【算法基础】快速排序解析

简介: 快速排序是一种分治排序方法,通过多次比较和交换来实现排序,其基本操作是将无序表不断拆分和交换,直到拆分到最小时,整个表就成为了一个有序表,从而得到一个新的、记录数量增1的有序表。
作者:[柒号华仔]

个人信条:星光不问赶路人,岁月不负有心人。

个人方向:专注于5G领域,同时兼顾其他网络协议,编解码协议,C/C++,linux等,感兴趣的小伙伴可以关注我,一起交流。


1. 快速排序介绍

1.1 定义

快速排序是一种分治排序方法,通过多次比较和交换来实现排序,其基本操作是将无序表不断拆分和交换,直到拆分到最小时,整个表就成为了一个有序表,从而得到一个新的、记录数量增1的有序表。在每一轮挑选一个基准元素,并让其他比它大的元素移动到数列一边,比它小的元素移动到数列的另一边,从而把数列拆解成了两个部分。

1.2 基本原理

快速排序的基本原理:

  1. 从无序表中选择一个基准元素,将比它小的元素移动到左边,比它大的元素移动到右边,该元素便实现了分区操作;
  2. 左右两个分区分别独立排序,在各自的分区中选择一个基准元素,分区中比基准小的元素移动左边,比基准大的元素移动到右边;
  3. 不断重复上述分区和移动操作,最终实现整个数组变为有序表。

简单的说,就是每一次都让基准左边的元素比它小,基准右边的元素比它大,这样无限拆分循环下去,数组自然就变为有序数组了。

下面的动图诠释了快速排序的过程:
image.png


1.3 时间复杂度

最优的情况下,时间复杂度为O(nlogn);
最坏的情况下,无序表完全正序或者倒序,每次划分只得到一个比上一次划分少一个记录的子序列,时间复杂度为O($n^2$)。

1.4 空间复杂度

空间的消耗主要是递归造成的栈空间使用,最好情况,递归树的深度为log2n,其空间复杂度也就为O(logn),最坏情况,需要进行n‐1递归调用,其空间复杂度为O(n),平均情况,空间复杂度也为O(logn)。

1.5 优缺点

优点:算法简单,排序效率高,最好情况下的时间复杂度为O(nlogn)

缺点:非稳定排序

2. 代码实现

#include "stdio.h"

void printArray(int array[], int size)
{
    int i;
    for (i = 0; i < size; i++) {
        printf("%d ", array[i]);
    }
    printf("\n");
}

void quickSort(int array[],int left,int right)
{
    if(left >= right)
        return;

    int pivot = array[left];
    int i = left, j = right;

    while(i < j){
        while (i < j && array[j] >= pivot)
            j--;
        array[i] = array[j];

        while (i < j && array[i] < pivot)
            i++;
        array[j] = array[i];
    }
    array[i] = pivot;

    quickSort(array, left, i-1);
    quickSort(array, i+1, right);
}

int main()
{
    int array[] = {3,44,38,5,47,15,36,26,27,2,46,4,19,50,48};

    quickSort(array,0,sizeof(array)/sizeof(int));
    printArray(array, sizeof(array)/sizeof(int));

    return 0;
}

运行结果:
2 3 4 5 15 19 26 27 36 38 44 46 47 48 50

相关文章
|
5月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
6月前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
1605 7
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
6月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
733 1
|
6月前
|
算法 搜索推荐 Java
贪心算法:部分背包问题深度解析
该Java代码基于贪心算法求解分数背包问题,通过按单位价值降序排序,优先装入高价值物品,并支持部分装入。核心包括冒泡排序优化、分阶段装入策略及精度控制,体现贪心选择性质,适用于可分割资源的最优化场景。
427 1
贪心算法:部分背包问题深度解析
|
6月前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
粒子群算法模型深度解析与实战应用
|
6月前
|
机器学习/深度学习 资源调度 算法
遗传算法模型深度解析与实战应用
摘要 遗传算法(GA)作为一种受生物进化启发的优化算法,在复杂问题求解中展现出独特优势。本文系统介绍了GA的核心理论、实现细节和应用经验。算法通过模拟自然选择机制,利用选择、交叉、变异三大操作在解空间中进行全局搜索。与梯度下降等传统方法相比,GA不依赖目标函数的连续性或可微性,特别适合处理离散优化、多目标优化等复杂问题。文中详细阐述了染色体编码、适应度函数设计、遗传操作实现等关键技术,并提供了Python代码实现示例。实践表明,GA的成功应用关键在于平衡探索与开发,通过精心调参维持种群多样性同时确保收敛效率
机器学习/深度学习 算法 自动驾驶
1175 0
|
6月前
|
机器学习/深度学习 人工智能 资源调度
大语言模型的核心算法——简要解析
大语言模型的核心算法基于Transformer架构,以自注意力机制为核心,通过Q、K、V矩阵动态捕捉序列内部关系。多头注意力增强模型表达能力,位置编码(如RoPE)解决顺序信息问题。Flash Attention优化计算效率,GQA平衡性能与资源消耗。训练上,DPO替代RLHF提升效率,MoE架构实现参数扩展,Constitutional AI实现自监督对齐。整体技术推动模型在长序列、低资源下的性能突破。
730 8
|
6月前
|
算法 API 数据安全/隐私保护
深度解析京东图片搜索API:从图像识别到商品匹配的算法实践
京东图片搜索API基于图像识别技术,支持通过上传图片或图片URL搜索相似商品,提供智能匹配、结果筛选、分页查询等功能。适用于比价、竞品分析、推荐系统等场景。支持Python等开发语言,提供详细请求示例与文档。
|
8月前
|
机器学习/深度学习 人工智能 编解码
AI视觉新突破:多角度理解3D世界的算法原理全解析
多视角条件扩散算法通过多张图片输入生成高质量3D模型,克服了单图建模背面细节缺失的问题。该技术模拟人类多角度观察方式,结合跨视图注意力机制与一致性损失优化,大幅提升几何精度与纹理保真度,成为AI 3D生成的重要突破。
971 0

推荐镜像

更多
  • DNS