1. 簡單快速排序
快速排序是一個簡單,易於理解的排序演算法,我們先來看看一個入門級別的快排:
function QuickSort(nums){
if(nums.length <= 1){
return nums
}
let pivot = nums[random(0, nums.length - 1)]
let left = []
let right = []
let mid = []
for (let i = 0; i < nums.length; i++) {
if(nums[i] < pivot){
left.push(nums[i])
}else if(nums[i] == pivot){
mid.push(nums[i])
}else{
right.push(nums[i])
}
}
return QuickSort(left).concat(mid, QuickSort(right))
}
這種寫法的優點是邏輯非常清晰,很好理解;缺點是每次遞迴都產生了新的陣列,最後再合併陣列,空間複雜度略高
2.原地排序 Partition演算法
Partition演算法是一種原地分割排序的的演算法,選定一個基準值,將每一個小於基準值的交換到左邊,將每一個大於基準值的交換到右邊,最後基準值居中,是一種原地分割的演算法,除了常數級的變數外,沒有使用額外的空間
2.1 公共函式
我們先定義幾個常用的公共函式
//陣列交換
function swap(nums, i ,j){
tmp = nums[j]
nums[j] = nums[i]
nums[i] = tmp
}
//範圍內隨機數
function random(minNum,maxNum){
return parseInt(Math.random()*(maxNum-minNum+1)+minNum,10)
}
2.2 從左向右一次遍歷-Partition演算法
function Partition(nums, l = 0, r = nums.length - 1) {
//隨機選取一個作為基值值
let random_i = random(l, r)
let pivot = nums[random_i]
swap(nums, l, random_i)
let pos = l
for (let i = l + 1; i <= r; i++) {
if(nums[i] <= pivot){
pos++
if(i != pos){
swap(nums, i, pos)
}
}
}
swap(nums, l, pos)
return pos
}
pos是分割線,pos(含本身)右邊都是小於等於基準值的,右邊都是大於基準值的
2.3 雙指標-Partition演算法
function Partition(nums, l = 0, r = nums.length - 1)
{
let pivot = nums[l]
while(l < r)
{
while(l < r && nums[r] >= pivot){
r--
}
nums[l] = nums[r]
while(l < r && nums[l] <= pivot){
l++
}
nums[r] = nums[l]
}
nums[begin] = pivot;
return begin;
}
雙指標的演算法比較不太好理解,精妙在沒有使用交換函式,通過pivot暫存了基準值,然後使用基準值,左右端點的關係,完成了分割,感興趣可以打上斷點跑一下看看
3.使用Partition演算法的快排
function QuickSort(nums, l = 0, r = nums.length - 1){
if(r - l <= 0){
return nums
}
let pos = Partition(nums, l, r)
QuickSort(nums, l, pos - 1)
QuickSort(nums, pos + 1, r)
return nums
}
使用Partition演算法的快排,沒有建立新的陣列,在原陣列上交換,完成了排序
4. Three-Partition演算法
Three-Partition演算法是Partition演算法的延伸,把無序陣列分為3份,小於基準值,等於基準值,大於基準值,非常適合重複資料很多的陣列分割排序
4.1 確定左右邊界的Three-Partition演算法
function ThreePartition(nums, l = 0, r = nums.length - 1) {
//隨機選取一個作為基準值
let mid = random(l, r)
let pivot = nums[mid]
let p = l//這裡的p就是左邊界,p(含p)左邊都是小於基準值的
for (let i = l; i <= r; i++) {
while(i <= r && nums[i] > pivot){
swap(nums, i, r)//這裡的r就是右邊界,r右邊都是大於基準值的
r--
}
if(nums[i] < pivot){
swap(nums, i, p)
p++
}
}
return [p,r]
}
這種演算法我覺得比 4.2確定左中邊界的Three-Partition演算法
好理解些,遇到每一個大於基準值的,都交換到右邊,同時右邊界r--
;遇到小於基準值的,都交換到左邊,同時左邊界p++
,更符合常見思維。
4.2 確定左中邊界的Three-Partition演算法
function ThreePartition(nums, l = 0, r = nums.length - 1) {
//隨機選取一個作為基準值
let mid = random(l, r)
let pivot = nums[mid]
let p0 = p1 = l//p0 0的最右邊界 //p1中間值的最右邊界
for (let i = l; i <= r; i++) {
if(nums[i] < pivot){
swap(nums, i, p0)
//因為首先是連續的左值+連續的基準值+連續的右值
//如果p1 > p0則會把一個基準值交換到了i,這不是我們期望的
//這時候我們需要把i和基準值的右邊界p1交換
if(p0 < p1){
swap(nums, i, p1)
}
p0++
p1++
}else if(nums[i] == pivot){
swap(nums, i, p1)
p1++
}
}
return [p0,p1-1]
}
這種演算法是基於確定左中邊界,每次都會左值交換到左邊界,把基準值交換到基準值的右邊界,但當基準值的右邊界p1
增長過快時,超過p0
,此時就需要把i
和基準值的右邊界p1
交換
5 使用Three-Partition演算法的快排
function QuickSort(nums, l = 0, r = nums.length - 1){
if(r - l <= 0){
return nums
}
let pos = ThreePartition(nums, l, r)
QuickSort(nums, l, pos - 1)
QuickSort(nums, pos + 1, r)
return nums
}
如果無序陣列裡沒有重複值,那麼完全等價於Partition演算法,如果陣列記憶體在重複值,重複的越多,分佈越集中,此演算法效率越高
6. 使用Partition演算法求解TopK
問題
function findKthNumber(nums, k){
let l = 0;
let r = nums.length - 1;
while (l <= r){
let pos = Partition(nums, l ,r)
let r_len = r - pos
let l_len = pos
if(k == r_len + 1){
return nums[pos]
}else if(k <= r_len){
l = pos + 1
}else{
r = pos - 1
k -= (r_len + 1)
}
}
return 0
}
效率還是非常高效的
7. 使用Three-Partition演算法求解TopK
問題
function findKthNumber(nums, k){
let l = 0;
let r = nums.length - 1;
while (l <= r){
let pos = Partition(nums, l ,r)
let r_len = r - pos
let l_len = pos
if(k == r_len + 1){
return nums[pos]
}else if(k <= r_len){
l = pos + 1
}else{
r = pos - 1
k -= (r_len + 1)
}
}
return 0
}
Three-Partition演算法效率也是非常高效的,分佈越收斂,越集中,效果則越好