快速排序【hoare】--附图示以及代码
霍尔快速排序Hoare’s Quicksort详细介绍一、核心思想利用分治思想通过单趟排序把数组a划分成左右两段左段所有元素 ≤ 枢轴值a[keyi]右段所有元素 ≥ 枢轴值a[keyi]递归地对左右段做同样的处理最终完成整个数组的排序。1.1 算法步骤选枢轴三数取中拿到中值索引与a[left]交换后固定keyi left以a[keyi]为基准。分区用left、right两个指针相向扫描右边找a[right] a[keyi]左边找a[left] a[keyi]找到后swap交换直到left和right相遇最后swap(a[keyi], a[meeti])将枢轴放到正确位置返回meeti递归排序对[left_initial, meeti-1]和[meeti1, right_initial]两个子区间重复上述过程直到区间长度 ≤ 1。1.2 霍尔分区的详细步骤分区准备当前待分区的区间为[left, right]。为减少最坏情况出现的概率代码已使用三数取中法选出中值元素并将其交换到a[left]位置。此后以a[keyi]作为基准值枢轴其中keyi left。指针初始化右指针right初始指向区间右端点左指针left初始指向区间左端点。循环扫描与交换在left right的条件下反复执行以下流程右指针right不断向左移动自减直到找到第一个严格小于基准值的元素即a[right] a[keyi]。移动过程中始终保证left right。左指针left不断向右移动自增直到找到第一个严格大于基准值的元素即a[left] a[keyi]。移动过程中始终保证left right。如果此时仍然满足left right说明左右各找到了需要交换的元素于是交换a[left]和a[right]然后继续下一轮扫描。若left right说明指针已经相遇或交错扫描阶段结束。循环不变量在扫描的全过程中始终成立指针left左侧不含left本身的所有元素均 ≤a[keyi]指针right右侧不含right本身的所有元素均 ≥a[keyi]。分区完成当左右指针相遇或交错后记相遇位置为meeti left此时有left right。最后执行一次交换swap(a[keyi], a[meeti])将基准值放入它在完全排序后的正确位置。函数最终返回meeti。此时数组被划分为三个部分a[left_initial … meeti-1]元素全部 ≤ 基准值a[meeti]基准值本身已处于正确排序位置a[meeti1 … right_initial]元素全部 ≥ 基准值。二、动图演示三、快速排序的复杂度与稳定性分析时间复杂度快速排序的时间复杂度取决于每次分区操作的平衡程度与数据分布密切相关。最好情况O(n log n)当每次选择的基准值枢轴都能将数组均匀划分为两个大小相近的子区间时递归深度为 log n每层比较次数为 O(n)总复杂度为 O(n log n)。最坏情况O(n²)当每次选择的基准值都是当前区间的最小值或最大值例如数组已有序且未做任何优化时每次分区只划分出一个空区间和一个大小为 n-1 的区间递归深度变为 n每层比较次数为 O(n)总复杂度退化为 O(n²)。通过随机选择基准或三数取中法可大幅降低最坏情况出现的概率。平均情况O(n log n)在随机数据下基准值落在区间中部附近的概率较高递归树趋于平衡数学期望为 O(n log n)。快速排序在实际应用中通常表现优异常数因子较小。空间复杂度快速排序的空间消耗主要来自递归调用栈辅助空间为 O(1)原地分区。递归栈深度平均情况下递归深度为 O(log n)因此空间复杂度为O(log n)。最坏情况下极端不平衡递归深度为 O(n)空间复杂度退化为O(n)。辅助数组无需额外数组所有交换在原数组上完成额外空间仅用于几个临时变量为 O(1)。若采用尾递归优化或迭代实现可将栈空间进一步降低但最坏情况仍可能达到 O(n)。稳定性快速排序是一种不稳定的排序算法。原因在分区过程中元素通过交换swap移动位置相同的元素可能因为基准值的移动而改变相对顺序。示例数组[2a, 1, 2b]两个相等的 2 分别标记为 a、b若基准值为 1则分区后2b可能被换到2a前面导致相对顺序变化。若需保持稳定性可选择归并排序或插入排序等稳定算法。四、示例代码#define_CRT_SECURE_NO_WARNINGS#includestdio.h#includeassert.h//交换voidswap(int*p1,int*p2){inttemp*p1;*p1*p2;*p2temp;}//三数取中intGetMidIndex(int*a,intleft,intright){intmidleft(right-left)/2;if(a[left]a[mid]){if(a[mid]a[right]){returnmid;}elseif(a[left]a[right]){returnleft;}elsereturnright;}else// a[left] a[mid]{if(a[mid]a[right]){returnmid;}elseif(a[left]a[right]){returnleft;}elsereturnright;}}//hoare法intPartSort1(int*a,intleft,intright){intmidGetMidIndex(a,left,right);swap(a[left],a[mid]);intkeyileft;while(leftright){while(leftrighta[right]a[keyi]){right--;}while(leftrighta[left]a[keyi]){left;}if(leftright){swap(a[right],a[left]);}}intmeetleft;swap(a[keyi],a[meet]);returnmeet;}intmain(){intarr[]{6,1,2,7,9,3,4,5,10,8};intnsizeof(arr)/sizeof(arr[0]);intleft0;intrightn-1;QuickSort(arr,left,right);for(inti0;in;i){printf(%d ,arr[i]);}return0;}

相关新闻

【AI量化实战黄金法则】:20年量化老兵亲授5大不可绕过的AI建模陷阱与避坑指南

【AI量化实战黄金法则】:20年量化老兵亲授5大不可绕过的AI建模陷阱与避坑指南

更多请点击: https://codechina.net 第一章:AI量化技术的基本范式与演进脉络 AI量化技术融合了人工智能算法与金融工程方法,其核心范式围绕“数据驱动决策—模型自动迭代—策略闭环验证”展开。早期以统计套利和因子挖掘为主,依赖…

2026/7/31 10:55:34 阅读更多 →
如何用KeymouseGo实现桌面自动化:3步告别重复性工作

如何用KeymouseGo实现桌面自动化:3步告别重复性工作

如何用KeymouseGo实现桌面自动化:3步告别重复性工作 【免费下载链接】KeymouseGo 类似按键精灵的鼠标键盘录制和自动化操作 模拟点击和键入 | automate mouse clicks and keyboard input 项目地址: https://gitcode.com/gh_mirrors/ke/KeymouseGo 你是否厌倦…

2026/7/31 10:55:34 阅读更多 →
抖音下载工具深度指南:从零到批量管理的完整解决方案

抖音下载工具深度指南:从零到批量管理的完整解决方案

抖音下载工具深度指南:从零到批量管理的完整解决方案 【免费下载链接】douyin-downloader A practical Douyin downloader for both single-item and profile batch downloads, with progress display, retries, SQLite deduplication, and browser fallback suppor…

2026/7/31 10:55:34 阅读更多 →

最新新闻

国内靠谱AI快速开发工具大比拼零代码低代码全代码覆盖选型

国内靠谱AI快速开发工具大比拼零代码低代码全代码覆盖选型

作为一个产品经理出身、后来又自己折腾过好几个项目的创业者,我对“开发”这件事一直是又爱又恨。爱的是能把自己的想法变成产品,恨的是每次都要跟技术团队反复沟通需求、排期、等开发。AI时代的到来,我感觉像是找到了救星。过去几个月&#…

2026/7/31 11:30:45 阅读更多 →
AI 编程引发开源社区版权责任争议,GCC、Linux、Zig 应对策略各异

AI 编程引发开源社区版权责任争议,GCC、Linux、Zig 应对策略各异

【导语:AI 编程改变开发流程,却让开源社区面临代码版权归属、责任界定难题。GCC、Linux、Zig 等开源项目对此态度不一,反映出开源世界对代码可信任性的坚守。】AI 编程冲击开源代码贡献模式如今,Claude Code、Cursor、GitHub Copi…

2026/7/31 11:30:45 阅读更多 →
AI 编程引发开源社区版权责任争议:GCC、Linux、Zig 应对策略大不同

AI 编程引发开源社区版权责任争议:GCC、Linux、Zig 应对策略大不同

AI 编程浪潮下,GCC 对代码贡献亮“红灯”当下,AI 编程正处于一个微妙阶段。Claude Code、Cursor、GitHub Copilot 等工具让程序员借助 AI 编写函数、修复 Bug 甚至生成完整模块,改变了开发流程。然而,开源社区却面临新难题&#x…

2026/7/31 11:30:45 阅读更多 →
运维人做 AIOps Agent,日志和权限如何成生死线?

运维人做 AIOps Agent,日志和权限如何成生死线?

聊《做过运维的人学大模型,哪些经验可以直接迁移?》之前,先说一句实在的:别急着背概念,先看它在真实项目里到底解决什么问题。 摘要 摘要:从自动化脚本到 AIOps Agent,运维工程师的能力迁移并…

2026/7/31 11:30:45 阅读更多 →
数据链路层核心技术解析:从帧结构到交换机实战应用

数据链路层核心技术解析:从帧结构到交换机实战应用

在实际网络通信中,数据链路层是连接物理层和网络层的关键桥梁。很多人学习网络协议时,对数据链路层的理解停留在“MAC地址”“帧结构”等概念层面,却不知道这些概念如何在实际网络设备、抓包分析和故障排查中发挥作用。本文将以CS168课程第26…

2026/7/31 11:30:45 阅读更多 →
【单片机毕设案例分享】基于单片机的多档位照明实时数据显示系统 基于嵌入式感知技术的室内智能照明节能系统(014901)

【单片机毕设案例分享】基于单片机的多档位照明实时数据显示系统 基于嵌入式感知技术的室内智能照明节能系统(014901)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于单片机,STM32单片机,51单片机,J…

2026/7/31 11:29:45 阅读更多 →

日新闻

物理复制比逻辑复制好在哪?数据库复制原理详解

物理复制比逻辑复制好在哪?数据库复制原理详解

数据库复制是把主库数据同步到备库的机制,分为逻辑复制和物理复制两种。逻辑复制传输的是 SQL 语句或行变更事件,物理复制传输的是存储引擎底层的物理日志。阿里云 PolarDB(云原生数据库)采用物理复制,在同步延迟、数据…

2026/7/31 0:00:34 阅读更多 →
BilibiliDown:3分钟学会B站视频下载的终极指南

BilibiliDown:3分钟学会B站视频下载的终极指南

BilibiliDown:3分钟学会B站视频下载的终极指南 【免费下载链接】BilibiliDown (GUI-多平台支持) B站 哔哩哔哩 视频下载器。支持稍后再看、收藏夹、UP主视频批量下载|Bilibili Video Downloader 😳 项目地址: https://gitcode.com/gh_mirrors/bi/Bilib…

2026/7/31 0:00:34 阅读更多 →
有哪些游戏数据AI平台?游戏行业Data+AI融合方案盘点

有哪些游戏数据AI平台?游戏行业Data+AI融合方案盘点

当前,游戏行业的“DataAI融合”已从概念验证进入价值落地阶段。根据IDC 2025年数据,中国AI游戏云市场规模已达18.6亿元;同时,游戏研发环节AI渗透率高达86%,生成式AI内容普及率超过50%。面对庞大的市场,游戏…

2026/7/31 0:00:34 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/31 1:03:03 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/29 14:34:28 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/31 4:19:39 阅读更多 →

月新闻