深入浅出排序算法之快速排序（重要）⭐⭐⭐⭐⭐
目录
1. 算法介绍⭐⭐⭐⭐⭐
1.1 图示解析
2. 执行流程和代码实现
2.1 挖坑法⭐⭐⭐⭐
2.2 Hoare法⭐⭐⭐⭐
2.3 前后指针法（了解即可）
2.4 非递归实现快速排序（了解即可）
4. 性能分析
5. 算法改进
5.1 三数选中法
5.2 最后几行数据采用直接插入排序
1. 算法介绍⭐⭐⭐⭐⭐
快速排序也是“交换”类的排序，运用了分治的思想，它通过多次划分操作实现排序。以升序为例，其执行流程可以概括为：每一趟选择当前所有子序列中的一个关键字（通常是第一个）作为基准值，将子序列中比基准值小的移动到基准值的前边，比基准值大的移到基准值后边；当本趟所有子序列都被基准值以上述规则划分完毕后，会得到新的一组更短的子序列，它们成为下一趟划分的初始序列集。
（1）从待排序区间选择一个数，作为基准值(mid)；
（2）Partition: 遍历整个待排序区间，将比基准值小的（可以包含相等的）放到基准值的左边，将比基准值大的（可以包含相等的）放到基准值的右边；
（3）采用分治思想，对左右两个小区间按照同样的方式处理，直到小区间的长度 == 1，代表已经有序，或者小区间的长度 == 0，代表没有数据。
1.1 图示解析
2. 执行流程和代码实现
2.1 挖坑法⭐⭐⭐⭐
小伙伴们，自行放大图片看一下，很细滴！！！
/*
下面性能部分细讲
时间复杂度：
最好情况是：O(NlogN) 均匀分割待排序列，尽量满二叉树
最坏情况是：O(N^2)，有序或者逆序，单分支的树
空间复杂度：
最好情况是：O(logN) 树的高度，把持着mid变量
最坏情况是：O(N)，有序或者逆序，单分支的树
稳定性：不稳定
*/
//这里为了统一其他排序算法的接口，所以只传一个参数——数组
public static void quickSort(int[] array) {
quick(array, 0, array.length - 1);
}
//划分
private static void quick(int[] array, int start, int end) {
//这里为什么是>=，因为防止end到了start后面，导致越届
/*
s e
mid
例如：1 2
再递归进去，end == -1，start == 0，所以必须交 =
*/
if (start >= end) {
return;
}
int mid = partition1(array, start, end);
//递归左边
quick(array, start, mid - 1);
//递归右边
quick(array, mid + 1, end);
}
//第一种：快速排序，挖坑法，无优化版本
//每一趟的操作，交换，填坑
private static int partition1(int[] array, int left, int right) {
int tmp = array[left];//保存最左位置的值
//开始找坑
//多次左右走
while (left < right) {
//先右往左走，找一个值比tmp小的，一次循环或者说一次向右走
// 这里必须要是 >= ，不然当下标0和下标array.length的话，就会陷入死循环，这两个下标的值一直在交换
//提问：为什么不需要再次++，去进入循环呢？
while (left < right && array[right] >= tmp)
right--;
array[left] = array[right];
//从左往右走，找一个值比tmp大的，一次循环或者说一次向左走
while (left < right && array[left] <= tmp)
left++;
array[right] = array[left];
}
array[left] = tmp;
return left;
}
public static void main(String[] args) {
int[] a = {10,10,9,8,7,6,5,4,3,2,1};
Sort.quickSort2(a);
for (int x : a) {
System.out.print(x + " ");
}
}
2.2 Hoare法⭐⭐⭐⭐
思路：设置两个下标指针i和j，j向左走，找到比基准值(pivot)小的值先停下来，不交换，i向右走，找到比基准值(pivot)大的值先停下来，然后交换array[i] 和 array[j]，当i和j相遇后，交换array[i] 和 array[left]。
/*
下面性能部分细讲
时间复杂度：
最好情况是：O(NlogN) 均匀分割待排序列，尽量满二叉树
最坏情况是：O(N^2)，有序或者逆序，单分支的树
空间复杂度：
最好情况是：O(logN) 树的高度，把持着mid变量
最坏情况是：O(N)，有序或者逆序，单分支的树
稳定性：不稳定
*/
//这里为了统一其他排序算法的接口，所以只传一个参数——数组
public static void quickSort(int[] array) {
quick(array, 0, array.length - 1);
}
//划分
private static void quick(int[] array, int start, int end) {
//这里为什么是>=，因为防止end到了start后面，导致越届
/*
s e
mid
例如：1 2
再递归进去，end == -1，start == 0，所以必须交 =
*/
if (start >= end) {
return;
}
int mid = partition2(array, start, end);
//递归左边
quick(array, start, mid - 1);
//递归右边
quick(array, mid + 1, end);
}
//第二种快速排序，Hoare法，主要是交换的方式不同
private static int partition2(int[] array, int left, int right) {
int tmp = array[left];
int i = left;//把left开始的下标保存起来先
while (left < right) {
/*
为什么不能先走左呢？
答：因为先走左的话，最后right会停在比mid大的值的下标，left找到right停下来，交换i和left的值，导致不满足快排的结果
*/
//这两个循环，永远是right追left
while (left < right && array[right] >= tmp)
right--;
while (left < right && array[left] <= tmp)
left++;
swap(array, left, right);//自定义的交换方法
}
swap(array, i, left);
return left;
}
public static void main(String[] args) {
int[] a = {10,10,9,8,7,6,5,4,3,2,1};
Sort.quickSort2(a);
for (int x : a) {
System.out.print(x + " ");
}
}
2.3 前后指针法（了解即可）
总体思路：prev一直往后走（prev++），当array[prev]小于array[left]的时候，cur++。当array[cur] != array[prev]时。
具体看如下的过程：
//第三种排序算法：前后指针法
//写法一
private static int partition3(int[] array, int left, int right) {
int cur = left;//prev记录的是最后一位比array[left]的下标
int prev = left + 1;
while (cur <= right) {
if (array[prev] < array[left] && array[++cur] != array[prev]) {
swap(array, prev, cur);
}
prev++;
}
swap(array, left, cur);
return cur;
}第一步：先把第一个元素定为基准值。
cur 记录第一个元素6的下标，prev记录第二个元素的1的下标。
第二步：因为第一步的1 < 6，cur++且没发生交换，prev++（注意：prev无论如何都会一直往前走） 。
第三步：因为第二步的2 < 6，cur++且没发生交换，prev++（注意：prev无论如何都会一直往前走） 。
第四步：因为第三步的7 > 6，所以 cur不往前走，prev++，来到元素9的下标。
第五步：因为第四步的9 > 6，所以 cur不往前走，prev++，来到元素3的下标。
第六步：因为第五步的3 < 6，所以cur++来到元素7的下标，接着交换array[cur]和array[prev]的元素，后prev++（代码有体现）。
第七步：因为第五步的4 < 6，所以cur++来到元素的下标，接着交换array[cur]和array[prev]的元素，后prev++（代码有体现）。
第八步：因为第七步的5 < 6，所以cur++来到元素的下标，接着交换array[cur]和array[prev]的元素，后prev++（代码有体现）。
第九步：因为第八步的10 > 6，所以 cur不往前走，prev++，来到元素8的下标。
然后排序元素6左边子序列和右边子序列，一直重复，直至排序完成！
总结：我们可以发现cur永远都是记录着小于基准值的最后一个元素的下标，不断地把比基准值大的元素往右推！
/*
下面性能部分细讲
时间复杂度：
最好情况是：O(NlogN) 均匀分割待排序列，尽量满二叉树
最坏情况是：O(N^2)，有序或者逆序，单分支的树
空间复杂度：
最好情况是：O(logN) 树的高度，把持着mid变量
最坏情况是：O(N)，有序或者逆序，单分支的树
稳定性：不稳定
*/
//这里为了统一其他排序算法的接口，所以只传一个参数——数组
public static void quickSort(int[] array) {
quick(array, 0, array.length - 1);
}
//划分
private static void quick(int[] array, int start, int end) {
//这里为什么是>=，因为防止end到了start后面，导致越届
/*
s e
mid
例如：1 2
再递归进去，end == -1，start == 0，所以必须交 =
*/
if (start >= end) {
return;
}
int mid = partition3(array, start, end);
//递归左边
quick(array, start, mid - 1);
//递归右边
quick(array, mid + 1, end);
}
//第三种排序算法：前后指针法
//写法一
private static int partition3(int[] array, int left, int right) {
int cur = left;//prev记录的是最后一位比array[left]的下标
int prev = left + 1;
while (cur <= right) {
if (array[prev] < array[left] && array[++cur] != array[prev]) {
swap(array, prev, cur);
}
prev++;
}
swap(array, left, cur);
return cur;
}
public static void main(String[] args) {
int[] a = {6,1,2,7,9,3,4,5,10,8};
Sort.quickSort2(a);
for (int x : a) {
System.out.print(x + " ");
}
}
2.4 非递归实现快速排序（了解即可）
使用栈完成效果
（1）先准备一个栈，先调用一次partition1()方法，把6放到最终位置。
（2）将左边子序列的start和end下标进栈，右子序列的start和end下标进栈。
（3）然后出栈，先赋值个right，再给left，循环进行，就能完成排序。
注意：会将右子序列排序完成，再去排序左子序列，小伙伴们可以根据我们上面的部分流程，把整个算法流程画出来！
//第一种：快速排序，挖坑法，无优化版本
//每一趟的操作，交换，填坑
private static int partition1(int[] array, int left, int right) {
int tmp = array[left];//保存最左位置的值
//开始找坑
//多次左右走
while (left < right) {
//先右往左走，找一个值比tmp小的，一次循环或者说一次向右走
// 这里必须要是 >= ，不然当下标0和下标array.length的话，就会陷入死循环，这两个下标的值一直在交换
//提问：为什么不需要再次++，去进入循环呢？
while (left < right && array[right] >= tmp)
right--;
array[left] = array[right];
//从左往右走，找一个值比tmp大的，一次循环或者说一次向左走
while (left < right && array[left] <= tmp)
left++;
array[right] = array[left];
}
array[left] = tmp;
return left;
}
//非递归实现快速排序
//用栈实现
public static void quickSort2(int[] array){
Deque stack = new LinkedList<>();
int left = 0;
int right = array.length - 1;
int mid = partition1(array,left,right);
if(mid > left + 1){
stack.push(left);
stack.push(mid - 1);
}
if(mid < right - 1){
stack.push(mid + 1);
stack.push(right);
}
while(!stack.isEmpty()){
right = stack.pop();
left = stack.pop();
mid = partition1(array,left,right);
if(mid > left + 1){
stack.push(left);
stack.push(mid - 1);
}
if(mid < right - 1) {
stack.push(mid + 1);
stack.push(right);
}
}
} 4. 性能分析
（1）最好的情况：快速排序最理想的情况就是满二叉树， 此时时间复杂度是：O(nlogn)；空间复杂度是：O(logn)。
（2）最坏的情况：原数据有序或者逆序，这样快速排序就成了单分支树了，此时时间复杂度是：O(n^2)，空间复杂度是：O(n)。
5. 算法改进
5.1 三数选中法
取待排序数组中 头、中、尾三个位置的元素、取中间值作为基准元素。(此种方式最好,递归调用栈的深度最低)1.取待排序数组中 头、中、尾三个位置的元素、取中间值作为基准元素。(此种方式最好，递归调用栈的深度最低)。
//优化的方案，均匀的分割！三数取中法
private static int midThree(int[] array, int left, int right) {
int mid = (left + right) / 2;
if(array[left] > array[right]){
if(array[mid] < array[right]){
return right;
}else if(array[mid] > array[left]){
return left;
}else {
return mid;
}
}else{
//array[right] > array[left]
if(array[mid] < array[left]){
return left;
}else if(array[mid] > array[right]){
return right;
}else{
return mid;
}
}
}改进后的代码是：
/*
时间复杂度：
最好情况是：O(NlogN) 均匀分割待排序列，尽量满二叉树
最坏情况是：O(N^2)，有序或者逆序，单分支的树
空间复杂度：
最好情况是：O(logN) 树的高度，把持着mid变量
最坏情况是：O(N)，有序或者逆序，单分支的树
稳定性：不稳定
*/
//这里为了统一其他排序算法的接口，所以只传一个参数——数组
public static void quickSort(int[] array) {
quick(array, 0, array.length - 1);
}
//划分
private static void quick(int[] array, int start, int end) {
//这里为什么是>=，因为防止end到了start后面，导致越届
/*
s e
mid
例如：1 2
再递归进去，end == -1，start == 0，所以必须交 =
*/
if (start >= end) {
return;
}
//优化一：
//排序，返回到最终位置的元素下标
int index = midThree(array,start,end);
swap(array,start,index);
int mid = partition3(array, start, end);
//递归左边
quick(array, start, mid - 1);
//递归右边
quick(array, mid + 1, end);
}
//第一种：快速排序，挖坑法，无优化版本
//每一趟的操作，交换，填坑
private static int partition1(int[] array, int left, int right) {
int tmp = array[left];//保存最左位置的值
//开始找坑
//多次左右走
while (left < right) {
//先右往左走，找一个值比tmp小的，一次循环或者说一次向右走
// 这里必须要是 >= ，不然当下标0和下标array.length的话，就会陷入死循环，这两个下标的值一直在交换
//提问：为什么不需要再次++，去进入循环呢？
while (left < right && array[right] >= tmp)
right--;
array[left] = array[right];
//从左往右走，找一个值比tmp大的，一次循环或者说一次向左走
while (left < right && array[left] <= tmp)
left++;
array[right] = array[left];
}
array[left] = tmp;
return left;
}
//优化的方案，均匀的分割！三数取中法
private static int midThree(int[] array, int left, int right) {
int mid = (left + right) / 2;
if(array[left] > array[right]){
if(array[mid] < array[right]){
return right;
}else if(array[mid] > array[left]){
return left;
}else {
return mid;
}
}else{
//array[right] > array[left]
if(array[mid] < array[left]){
return left;
}else if(array[mid] > array[right]){
return right;
}else{
return mid;
}
}
}5.2 最后几行数据采用直接插入排序
直接插入排序：数据越有序，效率越高！
/*
时间复杂度：
最好情况是：O(NlogN) 均匀分割待排序列，尽量满二叉树
最坏情况是：O(N^2)，有序或者逆序，单分支的树
空间复杂度：
最好情况是：O(logN) 树的高度，把持着mid变量
最坏情况是：O(N)，有序或者逆序，单分支的树
稳定性：不稳定
*/
//这里为了统一其他排序算法的接口，所以只传一个参数——数组
public static void quickSort(int[] array) {
quick(array, 0, array.length - 1);
}
//划分
private static void quick(int[] array, int start, int end) {
//这里为什么是>=，因为防止end到了start后面，导致越届
/*
s e
mid
例如：1 2
再递归进去，end == -1，start == 0，所以必须交 =
*/
if (start >= end) {
return;
}
//优化二：
if(end - start + 1 <= 14){
insertSort2(array,start,end);
}
//优化一：
//排序，返回到最终位置的元素下标
int index = midThree(array,start,end);
swap(array,start,index);
int mid = partition3(array, start, end);
//递归左边
quick(array, start, mid - 1);
//递归右边
quick(array, mid + 1, end);
}
//第一种：快速排序，挖坑法，无优化版本
//每一趟的操作，交换，填坑
private static int partition1(int[] array, int left, int right) {
int tmp = array[left];//保存最左位置的值
//开始找坑
//多次左右走
while (left < right) {
//先右往左走，找一个值比tmp小的，一次循环或者说一次向右走
// 这里必须要是 >= ，不然当下标0和下标array.length的话，就会陷入死循环，这两个下标的值一直在交换
//提问：为什么不需要再次++，去进入循环呢？
while (left < right && array[right] >= tmp)
right--;
array[left] = array[right];
//从左往右走，找一个值比tmp大的，一次循环或者说一次向左走
while (left < right && array[left] <= tmp)
left++;
array[right] = array[left];
}
array[left] = tmp;
return left;
}
//直接插入排序
public static void insertSort2(int[] arr,int left,int right) {
//代码可以从i = 1开始算起，但是做题画图时，一定要从i = 0开始算起
for (int i = left + 1; i < arr.length; i++) {
int j = i - 1;
int tmp = arr[i];
for (; j >= left; j--) {
//如果arr[j] > tmp变成arr[j] >= tmp就变成不稳定了
if (arr[j] > tmp) {
arr[j + 1] = arr[j];
} else {
break;
}
}
arr[j + 1] = tmp;
}
}