快速排序,又称划分交换排序。以分治法为策略实现的快速排序算法。
本文主要要谈的是利用javascript实现in-place思想的快速排序
分治法:
在计算机科学中,分治法是建基于多项分支递归的一种很重要的算法范式。字面上的解释是“分而治之”,就是把一个复杂的问题分成两个或更多的相同或相似的子问题,直到最后子问题可以简单的直接求解,原问题的解即子问题的解的合并。(摘自维基百科)
快速排序的思想
数组中指定一个元素作为标尺,比它大的放到该元素后面,比它小的放到该元素前面,如此重复直至全部正序排列。
快速排序分三步:
选基准:在数据结构中选择一个元素作为基准(pivot)
划分区:参照基准元素值的大小,划分无序区,所有小于基准元素的数据放入一个区间,所有大于基准元素的数据放入另一区间,分区操作结束后,基准元素所处的位置就是最终排序后它应该所处的位置
递归:对初次划分出来的两个无序区间,递归调用第 1步和第 2步的算法,直到所有无序区间都只剩下一个元素为止。
现在先说说普遍的实现方法(没有用到原地算法)
function quickSort(arr) { if (arr.length <= 1) return ; //取数组最接近中间的数位基准,奇数与偶数取值不同,但不印象,当然,你可以选取第一个,或者最后一个数为基准,这里不作过多描述 var pivotIndex = Math.floor(arr.length / 2); var pivot = arr.splice(pivotIndex, 1)[0]; //左右区间,用于存放排序后的数 var left = []; var right = []; console.log('基准为:' + pivot + ' 时'); for (var i = 0; i < arr.length; i++) { console.log('分区操作的第 ' + (i + 1) + ' 次循环:'); //小于基准,放于左区间,大于基准,放于右区间 if (arr[i] < pivot) { left.push(arr[i]); console.log('左边:' + (arr[i])) } else { right.push(arr[i]); console.log('右边:' + (arr[i])) } } //这里使用concat操作符,将左区间,基准,右区间拼接为一个新数组 //然后递归1,2步骤,直至所有无序区间都 只剩下一个元素 ,递归结束 return quickSort(left).concat([pivot], quickSort(right)); } var arr = [14, 3, 15, 7, 2, 76, 11]; console.log(quickSort(arr)); /* * 基准为7时,第一次分区得到左右两个子集[ 3, 2,] 7 [14, 15, 76, 11]; * 以基准为2,对左边的子集[3,2]进行划分区排序,得到[2] 3。左子集排序全部结束 * 以基准为76,对右边的子集进行划分区排序,得到[14, 15, 11] 76 * 此时对上面的[14, 15, 11]以基准为15再进行划分区排序, [14, 11] 15 * 此时对上面的[14, 11]以基准为11再进行划分区排序, 11 [14] * 所有无序区间都只剩下一个元素,递归结束 * */
通过断点调试,可得出结果。
弊端:
它需要Ω(n)的额外存储空间,跟归并排序一样不好。在生产环境中,需要额外的内存空间,影响性能。
同时,很多人认为上边的就是真正的快速排序了。 所以,在下面,很有必要的推荐in-place算法的快速排序
有关于原地算法可参考维基百科,被墙的同学,百度也差不多。
in-place
快速排序一般是用递归实现,最关键是partition分割函数,它将数组划分为两部分,一部分小于pivot,另一部分大于pivot。具体原理上边提过
function quickSort(arr) { // 交换 function swap(arr, a, b) { var temp = arr[a]; arr[a] = arr[b]; arr[b] = temp; } // 分区 function partition(arr, left, right) { /** * 开始时不知最终pivot的存放位置,可以先将pivot交换到后面去 * 这里直接定义最右边的元素为基准 */ var pivot = arr[right]; /** * 存放小于pivot的元素时,是紧挨着上一元素的,否则空隙里存放的可能是大于pivot的元素, * 故声明一个storeIndex变量,并初始化为left来依次紧挨着存放小于pivot的元素。 */ var storeIndex = left; for (var i = left; i < right; i++) { if (arr[i] < pivot) { /** * 遍历数组,找到小于的pivot的元素,(大于pivot的元素会跳过) * 将循环i次时得到的元素,通过swap交换放到storeIndex处, * 并对storeIndex递增1,表示下一个可能要交换的位置 */ swap(arr, storeIndex, i); storeIndex++; } } // 最后: 将pivot交换到storeIndex处,基准元素放置到最终正确位置上 swap(arr, right, storeIndex); return storeIndex; } function sort(arr, left, right) { if (left > right) return; var storeIndex = partition(arr, left, right); sort(arr, left, storeIndex - 1); sort(arr, storeIndex + 1, right); } sort(arr, 0, arr.length - 1); return arr; } console.log(quickSort([8, 4, 90, 8, 34, 67, 1, 26, 17]));
分区的优化
这里细心的同学可能会提出,选取不同的基准时,是否会有不同性能表现,答案是肯定的,但,因为,我是搞前端的,对算法不是很了解,所以,这个坑留给厉害的人来填补。
复杂度
快速排序是排序速度最快的算法,它的时间复杂度是O(log n)
在平均状况下,排序n个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较.
https://github.com/LYZ0106/
以上所述是小编给大家介绍的JavaScript实现in-place思想的快速排序方法,希望对大家有所帮助,如果大家有任何疑问欢迎给我留言,小编会及时回复大家的,在此也非常感谢大家对网站的支持!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
- 古典吉他《鲁特琴-BachInspirations巴赫灵感》ThibautGarcia[24Bit/96kHz]
- 刘纬武《睡眠音乐家 缓解疼痛 赫兹白噪音》[320K/MP3][217.2MB]
- 刘纬武《睡眠音乐家 缓解疼痛 赫兹白噪音》[FLAC/分轨][870.69MB]
- 群星1998 《宝丽金最佳电视主题曲》香港首版[WAV+CUE][1.2G]
- 群星1990《群星会·金曲重现》新加坡版[WAV+CUE][1.1G]
- 张惠妹2003《勇敢》[WAV+CUE][1.1G]
- 群星1995《摇滚中国乐势力》首版引进版[WAV+CUE][983M]
- 陈思安《32首酒廊情调》2CD新雅(国际)影碟[WAV+CUE]
- 齐豫潘越云《回声》K2HD[正版原抓WAV+CUE]
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]