排序算法【2】——快速排序

算法描述

快速排序采用了分治的思想：

• 分解：数组\(A[p\ldots r]\)被划分为两个子数组\(A[p\ldots q-1]\)和\(A[q+1\ldots r]\)，使得\(A[p\ldots q-1]\)中的元素小于等于\(A[q]\)，\(A[q+1\ldots r]\)中的元素大于等于\(A[q]\)
• 解决：通过递归调用快速排序，对子数组\(A[p\ldots q-1]\)和\(A[q+1\ldots r]\)进行排序

伪代码

在不同的快速排序算法实现中有不同的分区PARTITION策略

QUICKSORT(A, p, r)
    if p < r
        q = PARTITION(A, p, r)
        QUICKSORT(A, p, q - 1)
        QUICKSORT(A, q + 1, r)

PARTITION(A, p, r)
    i = RANDOM(p, r)
    exchange A[r] with A[i]
    x = A[r]
    i = p - 1
    for j = p to r - 1
        if A[j] <= x
            i = i + 1
            exchange A[i] with A[j]
    exchange A[i + 1] with A[r]
    return i + 1

算法复杂度

这里假设数组\(A[p\ldots r]\)中元素互不相同

• 最好情况：每次分区的时候，两边的分区大小一致，那么最多递归\(log(n)\)层，每一层都会比对\(n\)次，所以时间复杂度为\(\Theta(nlog(n))\)
• 最坏情况：每次分区选的主元\(A[q]\)都是当前数组中的最大值或者最小值，那么会递归\(n\)层，时间复杂度为\(\Theta(n^2)\)
• 平均情况：令随机变量\(X\)表示整个快速排序过程中比对次数，那么\(E(X)\approx 2nlnn\)，所以时间复杂度为\(\Theta(nlog(n))\)

期望\(E(X)\)的计算过程：
令随机变量

\[X_{ij}= \begin{cases} 1, & \text {if A[i] compared with A[j] during the process} \\ 0, & \text{otherwise} \end{cases} \]

注意到，元素\(A[i]\)和\(A[j]\)最多只会发生一次比较（比较之后主元不会进入分区），所以

\[E(X)=E(\sum_{i=1}^{n-1}{\sum_{j=i+1}^{n}{X_{ij}}}) \]

同时\(A[i]\)与\(A[j]\)发生比较的概率，就是元素\(A[i]\)或者\(A[j]\)作为区间\(A[i\ldots j]\)中第一个被选取的主元，这一概率

\[Pr\{A[i]\,or\,A[j]\,as\,the\,first\,pivot\,chosen\,from\,A[i\ldots j]\}=\frac{2}{j-i+1} \]

所以

\[\begin{align} E(X) &= E(\sum_{i=1}^{n-1}{\sum_{j=i+1}^{n}{X_{ij}}})\\ &= \sum_{i=1}^{n-1}{\sum_{j=i+1}^{n}{E(X_{ij})}}\\ &= \sum_{i=1}^{n-1}{\sum_{j=i+1}^{n}{\frac{2}{j-i+1}}}\\ &= \sum_{i=1}^{n-1}{2(ln(n-i+2)-1)}\\ &= \sum_{i=1}^{n-1}{2(ln(i+2)-1)}\\ &\approx 2ln(n!)\\ &\approx 2nlnn\\ \end{align}\]

Hoare分区

在上面朴素的分区策略中，无法将与主元相等的元素平均地划分到左右子区间，Hoare分区策略解决了这个问题，那就是从两边开始扫描：

HOARE-PARTITION(A, p, r)
    i = RANDOM(p, r)
    pivot = A[i]
    p = p - 1
    while true
        while A[++p] < pivot
        while pivot < A[--r]
        if p < r
            exchange A[p] with A[r]
        else
            return p

实际上，std::sort采用的也是这种方式，所以C++标准规定了传入的比较函数必须保证\(cmp(a, b) != cmp(b, a)\)，比如：

int n = 10000000;
std::vector<int> vec(n);
std::sort(vec.begin(), vec.end(), [] (int x, int y) {
    return x <= y;
});

上面的代码会造成内存越界，从而segmentfault