1 引言

如题目所示，本节的精华在于用数学解决一个直觉上看似纷乱复杂的问题，里面有一些一般性的分析方法，如引入Indicator变量，从而把不确定问题引入到概率框架进行分析，一步一步把直觉上混乱的问题理清楚，数学之美也就是如此吧！

如果有个算法在某些情况下表现的很差，在某些情况下又表现的不错，那么你还会放心的使用该算法吗？通过下面的分析后你会很放心使用快速排序算法。

2 Quicksort

2.1 算法描述

2.2 手工演示

指针iii指示的是≤pivot\leq pivot≤pivot的最后一个，作用是是用来标记≤pivot\leq pivot≤pivot和≥pivot\geq pivot≥pivot的分割状态，指针jjj用来遍历所有元素，每遍历一个元素都会和pivotpivotpivot比较，不断更新iii的指示状态。

2.3 实现

# -*- coding: utf-8 -*-def PARTITION(A, p, r):x = A[r]i = p - 1for j in range(p, r):if A[j] <= x:i = i + 1A[i], A[j] = A[j], A[i]A[i + 1], A[r] = A[r], A[i + 1]return i + 1def QUICK_SORT(A, p, r):if p < r:q = PARTITION(A, p, r)QUICK_SORT(A, p, q - 1)QUICK_SORT(A, q + 1, r)if __name__ == '__main__':A = ['x', 2, 8, 7, 1, 3, 5, 6, 4]print('before sort:', A[1:])QUICK_SORT(A, 1, len(A) - 1)print('after sort:', A[1:])

运行结果：

before sort: [2, 8, 7, 1, 3, 5, 6, 4]
after sort: [1, 2, 3, 4, 5, 6, 7, 8]

3 Analysis of quicksort

3.1 worst case

用递归树分析如下：

3.2 best case

应用主定理容易得到T(n)=Θ(nlogn)T(n)=\Theta(nlogn)T(n)=Θ(nlogn)。

3.3 110,910\frac{1}{10}, \frac{9}{10}101,109case

下面看一种感觉直觉上很差，其实效果很好的情况。

使用递归树分析：

注意log109n/log2n=log1092log_{\frac{10}{9}}n/log_{2}n = log_{\frac{10}{9}}2log910n/log2n=log9102，这是一个常数。

3.4 worst best交替情况

好坏交替的情况下，最后仍然是好的！

3.5 random case

上面从矛盾的特殊性上让直觉有一个直观的感受，只要不是特别极端（如一个初始状态是逆序的数列），貌似大部分情况下都是ok的，下面用概率框架确认这种直观的感觉是正确的。

对于离散不确定问题，要引入概率框架进行讨论，首先要引入一个合适的随机变量，这里引入指示器（Indicator）随机变量，这个变量在机器学习算法中使用更为广泛，看似简单的一个定义，却可以化繁为简的用一个表达式表示所有情况。
至此，已经进入到概率框架，可以暂时忘记之前的算法问题背景：
概率世界都是是不确定的，研究概率大目的是找出不确定问题的平均特性，如期望、方差等，这里只关注期望。
下面的推到中用到了期望的线性可加性和独立可乘性。

分割的独立性：第一次分割后，数组分为第a部分和第b部分，a部分具体在哪个位置分割已经和第一次分割没有关系。

猜想E[T(n)]≤anlgnE[T(n)] ≤ an lg nE[T(n)]≤anlgn，a足够大，接下来数学归纳法要登场了！，首先有一个数学事实要知道，这个结论也是用数学归纳法容易证明：
使用数学归纳法证明E[T(n)]≤anlgnE[T(n)] ≤ an lg nE[T(n)]≤anlgn

4 总结

从上面的分析中可以看到，快速排序大概率是Θ(nlogn)\Theta(nlogn)Θ(nlogn)的，在实际应用中快速排序往往是归并排序速度的2倍以上，如果在细节上对算法微调，则可以表现出更好的性能.

六、Analysis of quicksort相关推荐

我见过的最漂亮代码---通过删除代码来实现功能的提升
我曾经听一位大师级的程序员这样称赞到,"我通过删除代码来实现功能的提升."而法国著名作家兼飞行家Antoine de Saint-Exupéry的说法则更具代表性,"只有 ...
快速排序总结，Python版
快速排序是面试最常考内容, 让你描述算法, 让你写算法, 让你分析时间复杂度 #快速排序整理'''九章算法令狐冲老师排序思路: 先取到中心index对应的数组值循环从左边找到第一个比中间值大的数字 ...
快速排序多种方法代码Python
''' 六.快速排序 QuickSort介绍: 快速排序通常明显比同为Ο(n log n)的其他算法更快,因此常被采用,而且快排采用了分治法的思想,所以在很多笔试面试中能经常看到快排的影子. 可见掌握 ...
Python实现经典七种排序算法
#2018-06-02 June Saturday the 22 week, the 153 day SZ #数组排序算法大全用Python3实现 #参考https://www.cnblogs.com ...
八大排序详解-超详细
目录概述一,选择排序-直接插入排序(Direct insertion sort) 二,插入排序-希尔排序(Shell sort) 三,选择排序-简单选择排序(Simple selection so ...
排序算法总结（Python版）
经典排序算法总结与实现经典排序算法在面试中占有很大的比重,也是基础,为了未雨绸缪,这次收集整理并用Python实现了八大经典排序算法,包括冒泡排序,插入排序,选择排序,希尔排序,归并排序,快速排序, ...
Paper reading (六十五)：Kernel-penalized regression for analysis of microbiome data
论文题目:Kernel-penalized regression for analysis of microbiome data scholar 引用:15 页数:29 发表时间:2018.03 发表 ...
什么是六顶思考帽子？ / What is Six Think Hat in Strategic Analysis?
什么是六顶思考帽子?你为什么需要它?让我们来看看! 概观六个思考帽是爱德华德博诺建议的一个系统,马耳他心理学家起源于侧向思维这个术语.六思帽为小组讨论和个人思维提供了有效的解决方案,被认为是批判性思 ...
从零开始_学_数据结构（六）——排序（冒泡、插入、希尔、简单选择、归并、快速）...
一.冒泡排序: (1)思想是: 从第1个开始,1和2比,2和3比,3和4比,如果前面比后面大,则互相交换之,一直到n-1和n进行比.这是第一轮. 然后第二轮再从第1个开始,2和3比,3和4比,再一直比 ...

六、Analysis of quicksort

1 引言

2 Quicksort

2.1 算法描述

2.2 手工演示

2.3 实现

3 Analysis of quicksort

3.1 worst case

3.2 best case

3.3 110,910\frac{1}{10}, \frac{9}{10}101,109case

3.4 worst best交替情况

3.5 random case

4 总结

六、Analysis of quicksort相关推荐

最新文章

热门文章

六、Analysis of quicksort

1 引言

2 Quicksort

2.1 算法描述

2.2 手工演示

2.3 实现

3 Analysis of quicksort

3.1 worst case

3.2 best case

3.3 110,910\frac{1}{10}, \frac{9}{10}101​,109​case

3.4 worst best交替情况

3.5 random case

4 总结

六、Analysis of quicksort相关推荐

最新文章

热门文章

3.3 110,910\frac{1}{10}, \frac{9}{10}101,109case