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
|
4月前
|
存储 监控 JavaScript
基于布隆过滤器的 Node.js 算法在局域网电脑桌面监控设备快速校验中的应用研究
本文探讨了布隆过滤器在局域网电脑桌面监控中的应用,分析其高效空间利用率、快速查询性能及动态扩容优势,并设计了基于MAC地址的校验模型,提供Node.js实现代码,适用于设备准入控制与重复数据过滤场景。
192 0
|
3月前
|
运维 监控 JavaScript
基于 Node.js 图结构的局域网设备拓扑分析算法在局域网内监控软件中的应用研究
本文探讨图结构在局域网监控系统中的应用,通过Node.js实现设备拓扑建模、路径分析与故障定位,提升网络可视化、可追溯性与运维效率,结合模拟实验验证其高效性与准确性。
233 3
|
3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
|
3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
|
3月前
|
机器学习/深度学习 算法 安全
小场景大市场:猫狗识别算法在宠物智能设备中的应用
将猫狗识别算法应用于宠物智能设备,是AIoT领域的重要垂直场景。本文从核心技术、应用场景、挑战与趋势四个方面,全面解析这一融合算法、硬件与用户体验的系统工程。
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习模型、算法与应用的全方位解析
深度学习,作为人工智能(AI)的一个重要分支,已经在多个领域产生了革命性的影响。从图像识别到自然语言处理,从语音识别到自动驾驶,深度学习无处不在。本篇博客将深入探讨深度学习的模型、算法及其在各个领域的应用。
930 3
|
5月前
|
机器学习/深度学习 人工智能 算法
AI-Compass 强化学习模块:理论到实战完整RL技术生态,涵盖10+主流框架、多智能体算法、游戏AI与金融量化应用
AI-Compass 强化学习模块:理论到实战完整RL技术生态,涵盖10+主流框架、多智能体算法、游戏AI与金融量化应用
|
5月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
157 1
|
4月前
|
算法 数据可视化
matlab版本粒子群算法(PSO)在路径规划中的应用
matlab版本粒子群算法(PSO)在路径规划中的应用
|
5月前
|
存储 监控 算法
公司员工泄密防护体系中跳表数据结构及其 Go 语言算法的应用研究
在数字化办公中,企业面临员工泄密风险。本文探讨使用跳表(Skip List)数据结构优化泄密防护系统,提升敏感数据监测效率。跳表以其高效的动态数据处理能力,为企业信息安全管理提供了可靠技术支持。
129 0

热门文章

最新文章