算法必知--- 快速排序(拓展应用)

简介: 算法必知--- 快速排序(拓展应用)

写在前



基本思想


  • 先从数组中选择一个数作为划分值pivot,注意划分值随机选取
  • 进行区间划分的partition过程,小于pivot的放在左区间,大于pivot的放在右区间。
  • 采用递归分治的思想划分左右子区间,注意保持区间不变性


快排应用的注意点:


注意找前K大/前K小/第K大/第K小,是不需要对整个数组进行O(NlogN)的排序的!

因为可以通过快排切分直接O(N)找到第K大的数(比如求中位数就可以用本方法O(N)找到第mid大的数)


1.荷兰国旗问题



题目描述:


荷兰国旗问题:现在有若干个红、白、蓝三种颜色的球随机排列成一条直线。现在我们的任务是把这些球按照红、白、蓝排序。


荷兰国旗问题可以看成给定一个无序数组和目标值,将数组划分为大于、小于和等于目标值的三部分。本题实现返回等于目标值的区间。(划分值必须选中间元素)


思路分析:


  • 两个关键点:划分函数partition(使用单向扫描分区)和划分主元pivot选取(使用num)。
  • 具体实现是:定义两个边界less和more,可以把划分函数想象为向后推着大于的这部分。


代码实现:

public class NetherlandsFlag {
    public static int[] partition(int[] arr, int l, int r, int num) {
        int less = l - 1;
        int more = r + 1;
        while (l < more) {  // index指针复用l
            if (arr[l] < num) {
                swap(arr, ++less, l++);
            } else if (arr[l] > num) {
                swap(arr, --more, l);
            } else {
                l++;
            }
        }
        return new int[] {less + 1, more - 1};
    }
    public static void swap(int[] arr, int i, int j) {
        int temp = arr[i];
        arr[i] = arr[j];
        arr[j] = temp;
    }
}


75. 颜色分类,划分值选1!!

class Solution {
    public void sortColors(int[] nums) {
        int zero = -1, two = nums.length;
        int cur = 0;
        while (cur < two) {
            if (nums[cur] < 1) {
                swap(nums, ++zero, cur++);
            } else if (nums[cur] > 1) {
                swap(nums, --two, cur);
            } else {
                cur++;
            }
        }
    }
    public void swap(int[] nums, int i, int j) {
        int tmp = nums[i];
        nums[i] = nums[j];
        nums[j] = tmp;
    }
}


2.快速排序算法



思路分析:


基本实现:在荷兰国旗partition函数的基础上,我们对问题进行优化,我们可以使用递归分治的思想对左右子区间继续进行区间划分。注意:我们取每个区间的最后一个元素作为划分值pivot,为了避免时间复杂度退化(倒序情况下),我们取区间的随机值替换这个划分值。


复杂度分析:


  • 时间复杂度 O(N log N): 库函数、快排等排序算法的平均时间复杂度为 O(N log N)。
  • 空间复杂度 O(N) : 快速排序的递归深度最好(平均)为 O(log N) ,最差情况(即输入数组完全倒序)为 O(N)。


代码实现:

public static void quickSort(int[] arr) {
    if (arr == null || arr.length < 2) return;
    quickSort(arr, 0, arr.length - 1);
}
public static void quickSort(int[] arr, int l, int r) {
    if (l < r) {
        // 取随机数与最后一个数进行调换,避免极端情况复杂度退化
        swap(arr, l + (int)(Math.random() * (r - l + 1)), r);
        int[] p = partition(arr, l, r);
        quickSort(arr, l, p[0] - 1);
        quickSort(arr, p[1] + 1, r);
    }
}
public static int[] partition(int[] arr, int l, int r) {
    int less = l - 1;
    int more = r;
    while (l < more) {
        if (arr[l] < arr[r]) {
            swap(arr, ++less, l++);
        } else if (arr[l] > arr[r]) {
            swap(arr, --more, l);
        } else {
            l++;
        }
    }
    // 把划分主元放到正确的位置
    swap(arr, more, r);
    return new int[] {less + 1, more};
}
public static void swap(int[] arr, int i, int j) {
    int temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}


3.快排进阶(应用)



描述:求解未排序数组中第K大的元素(leetcode215)/前K大个元素。


思路分析:求解第k大的元素,借助 partition 操作定位到最终排定以后索引为 nums.length - k 的那个元素(特别注意:随机化切分元素),根据划分值继续决定结果所在区间,注意每次划分要随机选取划分值pivot(本题取区间随机值与区间尾元素交换,作为划分值),否则会严重影响效率。


代码实现:数组中第k大的元素

public int findKthLargest(int[] nums, int k) {
    if (nums == null || nums.length == 0 || k == 0) return 0;
    int target = nums.length - k;
    return quickSort(nums, 0, nums.length - 1, target);
}
private int quickSort(int[] nums, int l, int r, int target) {
    int index = partition(nums, l, r);
    if (index == target) return nums[index];
    return index > target ? quickSort(nums, l, index - 1, target) : quickSort(nums, index + 1, r, target);
}
private int partition(int[] nums, int l, int r) {
    // 一定要随机选取划分值!
    swap(nums, l + (int)(Math.random() * (r - l + 1)), r);
    int less = l - 1, more = r;
    while (l < more) {
        if (nums[l] < nums[r]) {
            swap(nums, ++less, l++);
        } else if (nums[l] > nums[r]) {
            swap(nums, --more, l);
        } else {
            l++;
        }
    }
    swap(nums, more, r);
    return more;
}
public void swap(int[] nums, int i, int j) {
    int temp = nums[i];
    nums[i] = nums[j];
    nums[j] = temp;
}


partion划分函数也可以进行代码简化,原理相同。

private int partition(int[] nums, int l, int r) {
    swap(nums, l + (int)(Math.random() * (r - l + 1)), r);
    int less = l - 1, pivot = nums[r];
    for (int i = l; i < r; ++i) {
        if (nums[i] <= pivot) {
            swap(nums, ++less, i);
        }
    }
    swap(nums, less + 1, r);
    return less + 1;
}


描述:找到未排序数组的前k小个元素(剑指offer40)/第K小个元素。


思路:本题与上题思路相同,只不过注意两点:


  • 注意:边界条件判断,basecase中k == 0情况!
  • 第k小对应的索引值为k - 1。


代码

public int[] getLeastNumbers(int[] arr, int k) {
    if (k == 0 || arr == null || arr.length == 0) return new int[0];
    // 注意:第k小的元素下标为k - 1
    return quickSort(arr, 0, arr.length - 1, k - 1);
}
private int[] quickSort(int[] arr, int l, int r, int k) {
    int index = partition(arr, l, r);
    if (index == k) {
        // 复制数组arr的前k个数,也就是0 - k-1
        return Arrays.copyOf(arr, index + 1);
    }
    return index > k ? quickSort(arr, l, index - 1, k) : quickSort(arr, index + 1, r, k);
}
private int partition(int[] arr, int l, int r) {
    // 随机选取划分值
    swap(arr, l + (int)(Math.random() * (r - l + 1)), r);
    int less = l - 1, pivot = arr[r];
    for (int i = l; i < r; ++i) {
        if (arr[i] <= pivot) {
            swap(arr, ++less, i);
        }
    }
    swap(arr, less + 1, r);
    return less + 1;
}
public void swap(int[] arr, int i, int j) {
    int temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}


相关文章
|
12天前
|
存储 监控 算法
员工上网行为监控中的Go语言算法:布隆过滤器的应用
在信息化高速发展的时代,企业上网行为监管至关重要。布隆过滤器作为一种高效、节省空间的概率性数据结构,适用于大规模URL查询与匹配,是实现精准上网行为管理的理想选择。本文探讨了布隆过滤器的原理及其优缺点,并展示了如何使用Go语言实现该算法,以提升企业网络管理效率和安全性。尽管存在误报等局限性,但合理配置下,布隆过滤器为企业提供了经济有效的解决方案。
54 8
员工上网行为监控中的Go语言算法:布隆过滤器的应用
|
2月前
|
搜索推荐 C语言
【排序算法】快速排序升级版--三路快排详解 + 实现(c语言)
本文介绍了快速排序的升级版——三路快排。传统快速排序在处理大量相同元素时效率较低,而三路快排通过将数组分为三部分(小于、等于、大于基准值)来优化这一问题。文章详细讲解了三路快排的实现步骤,并提供了完整的代码示例。
62 4
|
2月前
|
存储 搜索推荐 Python
用 Python 实现快速排序算法。
快速排序的平均时间复杂度为$O(nlogn)$,空间复杂度为$O(logn)$。它在大多数情况下表现良好,但在某些特殊情况下可能会退化为最坏情况,时间复杂度为$O(n^2)$。你可以根据实际需求对代码进行调整和修改,或者尝试使用其他优化策略来提高快速排序的性能
129 61
|
12天前
|
存储 缓存 算法
探索企业文件管理软件:Python中的哈希表算法应用
企业文件管理软件依赖哈希表实现高效的数据管理和安全保障。哈希表通过键值映射,提供平均O(1)时间复杂度的快速访问,适用于海量文件处理。在Python中,字典类型基于哈希表实现,可用于管理文件元数据、缓存机制、版本控制及快速搜索等功能,极大提升工作效率和数据安全性。
47 0
|
2月前
|
机器学习/深度学习 人工智能 算法
探索人工智能中的强化学习:原理、算法与应用
探索人工智能中的强化学习:原理、算法与应用
|
2月前
|
机器学习/深度学习 算法 数据挖掘
C语言在机器学习中的应用及其重要性。C语言以其高效性、灵活性和可移植性,适合开发高性能的机器学习算法,尤其在底层算法实现、嵌入式系统和高性能计算中表现突出
本文探讨了C语言在机器学习中的应用及其重要性。C语言以其高效性、灵活性和可移植性,适合开发高性能的机器学习算法,尤其在底层算法实现、嵌入式系统和高性能计算中表现突出。文章还介绍了C语言在知名机器学习库中的作用,以及与Python等语言结合使用的案例,展望了其未来发展的挑战与机遇。
52 1
|
2月前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
65 1
|
2月前
|
缓存 算法 网络协议
OSPF的路由计算算法:原理与应用
OSPF的路由计算算法:原理与应用
66 4
|
2月前
|
机器学习/深度学习 监控 算法
基于反光衣和检测算法的应用探索
本文探讨了利用机器学习和计算机视觉技术进行反光衣检测的方法,涵盖图像预处理、目标检测与分类、特征提取等关键技术。通过YOLOv5等模型的训练与优化,展示了实现高效反光衣识别的完整流程,旨在提升智能检测系统的性能,应用于交通安全、工地监控等领域。
|
2月前
|
存储 算法 网络协议
OSPF的SPF算法介绍:原理、实现与应用
OSPF的SPF算法介绍:原理、实现与应用
94 3

热门文章

最新文章