这篇文章是看了“左程云”老师在b站上的讲解之后写的, 自己感觉已经能理解了, 所以就将整个过程写下来了。

这个是“左程云”老师个人空间的b站的链接, 数据结构与算法讲的很好很好, 希望大家可以多多支持左程云老师, 真心推荐.
https://space.bilibili.com/8888480?spm_id_from=333.999.0.0

1. 快速排序过程详解

1.1 逻辑解释

1. 先设置一个数组 arr[] = [ ], 下标是：0 ~ (n - 1),
2. 然后 0 ~ (n - 1) 位置随机选择一个数字：p,
3. 那么就按 p 为分界线, 将 <= p 的数字放在左边, 将 > p 的数字放在右边,
4. 然后将 p 这个数字放在左边范围的最右侧位置, (当然可能有很多个 p, 但是我们不关心, 只是放一个)
5. 此时这个 p 数字算是排好序了. 在整个数组位置上就已经不用变了.
6. 然后从这个已经排好序的数字 p 的左边和右边位置调用递归过程排序就行了. (就是重复上面的过程), 每次都能将一个数字排好序.

1.2 代码实例

这个过程和上面的逻辑实现是一样的, 直接看就能看懂, 这里我就直接说明几个需要注意的点.

1. l >= r：若是 l == r 说明只有一个数字, 不用排序, 若是 l > r 说明数组不存在.
2. Math.random() 方法的使用：这个 Math.random() 方法返回 [0, 1) 之间任意的一个浮点数, 我感觉说到这里已经能说明问题了, 这个应该是谁都要掌握的, 要是不知道, 就直接随便看一下讲解就行了. 真没有什么好讲的.

public static int[] sortArray(int[] nums) {  if (nums.length > 1) {  quickSort1(nums, 0, nums.length - 1);  }  return nums;  
}  // 随机快速排序经典版(不推荐)  
public static void quickSort1(int[] arr, int l, int r) {  if (l >= r) {  return;  }  // 随机这一下，常数时间比较大  // 但只有这一下随机，才能在概率上把快速排序的时间复杂度收敛到O(n * logn)  int x = arr[l + (int) (Math.random() * (r - l + 1))];  int mid = partition1(arr, l, r, x);  quickSort1(arr, l, mid - 1);  quickSort1(arr, mid + 1, r);  
}  // 已知arr[l....r]范围上一定有x这个值  
// 划分数组 <=x放左边，>x放右边，并且确保划分完成后<=x区域的最后一个数字是x  
public static int partition1(int[] arr, int l, int r, int x) {  // a : arr[l....a-1]范围是<=x的区域  // xi : 记录在<=x的区域上任何一个x的位置，哪一个都可以  int a = l, xi = 0;  for (int i = l; i <= r; i++) {  if (arr[i] <= x) {  swap(arr, a, i);  if (arr[a] == x) {  xi = a;  }  a++;  }  }  swap(arr, xi, a - 1);  return a - 1;  
}  public static void swap(int[] arr, int i, int j) {  int tmp = arr[i];  arr[i] = arr[j];  arr[j] = tmp;  
}

2. partition 函数详解

这段代码会有两个分支, 就是 <= x 和 > x, 所以最开始, 设置 i 对传递进来的数组范围上进行遍历,

1. 若是 i 遍历到的数字 <= x, 就让 arr[a] 和 arr[i] 进行互换(这一步是到了 i 遍历的数字 > x 的时候进行交换, 为以后做铺垫), 然后将 a++, i++. 此时 <= x 范围的的数字扩大了.
2. 若是 i 遍历到的数字 > x, 就让 a不变, i++,
3. 通过上述过程, i 遍历完数组的数字之后, 可以实现将所有 <= x 的数字放在数组的左侧, 将所有 > x 的数字放在数组的右侧.
4. 然后将 x 数字归位到 a - 1 位置. 因为这样才能保证 x 数字在数组中已经是排好序了.
5. 最后返回 a - 1 下标.

其中的 a, xi 变量, 左程云老师都在代码的注释中说明好了, 就不画蛇添足了.

// 已知arr[l....r]范围上一定有x这个值  
// 划分数组 <=x放左边，>x放右边，并且确保划分完成后<=x区域的最后一个数字是x  
public static int partition1(int[] arr, int l, int r, int x) {  // a : arr[l....a-1]范围是<=x的区域  // xi : 记录在<=x的区域上任何一个x的位置，哪一个都可以  int a = l, xi = 0;  for (int i = l; i <= r; i++) {  if (arr[i] <= x) {  swap(arr, a, i);  if (arr[a] == x) {  xi = a;  }  a++;  }  }  swap(arr, xi, a - 1);  return a - 1;  
}  

3. Partition 函数优化

3.1 优化逻辑

在经典的 Partition 函数中, 只是将所有的位置分成了两个区域, 一次只能是调整好一个数字, 但是有可能在一个数组中, 可能有很多个相同的数字, 比如在随机选择之后, 我们选择了 x, 但是这个 x 在这个数组中, 有很多个, 那我们干脆可以将所有与 x 相等的数字都排好序, 所以对应的：可以将这个数组分为三个区域：左边是 < x 的区域, 中间是 == x 的区域, 右边是 > x 的区域, 这样就有可能一次将数组中的多个数字排好序.

3.2 代码实例

讲解：我们随机选择的一个数字：x, 还是和原来一样, 设置一个 i 遍历数组中的所有数字, 将传进来的数组的最左边设置为 l, 最右边设置为：r, 分为三种情况.

1. 若是 < x, 则交换 a 和 i, 然后将 a++, i++.
2. 若是 == x, 则只是 i++.
3. 若是 > x, 则交换 b 和 i, 然后将 b--, i 不变.
4. 按照上述步骤, 可以将数组分为三个部分.

这个的时间复杂度为：O(n), 因为只是用 i 遍历了整个数组.

需要注意的是：这个函数是有返回值的, 只是用全局变量进行等效果的替换了. 使用的方式和意义及其注意点左程云老师都在注释里说明白了.

// 随机快速排序改进版(推荐)  
public static void quickSort2(int[] arr, int l, int r) {  if (l >= r) {  return;  }  // 随机这一下，常数时间比较大  // 但只有这一下随机，才能在概率上把快速排序的时间复杂度收敛到O(n * logn)  int x = arr[l + (int) (Math.random() * (r - l + 1))];  partition2(arr, l, r, x);  // 为了防止底层的递归过程覆盖全局变量  // 这里用临时变量记录first、last  int left = first;  int right = last;  quickSort2(arr, l, left - 1);  quickSort2(arr, right + 1, r);  
}  // 荷兰国旗问题  
public static int first, last;  // 已知arr[l....r]范围上一定有x这个值  
// 划分数组 <x放左边，==x放中间，>x放右边  
// 把全局变量first, last，更新成==x区域的左右边界  
public static void partition2(int[] arr, int l, int r, int x) {  first = l;  last = r;  int i = l;  while (i <= last) {  if (arr[i] == x) {  i++;  } else if (arr[i] < x) {  swap(arr, first++, i++);  } else {  swap(arr, i, last--);  }  }  
}

4. 时间复杂度分析

这个随机行为的时间复杂度需要用期望来估计, 这个已经在前面的时间复杂度章节中说明过了.

4.1 最差情况

最慢的情况是：arr[] = [1, 2, 3, 4, 5, 6, 7], 若是选择了一个最右侧的数字 7, 那就要将左边所有的数字遍历一遍, 将 7 放到正确位置之后, 选择 6, 继续进行遍历, 最后都排好序了, 这个的时间复杂度是：O(n^2).

空间复杂度是：O(n), 因为按照最差情况, 递归过程压的层数是 n 层.

4.2 最优情况

最优情况是随机选择之后的数字在整个数组的最中间位置(按数值大小). 所以递归过程是两个相同的子过程 (近似看成), 然后 Partition 过程的时间复杂度是：O(n), 所以根据 master 公式,
时间复杂度 == 2 * T(N/2) + O(n) == O(n * log(n)).

空间复杂度：因为此时是最优的情况, 所以对应的递归过程也是一个最好的情况, 递归到最底层之后, 返回, 然后进行另一个递归过程, 此时占用的空间是原来最底层的函数使用过的, 是重复利用了的空间, 所以假设数组长度是：n, 所以这个就是一个二分的过程, 空间复杂度：O(log(n)).

当然也有可能是一般情况, 有可能还是比较靠近两侧, 或者是比较靠近中间, 但不是最优情况, 也不是最差情况.

所以根据期望, 最后的时间复杂度是：O(n * log(n)), 空间辅助度是：O(log(n)). 而且这个不是最好情况的时间复杂度和空间复杂度, 这是数学家们根据所有的情况统计之后, 进行严密的论证之后的答案, 是可以和最好的情况相等, 但是不是最好情况直接用的.

注意：这个证明过程很复杂, 不用掌握也不影响后续的学习.