分而治之与快速排序

快速排序算法是一种常用的排序算法,比选择算法快得多,快速排序算法使用了分而治之(divide and conquer,D&C)的思想,即一种著名的递归式问题解决方法。

分而治之

分而治之的工作原理:

  1. 找出基线条件,这种条件必须尽可能简单。
  2. 不断将问题分解(或者说缩小规模),直到符合基线条件。

分而治之并非是直接用于解决问题的算法,而是一种解决问题的思路,也可以说是算法实现的一种思路,我们用一个例子来说明一下其具体的工作原理。

给定一个数组{2, 4, 6},计算该数组和,使用循环很容易实现,那如果使用递归函数如何实现呢?

基于分而治之的思想,首先找出该问题的基线,首先基线条件必须尽可能的简单,因此当数组的元素个数为0或者1的时候是最简单的情况,结果就是0或者1,因此

基线条件: 
{ }------元素个数为0,sum = 0;
{a}------元素个数为1,sum = a;

找到基线后,需要将问题不断地缩减让其离基线跟进一步,即

sum({2, 4, 6})
        |
     2  +  sum({4, 6}) 
               |
            4  +  sum({6})
                     |
                     6 ---对应的就是基线条件

那对应的递归实现如下所示:

int sum(std::vector<int> arr) {
    if (arr.empty()) return 0;  // 基线条件中元素个数为0的情况

    int last_num = arr.back();  // 保存最后一个元素的值
    arr.pop_back();  // 将该元素从数组中删除以进行下一次递归调用
    return last_num + sum(arr);
}

分而治之就是将问题拆分成两个次复杂的问题,然后对于每个次复杂问题再进一步分解成两个次次复杂的问题,循环往下,直到问题都变成基线问题。

快速排序

在了解了分而治之的思想后,如何将其用到排序问题上呢?对于排序算法来说,最简单的情况是什么呢?那就是不用对其进行排序,其对应的基线应该如下:

快速排序的基线(不需要排序的数组):
{ }------元素个数为0,空数组排序结果就是它本身;
{a}------元素个数为1,只包含一个元素的数组,组排序结果也是它本身;

接下来关键的问题是如何将数组分解成次复杂的数组,快速排序就是通过基准值 (pivot)将原数组分解成两个次复杂的数组,基准值往往选取数组的中间值。

选取基准值后,如何通过基准值对剩余元素分割呢?分割方法如下:

快速排序将大于等于基准值(这里是2)的元素放在一块组成数组B,小于基准值的放在一块组成数组A,数组A放在基准值2的左边,数组B放在基准值2的右边,到目前为止,基准2已经处于最终排序结果的位置了,那么我们按照同样的方法对A和B进行快速排序,直至其达到基准条件,最终完成排序。

其算法实现如下所示:

#include <iostream>
#include <vector>

template <typename T>
std::vector<T> quickSort(const std::vector<T>& arr) {
    if (arr.size() < 2) return arr;  // 基线条件

    int pivot_index = arr.size() / 2 - 1;  // 基准值的索引
    const T pivot = arr[pivot_index];      // 基准值
    std::vector<T> less,
    greater;  // less用来存放小于基准值的元素,geater用来存放大于等于基准值的元素

    for (int i = 0; i < arr.size(); ++i) {  // 遍历所有元素
        if (i == pivot_index) continue;       // 抛除基准值
        if (arr[i] < pivot)
            less.emplace_back(arr[i]);  // 小于基准值的元素存入less
        else
            greater.emplace_back(arr[i]);  // 大于等于的元素存入greater
    }

    std::vector<T> sort_less = quickSort(less);  // 对less进行快速排序
    std::vector<T> sort_greater = quickSort(greater);  // 对greater进行快速排序

    // 组装排序后结果
    sort_less.emplace_back(pivot);
    sort_less.insert(sort_less.end(), sort_greater.begin(), sort_greater.end());

    return sort_less;
}

int main() {
    std::vector<int> arr = {3, 5, 2, 1, 4};
    std::vector<int> sorted = quickSort(arr);
    for (int num : sorted) {
        std::cout << num << " ";
    }
    std::cout << std::endl;
    return 0;
}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,761评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,953评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,998评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,248评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,130评论 4 356
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,145评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,550评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,236评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,510评论 1 291
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,601评论 2 310
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,376评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,247评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,613评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,911评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,191评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,532评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,739评论 2 335

推荐阅读更多精彩内容