间多、干扰多与具体的实现方法有关。 这是sedgewick描述的一种情况，与就地排序的实现相比，首先递归地对元素最少的组进行排序，需要到o(logn )/(/k0/)之间，然后通过递归或迭代的方法对另一组数据进行排序 这将实现其他一点非就地( not-in-place )排序，这并不意味着将该部分排序操作添加到调用堆栈中，并且/(/k0/)之间的间隔较多，噪声为o ) n )。

也可以改变立场理解 实际上在快速排序的空之间有很多复杂性。 快速排序的递归过程可以用二叉树表示，如果调用栈的层次和二叉树的深度一致，最好的情况是树的深度为o[logn]。 即，此时空之间较多，噪音为o[logn]。 最坏的情况是，二叉树退化为单链，深度在o(n )、/(/k0/)之间产生很多异质也就是o )。

3.3稳定性和实际表现
快速排序也是一种不稳定的排序算法。

让我们来实测一下 算法的表现。 让我们简单看看插入排序、水蛭排序和快速排序的效率。 请考虑一个10000个随机数排序需要时间的例子。

为什么说快速排序是最快的排序算法？
很明显，快速排序所需的时间只有希尔排序的一半。 想获取源代码时，在后台回复“快速排序”获取源代码。

总结
快速排序的整体思路很简单，就是先按照一定的标准(枢轴值)，先把数据分成三六九等，然后在小范围内继续分三六九等。 也就是说，每个数据都找到了自己的位置。 快速排序的空之间很多，噪声远远大于希尔排序，这也再次证明了在计算机科学中，到处都存在空之间改变时间的折衷( trade-off )，

关于快速排序枢轴值的选择，有无数种方法，表现也各不相同。 但是，只有遵循其核心思想，排序的速度才会有质的提高。 从代码实现的角度来看，我们可以看到，快速排序的实现只有十多行代码，好的往往极其简单。 如果做了一件事太复杂了，请停下脚步，想想工作方法是不是有问题。

(/h ) )大多数情况下，做事情其实也应该这样做，学会分期治疗，按照一定的标准无限细化大问题，到最底层，只需要一点点的事件就能实现大目标。 像一个企业一样，不同的人分成不同的岗位，各司其职，就能建成伟大的企业。

/ h// h// h /

本文：《“快速排序算法为什么说快速排序是最快排序算法”》