1. 快速排序基础与核心思想快速排序Quicksort作为计算机科学领域最经典的排序算法之一自1960年由Tony Hoare提出以来凭借其优异的平均性能成为实际应用中最常用的排序算法。它的核心思想是分而治之Divide and conquer这种策略通过将复杂问题分解为若干个相似的子问题来降低解决难度。在快速排序中我们首先选择一个元素作为枢轴pivot然后将数组划分为两个部分一部分包含所有小于枢轴的元素另一部分包含所有大于枢轴的元素。这个划分过程称为分区partitioning。完成分区后枢轴元素就位于它最终应该在的位置上。接着我们递归地对两个子数组进行同样的操作直到整个数组有序。选择第一个元素作为枢轴是最直观的实现方式也是许多教材中首先介绍的方法。这种选择方式简单直接代码实现也最为清晰。但值得注意的是在实际应用中枢轴的选择策略会显著影响算法性能特别是在处理已排序或接近排序的数据时。我们将在后续章节详细讨论不同枢轴选择策略的优劣。2. JavaScript实现基础版本让我们从最基础的实现开始逐步构建完整的快速排序算法。以下是使用第一个元素作为枢轴的JavaScript实现function quickSort(arr, left 0, right arr.length - 1) { if (left right) return arr; const pivotIndex partition(arr, left, right); quickSort(arr, left, pivotIndex - 1); quickSort(arr, pivotIndex 1, right); return arr; } function partition(arr, left, right) { const pivot arr[left]; // 选择第一个元素作为枢轴 let i left 1; let j right; while (i j) { while (i j arr[i] pivot) i; while (i j arr[j] pivot) j--; if (i j) swap(arr, i, j); } swap(arr, left, j); return j; } function swap(arr, i, j) { [arr[i], arr[j]] [arr[j], arr[i]]; }这个实现有几个关键点需要注意递归终止条件当子数组长度为0或1时left right直接返回这是递归的基本情况。分区过程partition函数负责将数组分为两部分并返回枢轴的最终位置。我们使用双指针法i从前往后j从后往前来实现这一过程。原地排序通过交换元素实现原地排序不需要额外的存储空间这使得算法空间效率高空间复杂度O(logn)来自递归调用栈。ES6特性使用了默认参数和数组解构赋值等现代JavaScript特性使代码更简洁。提示在实际项目中对于大型数组的排序可以考虑使用尾递归优化或迭代版本来避免递归深度过大导致的栈溢出问题。3. 分区算法的详细解析分区partition是快速排序的核心操作其效率直接影响整个算法的性能。让我们深入分析上面实现中的分区过程function partition(arr, left, right) { const pivot arr[left]; // 步骤1选择第一个元素作为枢轴 let i left 1; // 步骤2初始化左指针 let j right; // 步骤3初始化右指针 while (i j) { // 步骤4主循环 // 步骤5从左找第一个大于pivot的元素 while (i j arr[i] pivot) i; // 步骤6从右找第一个小于pivot的元素 while (i j arr[j] pivot) j--; // 步骤7交换这两个元素 if (i j) swap(arr, i, j); } // 步骤8将枢轴放到正确位置 swap(arr, left, j); return j; // 步骤9返回枢轴索引 }这个分区算法的工作流程可以分为以下几个步骤选择枢轴简单地将子数组的第一个元素作为枢轴值。初始化指针i指针从左向右扫描初始为left1j指针从右向左扫描初始为right。主循环当i和j未交叉时继续循环。移动i指针i向右移动直到找到大于枢轴的元素。移动j指针j向左移动直到找到小于枢轴的元素。交换元素如果i仍在j左侧交换这两个元素。放置枢轴循环结束后将枢轴元素与j位置的元素交换此时枢轴位于其最终位置。返回位置返回枢轴的新索引用于后续递归调用。这种分区方法被称为Hoare分区方案是快速排序发明者最初提出的方法。它的优势在于平均交换次数较少但需要注意边界条件的处理。4. 算法性能分析与优化快速排序的理论时间复杂度在最优和平均情况下为O(n log n)最坏情况下为O(n²)。让我们具体分析使用第一个元素作为枢轴时的性能表现最佳情况每次分区都能将数组完美平分此时递归树的深度为log n每层需要进行O(n)次比较因此总时间复杂度为O(n log n)。平均情况对于随机排列的输入快速排序的平均时间复杂度仍然是O(n log n)常数因子比归并排序等算法更小。最坏情况当输入数组已经有序或逆序时每次分区只能减少一个元素枢轴导致递归树深度为n时间复杂度退化为O(n²)。针对最坏情况的优化策略包括随机化枢轴选择不总是选择第一个元素而是随机选择一个元素作为枢轴。function partitionRandom(arr, left, right) { const randomIndex left Math.floor(Math.random() * (right - left 1)); swap(arr, left, randomIndex); // 将随机选中的元素交换到第一个位置 return partition(arr, left, right); // 然后使用标准分区 }三数取中法选择子数组的第一个、中间和最后一个元素的中位数作为枢轴。function medianOfThree(arr, left, right) { const mid Math.floor((left right) / 2); // 对三个元素进行排序 if (arr[left] arr[mid]) swap(arr, left, mid); if (arr[left] arr[right]) swap(arr, left, right); if (arr[mid] arr[right]) swap(arr, mid, right); // 将中位数交换到left位置 swap(arr, left, mid); } function partitionMedian(arr, left, right) { medianOfThree(arr, left, right); return partition(arr, left, right); }小数组切换算法当子数组规模较小时通常为5-15个元素切换到插入排序等简单算法。function quickSortOptimized(arr, left 0, right arr.length - 1) { if (right - left 10) { // 小数组使用插入排序 insertionSort(arr, left, right); return arr; } const pivotIndex partitionMedian(arr, left, right); quickSortOptimized(arr, left, pivotIndex - 1); quickSortOptimized(arr, pivotIndex 1, right); return arr; }这些优化策略可以显著改善快速排序在最坏情况下的性能使其在实际应用中更加可靠。5. 实际应用中的注意事项在实际项目中使用快速排序时有几个关键点需要特别注意稳定性问题快速排序是不稳定的排序算法这意味着相等元素的相对位置可能会改变。如果需要稳定性应考虑归并排序等其他算法。递归深度限制JavaScript引擎通常有递归深度限制约10000层左右对于非常大的数组可能需要使用迭代版本或混合排序算法。输入数据特性对于几乎已排序的数据简单选择第一个元素作为枢轴会导致性能下降包含大量重复元素时可以考虑三路快速排序将数组分为小于、等于和大于枢轴三部分对于特别大的数据集可能需要考虑外部排序技术JavaScript引擎优化现代JavaScript引擎对某些代码模式有特殊优化。例如使用数组解构交换元素[a, b] [b, a]通常比临时变量更快。空间复杂度虽然快速排序是原地排序但递归调用会消耗栈空间。最坏情况下空间复杂度为O(n)平均为O(log n)。下面是一个考虑了这些因素的生产环境级实现function quickSortProduction(arr, left 0, right arr.length - 1) { // 使用迭代替代递归以避免栈溢出 while (left right) { if (right - left 16) { insertionSort(arr, left, right); break; } // 三数取中选择枢轴 const pivotIndex partitionMedian(arr, left, right); // 先处理较小的子数组以减少递归深度 if (pivotIndex - left right - pivotIndex) { quickSortProduction(arr, left, pivotIndex - 1); left pivotIndex 1; } else { quickSortProduction(arr, pivotIndex 1, right); right pivotIndex - 1; } } return arr; } function insertionSort(arr, left, right) { for (let i left 1; i right; i) { const key arr[i]; let j i - 1; while (j left arr[j] key) { arr[j 1] arr[j]; j--; } arr[j 1] key; } }6. 不同实现方式的性能对比为了更直观地理解各种优化策略的效果我们设计了一个简单的性能测试function testPerformance() { const sizes [1000, 10000, 100000]; const types [random, sorted, reversed, nearlySorted]; const algorithms { Basic QuickSort: quickSortBasic, Random Pivot: quickSortRandom, Median of Three: quickSortMedian, Optimized: quickSortProduction }; const results {}; for (const size of sizes) { results[size] {}; for (const type of types) { const arr generateArray(size, type); results[size][type] {}; for (const [name, algo] of Object.entries(algorithms)) { const copy [...arr]; const start performance.now(); algo(copy); const time performance.now() - start; results[size][type][name] time.toFixed(2) ms; } } } console.table(results); } function generateArray(size, type) { const arr Array.from({length: size}, (_, i) i); switch (type) { case random: return arr.sort(() Math.random() - 0.5); case sorted: return arr; case reversed: return arr.reverse(); case nearlySorted: return arr.map((x, i) i % 10 0 ? x Math.floor(Math.random() * 10) - 5 : x ); } }典型测试结果可能如下单位ms数据规模数据类型基础版随机枢轴三数取中优化版10,000随机数据12.3411.5610.899.8710,000已排序数据256.7812.4511.2310.1210,000逆序数据245.6711.8910.959.5610,000基本有序数据134.5612.3411.4510.23从测试结果可以看出基础实现在处理已排序或逆序数据时性能急剧下降随机选择枢轴或三数取中法能有效避免最坏情况综合优化版本在所有测试场景下表现稳定7. 快速排序的变体与应用除了标准实现外快速排序还有多种变体适用于不同场景三路快速排序处理包含大量重复元素的数组时特别高效function quickSort3Way(arr, left 0, right arr.length - 1) { if (left right) return; let lt left; // 小于pivot的边界 let gt right; // 大于pivot的边界 const pivot arr[left]; let i left 1; while (i gt) { if (arr[i] pivot) { swap(arr, lt, i); } else if (arr[i] pivot) { swap(arr, i, gt--); } else { i; } } quickSort3Way(arr, left, lt - 1); quickSort3Way(arr, gt 1, right); return arr; }尾递归优化减少递归调用栈深度function quickSortTailCall(arr, left 0, right arr.length - 1) { while (left right) { const pivotIndex partition(arr, left, right); if (pivotIndex - left right - pivotIndex) { quickSortTailCall(arr, left, pivotIndex - 1); left pivotIndex 1; } else { quickSortTailCall(arr, pivotIndex 1, right); right pivotIndex - 1; } } return arr; }非递归实现使用显式栈替代递归function quickSortIterative(arr) { const stack [{left: 0, right: arr.length - 1}]; while (stack.length) { const {left, right} stack.pop(); if (left right) continue; const pivotIndex partition(arr, left, right); // 先压入较大的分区后处理较小的分区 if (pivotIndex - left right - pivotIndex) { stack.push({left, right: pivotIndex - 1}); stack.push({left: pivotIndex 1, right}); } else { stack.push({left: pivotIndex 1, right}); stack.push({left, right: pivotIndex - 1}); } } return arr; }在实际开发中JavaScript的Array.prototype.sort()方法通常已经实现了高度优化的排序算法如Chrome V8引擎使用TimSort。但在某些特定场景下如需要特定排序逻辑或处理特殊数据结构时手动实现快速排序仍然有其价值。8. 常见问题与调试技巧在实现快速排序时开发者常会遇到一些典型问题。以下是常见问题及其解决方案栈溢出错误原因递归深度过大通常发生在最坏情况下如已排序数组解决方案使用随机化枢轴、三数取中法或迭代版本排序不正确可能原因1分区逻辑错误特别是边界条件处理不当调试技巧在小数组上逐步跟踪分区过程可能原因2递归调用范围错误如包含了枢轴元素检查点确保递归调用是quickSort(arr, left, pivotIndex-1)和quickSort(arr, pivotIndex1, right)性能不如预期检查点1输入数据是否具有特殊模式如已排序检查点2是否对小数组使用了更简单算法检查点3交换操作是否高效现代JS引擎中解构赋值通常最快内存使用过高原因创建了不必要的数组副本解决方案确保实现是原地排序避免slice等产生新数组的操作调试时可以添加日志辅助理解算法运行过程function partitionDebug(arr, left, right) { console.log(Partitioning subarray [${left}..${right}]:, arr.slice(left, right 1)); const pivot arr[left]; console.log(Pivot selected: ${pivot}); let i left 1, j right; while (i j) { while (i j arr[i] pivot) i; while (i j arr[j] pivot) j--; if (i j) { console.log(Swapping ${arr[i]} and ${arr[j]}); swap(arr, i, j); console.log(Array after swap:, arr); } } console.log(Final swap: moving pivot to position ${j}); swap(arr, left, j); console.log(Array after partition:, arr); return j; }对于更复杂的调试可以使用浏览器的调试工具设置断点逐步执行代码并观察变量变化。特别是在处理边界条件时逐步执行能帮助发现逻辑错误。 
长河君 · 2026/11/2 14:12:12 · 阅读 1.2k JavaScript实现快速排序算法及其优化策略
1. 快速排序基础与核心思想快速排序Quicksort作为计算机科学领域最经典的排序算法之一自1960年由Tony Hoare提出以来凭借其优异的平均性能成为实际应用中最常用的排序算法。它的核心思想是分而治之Divide and conquer这种策略通过将复杂问题分解为若干个相似的子问题来降低解决难度。在快速排序中我们首先选择一个元素作为枢轴pivot然后将数组划分为两个部分一部分包含所有小于枢轴的元素另一部分包含所有大于枢轴的元素。这个划分过程称为分区partitioning。完成分区后枢轴元素就位于它最终应该在的位置上。接着我们递归地对两个子数组进行同样的操作直到整个数组有序。选择第一个元素作为枢轴是最直观的实现方式也是许多教材中首先介绍的方法。这种选择方式简单直接代码实现也最为清晰。但值得注意的是在实际应用中枢轴的选择策略会显著影响算法性能特别是在处理已排序或接近排序的数据时。我们将在后续章节详细讨论不同枢轴选择策略的优劣。2. JavaScript实现基础版本让我们从最基础的实现开始逐步构建完整的快速排序算法。以下是使用第一个元素作为枢轴的JavaScript实现function quickSort(arr, left 0, right arr.length - 1) { if (left right) return arr; const pivotIndex partition(arr, left, right); quickSort(arr, left, pivotIndex - 1); quickSort(arr, pivotIndex 1, right); return arr; } function partition(arr, left, right) { const pivot arr[left]; // 选择第一个元素作为枢轴 let i left 1; let j right; while (i j) { while (i j arr[i] pivot) i; while (i j arr[j] pivot) j--; if (i j) swap(arr, i, j); } swap(arr, left, j); return j; } function swap(arr, i, j) { [arr[i], arr[j]] [arr[j], arr[i]]; }这个实现有几个关键点需要注意递归终止条件当子数组长度为0或1时left right直接返回这是递归的基本情况。分区过程partition函数负责将数组分为两部分并返回枢轴的最终位置。我们使用双指针法i从前往后j从后往前来实现这一过程。原地排序通过交换元素实现原地排序不需要额外的存储空间这使得算法空间效率高空间复杂度O(logn)来自递归调用栈。ES6特性使用了默认参数和数组解构赋值等现代JavaScript特性使代码更简洁。提示在实际项目中对于大型数组的排序可以考虑使用尾递归优化或迭代版本来避免递归深度过大导致的栈溢出问题。3. 分区算法的详细解析分区partition是快速排序的核心操作其效率直接影响整个算法的性能。让我们深入分析上面实现中的分区过程function partition(arr, left, right) { const pivot arr[left]; // 步骤1选择第一个元素作为枢轴 let i left 1; // 步骤2初始化左指针 let j right; // 步骤3初始化右指针 while (i j) { // 步骤4主循环 // 步骤5从左找第一个大于pivot的元素 while (i j arr[i] pivot) i; // 步骤6从右找第一个小于pivot的元素 while (i j arr[j] pivot) j--; // 步骤7交换这两个元素 if (i j) swap(arr, i, j); } // 步骤8将枢轴放到正确位置 swap(arr, left, j); return j; // 步骤9返回枢轴索引 }这个分区算法的工作流程可以分为以下几个步骤选择枢轴简单地将子数组的第一个元素作为枢轴值。初始化指针i指针从左向右扫描初始为left1j指针从右向左扫描初始为right。主循环当i和j未交叉时继续循环。移动i指针i向右移动直到找到大于枢轴的元素。移动j指针j向左移动直到找到小于枢轴的元素。交换元素如果i仍在j左侧交换这两个元素。放置枢轴循环结束后将枢轴元素与j位置的元素交换此时枢轴位于其最终位置。返回位置返回枢轴的新索引用于后续递归调用。这种分区方法被称为Hoare分区方案是快速排序发明者最初提出的方法。它的优势在于平均交换次数较少但需要注意边界条件的处理。4. 算法性能分析与优化快速排序的理论时间复杂度在最优和平均情况下为O(n log n)最坏情况下为O(n²)。让我们具体分析使用第一个元素作为枢轴时的性能表现最佳情况每次分区都能将数组完美平分此时递归树的深度为log n每层需要进行O(n)次比较因此总时间复杂度为O(n log n)。平均情况对于随机排列的输入快速排序的平均时间复杂度仍然是O(n log n)常数因子比归并排序等算法更小。最坏情况当输入数组已经有序或逆序时每次分区只能减少一个元素枢轴导致递归树深度为n时间复杂度退化为O(n²)。针对最坏情况的优化策略包括随机化枢轴选择不总是选择第一个元素而是随机选择一个元素作为枢轴。function partitionRandom(arr, left, right) { const randomIndex left Math.floor(Math.random() * (right - left 1)); swap(arr, left, randomIndex); // 将随机选中的元素交换到第一个位置 return partition(arr, left, right); // 然后使用标准分区 }三数取中法选择子数组的第一个、中间和最后一个元素的中位数作为枢轴。function medianOfThree(arr, left, right) { const mid Math.floor((left right) / 2); // 对三个元素进行排序 if (arr[left] arr[mid]) swap(arr, left, mid); if (arr[left] arr[right]) swap(arr, left, right); if (arr[mid] arr[right]) swap(arr, mid, right); // 将中位数交换到left位置 swap(arr, left, mid); } function partitionMedian(arr, left, right) { medianOfThree(arr, left, right); return partition(arr, left, right); }小数组切换算法当子数组规模较小时通常为5-15个元素切换到插入排序等简单算法。function quickSortOptimized(arr, left 0, right arr.length - 1) { if (right - left 10) { // 小数组使用插入排序 insertionSort(arr, left, right); return arr; } const pivotIndex partitionMedian(arr, left, right); quickSortOptimized(arr, left, pivotIndex - 1); quickSortOptimized(arr, pivotIndex 1, right); return arr; }这些优化策略可以显著改善快速排序在最坏情况下的性能使其在实际应用中更加可靠。5. 实际应用中的注意事项在实际项目中使用快速排序时有几个关键点需要特别注意稳定性问题快速排序是不稳定的排序算法这意味着相等元素的相对位置可能会改变。如果需要稳定性应考虑归并排序等其他算法。递归深度限制JavaScript引擎通常有递归深度限制约10000层左右对于非常大的数组可能需要使用迭代版本或混合排序算法。输入数据特性对于几乎已排序的数据简单选择第一个元素作为枢轴会导致性能下降包含大量重复元素时可以考虑三路快速排序将数组分为小于、等于和大于枢轴三部分对于特别大的数据集可能需要考虑外部排序技术JavaScript引擎优化现代JavaScript引擎对某些代码模式有特殊优化。例如使用数组解构交换元素[a, b] [b, a]通常比临时变量更快。空间复杂度虽然快速排序是原地排序但递归调用会消耗栈空间。最坏情况下空间复杂度为O(n)平均为O(log n)。下面是一个考虑了这些因素的生产环境级实现function quickSortProduction(arr, left 0, right arr.length - 1) { // 使用迭代替代递归以避免栈溢出 while (left right) { if (right - left 16) { insertionSort(arr, left, right); break; } // 三数取中选择枢轴 const pivotIndex partitionMedian(arr, left, right); // 先处理较小的子数组以减少递归深度 if (pivotIndex - left right - pivotIndex) { quickSortProduction(arr, left, pivotIndex - 1); left pivotIndex 1; } else { quickSortProduction(arr, pivotIndex 1, right); right pivotIndex - 1; } } return arr; } function insertionSort(arr, left, right) { for (let i left 1; i right; i) { const key arr[i]; let j i - 1; while (j left arr[j] key) { arr[j 1] arr[j]; j--; } arr[j 1] key; } }6. 不同实现方式的性能对比为了更直观地理解各种优化策略的效果我们设计了一个简单的性能测试function testPerformance() { const sizes [1000, 10000, 100000]; const types [random, sorted, reversed, nearlySorted]; const algorithms { Basic QuickSort: quickSortBasic, Random Pivot: quickSortRandom, Median of Three: quickSortMedian, Optimized: quickSortProduction }; const results {}; for (const size of sizes) { results[size] {}; for (const type of types) { const arr generateArray(size, type); results[size][type] {}; for (const [name, algo] of Object.entries(algorithms)) { const copy [...arr]; const start performance.now(); algo(copy); const time performance.now() - start; results[size][type][name] time.toFixed(2) ms; } } } console.table(results); } function generateArray(size, type) { const arr Array.from({length: size}, (_, i) i); switch (type) { case random: return arr.sort(() Math.random() - 0.5); case sorted: return arr; case reversed: return arr.reverse(); case nearlySorted: return arr.map((x, i) i % 10 0 ? x Math.floor(Math.random() * 10) - 5 : x ); } }典型测试结果可能如下单位ms数据规模数据类型基础版随机枢轴三数取中优化版10,000随机数据12.3411.5610.899.8710,000已排序数据256.7812.4511.2310.1210,000逆序数据245.6711.8910.959.5610,000基本有序数据134.5612.3411.4510.23从测试结果可以看出基础实现在处理已排序或逆序数据时性能急剧下降随机选择枢轴或三数取中法能有效避免最坏情况综合优化版本在所有测试场景下表现稳定7. 快速排序的变体与应用除了标准实现外快速排序还有多种变体适用于不同场景三路快速排序处理包含大量重复元素的数组时特别高效function quickSort3Way(arr, left 0, right arr.length - 1) { if (left right) return; let lt left; // 小于pivot的边界 let gt right; // 大于pivot的边界 const pivot arr[left]; let i left 1; while (i gt) { if (arr[i] pivot) { swap(arr, lt, i); } else if (arr[i] pivot) { swap(arr, i, gt--); } else { i; } } quickSort3Way(arr, left, lt - 1); quickSort3Way(arr, gt 1, right); return arr; }尾递归优化减少递归调用栈深度function quickSortTailCall(arr, left 0, right arr.length - 1) { while (left right) { const pivotIndex partition(arr, left, right); if (pivotIndex - left right - pivotIndex) { quickSortTailCall(arr, left, pivotIndex - 1); left pivotIndex 1; } else { quickSortTailCall(arr, pivotIndex 1, right); right pivotIndex - 1; } } return arr; }非递归实现使用显式栈替代递归function quickSortIterative(arr) { const stack [{left: 0, right: arr.length - 1}]; while (stack.length) { const {left, right} stack.pop(); if (left right) continue; const pivotIndex partition(arr, left, right); // 先压入较大的分区后处理较小的分区 if (pivotIndex - left right - pivotIndex) { stack.push({left, right: pivotIndex - 1}); stack.push({left: pivotIndex 1, right}); } else { stack.push({left: pivotIndex 1, right}); stack.push({left, right: pivotIndex - 1}); } } return arr; }在实际开发中JavaScript的Array.prototype.sort()方法通常已经实现了高度优化的排序算法如Chrome V8引擎使用TimSort。但在某些特定场景下如需要特定排序逻辑或处理特殊数据结构时手动实现快速排序仍然有其价值。8. 常见问题与调试技巧在实现快速排序时开发者常会遇到一些典型问题。以下是常见问题及其解决方案栈溢出错误原因递归深度过大通常发生在最坏情况下如已排序数组解决方案使用随机化枢轴、三数取中法或迭代版本排序不正确可能原因1分区逻辑错误特别是边界条件处理不当调试技巧在小数组上逐步跟踪分区过程可能原因2递归调用范围错误如包含了枢轴元素检查点确保递归调用是quickSort(arr, left, pivotIndex-1)和quickSort(arr, pivotIndex1, right)性能不如预期检查点1输入数据是否具有特殊模式如已排序检查点2是否对小数组使用了更简单算法检查点3交换操作是否高效现代JS引擎中解构赋值通常最快内存使用过高原因创建了不必要的数组副本解决方案确保实现是原地排序避免slice等产生新数组的操作调试时可以添加日志辅助理解算法运行过程function partitionDebug(arr, left, right) { console.log(Partitioning subarray [${left}..${right}]:, arr.slice(left, right 1)); const pivot arr[left]; console.log(Pivot selected: ${pivot}); let i left 1, j right; while (i j) { while (i j arr[i] pivot) i; while (i j arr[j] pivot) j--; if (i j) { console.log(Swapping ${arr[i]} and ${arr[j]}); swap(arr, i, j); console.log(Array after swap:, arr); } } console.log(Final swap: moving pivot to position ${j}); swap(arr, left, j); console.log(Array after partition:, arr); return j; }对于更复杂的调试可以使用浏览器的调试工具设置断点逐步执行代码并观察变量变化。特别是在处理边界条件时逐步执行能帮助发现逻辑错误。