【hoare优化版】快速排序算法 | 三数取中&小区间优化(2)

简介: 【hoare优化版】快速排序算法 | 三数取中&小区间优化(2)



上篇我们介绍了hoare基础版,但是这种代码存在缺陷,所以我们提出了两种解决方案。主流的解决方案就是【三数取中选key】

GitMidi三数取中

在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。在此我们采用三数取中法,也就是取左端、中间、右端三个数的下标,然后进行排序,将中间数作为枢纽值。

  • 取的三个数的中位数的下标
  • 取的是下标❗
  • 数值两两比较
  • 对快速排序的单趟的优化,三数取中是走快速排序逻辑(每趟的优化)
  • 三数取中:取三个数中的中位数下标,选到合适的数,避免选取到最小的最大的数,对顺序结构的效率优化很好。

整体思想

  • 设置三个值下标:begin // end // midi
  • 两个两个比较
  • 得到中位数的下标

图解分析

【顺序序列优化前:等差数列O(N^2)

【顺序序列优化后:类似二叉树等比数列O(N*logN)

代码实现

//三数取中
int GetMidi(int* a, int begin, int end)
{
  int midi = (begin + end) / 2;
  if (a[begin] < a[end])
  {
    if (a[begin] > a[midi])
    {
      return begin;
    }
    else if(a[end]<a[midi])
    {
      return end;
    }
    else
    {
      return midi;
    }
  }
  else//begin>=end
  {
    if (a[midi] < a[end])
    {
      return end;
    }
    else if (a[midi] > a[begin])
    {
      return begin;
    }
    else
    {
      return midi;
    }
  }
}

小区间优化

除了三数取中对顺序序列的快速排序起到了优化效果。如果数据量过大会造成

  • 快速排序递归层数太多,在debug版本底下会栈溢出。
  • 对于数据量过小用快速排序/希尔排序/堆排,效率反而没有直接插入排序高。(杀鸡用牛刀)直接插入排序对局部有序序列很友好。
  • 小区间优化走的直接插入的逻辑(整体的优化)
  • 注意❗❗❗❗小区间优化 优化的是递归的层数。

综上所诉,我们在用递归实现快速排序的基础上,如果数据量递归到一定程度过小,可以采用直接插入排序。这就是小区间优化。

整体思想

那么主要是优化那几层递归呢?

  • 主要优化递归层数的最后3~4层
  • 最后3~4层的递归层数占据了总的递归层数的80%(根据二叉树的性质)
  • 当数据量end-begin+1<=10的时候,让序列执行直接插入排序
  • 注意❗❗❗❗每段数据序列被分割了起始位置不一样不都是a,要用a+begin表示
  • 区间是[begin,end] ,此区间的数据量是end-begin+1

所以:小区间优化=数据量大(递归)+数据量小&递归层数多&最后3~4层(用插入排序)

图解分析

代码实现

void QuickSort(int* a, int begin,int end)
{
  if (begin >= end)//只有1个元素 没有区间
  {
    return;
  }
  //<10个数字走插入逻辑 
  if (end - begin + 1 <= 10)
  {
    InsertSort(a + begin, end - begin + 1);
  }
  //>10个数走快排逻辑
  else
  {
    int keyi = PartSort1(a, begin, end);
    QuickSort(a, begin, keyi - 1);
    QuickSort(a, keyi + 1, end);
  }
}

Hoare优化总代码

void Swap(int* p1, int* p2)
{
  int tmp = *p1;
  *p1 = *p2;
  *p2 = tmp;
}
//直接插入
void InsertSort(int* a, int n)
{
  // [0, end] end+1
  for (int i = 0; i < n - 1; ++i)
  {
    int end = i;
    int tmp = a[end + 1];
    while (end >= 0)
    {
      if (tmp < a[end])
      {
        a[end + 1] = a[end];
        --end;
      }
      else
      {
        break;
      }
    }
    a[end + 1] = tmp;
  }
}
//三数取中
int GetMidi(int* a, int begin, int end)
{
  int midi = (begin + end) / 2;
  if (a[begin] < a[end])
  {
    if (a[begin] > a[midi])
    {
      return begin;
    }
    else if(a[end]<a[midi])
    {
      return end;
    }
    else
    {
      return midi;
    }
  }
  else//begin>=end
  {
    if (a[midi] < a[end])
    {
      return end;
    }
    else if (a[midi] > a[begin])
    {
      return begin;
    }
    else
    {
      return midi;
    }
  }
}
//hoare版本&三数取中&每趟的优化
int PartSort1(int* a, int begin, int end)//返回分割线
{
  int left = begin;
  int right = end;
  int keyi = begin;
  //三数取中
  int midi = GetMidi(a, begin, end);
  Swap(&a[keyi], &a[midi]);
  while (left < right)
  {
    //找小
    while (left < right && a[right] >= a[keyi])
    {
      right--;
    }
    //找大
    while (left < right && a[left] <= a[keyi])
    {
      left++;
    }
    //找到了
    Swap(&a[right], &a[left]);
  }
  Swap(&a[left], &a[keyi]);
  keyi = left;
  return keyi;
  //分割 [begin,keyi-1] keyi [keyi+1,end]
}
//小区间优化&整体的优化
void QuickSort(int* a, int begin, int end)
{
  if (begin >= end)
  {
    return;
  }
  //<10个数字走插入逻辑 
  if (end - begin + 1 <= 10)
  {
    InsertSort(a + begin, end - begin + 1);
  }
  //>10个数走快排逻辑
  else
  {
    int keyi = PartSort1(a, begin, end);
    QuickSort(a, begin, keyi - 1);
    QuickSort(a, keyi + 1, end);
  }
}

🙂感谢大家的阅读,若有错误和不足,欢迎指正。

目录
相关文章
|
1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。
57 4
|
25天前
|
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
116 61
|
6天前
|
机器学习/深度学习 前端开发 算法
婚恋交友系统平台 相亲交友平台系统 婚恋交友系统APP 婚恋系统源码 婚恋交友平台开发流程 婚恋交友系统架构设计 婚恋交友系统前端/后端开发 婚恋交友系统匹配推荐算法优化
婚恋交友系统平台通过线上互动帮助单身男女找到合适伴侣,提供用户注册、个人资料填写、匹配推荐、实时聊天、社区互动等功能。开发流程包括需求分析、技术选型、系统架构设计、功能实现、测试优化和上线运维。匹配推荐算法优化是核心,通过用户行为数据分析和机器学习提高匹配准确性。
31 3
|
6天前
|
算法
PAI下面的gbdt、xgboost、ps-smart 算法如何优化?
设置gbdt 、xgboost等算法的样本和特征的采样率
22 2
|
21天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
25天前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
18天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
22天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。
|
18天前
|
算法
通过matlab对比遗传算法优化前后染色体的变化情况
该程序使用MATLAB2022A实现遗传算法优化染色体的过程,通过迭代选择、交叉和变异操作,提高染色体适应度,优化解的质量,同时保持种群多样性,避免局部最优。代码展示了算法的核心流程,包括适应度计算、选择、交叉、变异等步骤,并通过图表直观展示了优化前后染色体的变化情况。
|
22天前
|
算法
基于大爆炸优化算法的PID控制器参数寻优matlab仿真
本研究基于大爆炸优化算法对PID控制器参数进行寻优,并通过Matlab仿真对比优化前后PID控制效果。使用MATLAB2022a实现核心程序,展示了算法迭代过程及最优PID参数的求解。大爆炸优化算法通过模拟宇宙大爆炸和大收缩过程,在搜索空间中迭代寻找全局最优解,特别适用于PID参数优化,提升控制系统性能。