单轴快排(SinglePivotQuickSort)和双轴快排(DualPivotQuickSort)及其JAVA实现

快速排序使用的是分治思想,将原问题分成若干个子问题进行递归解决。通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。

单轴快排(SinglePivotQuickSort)

单轴快速排序是快速排序最简单的实现。

步骤如下:

  1. 如果待排序的数组项数为0或1,直接返回。(递归出口)
  2. 在待排序的数组中任选一个元素,作为中心点(pivot)。
  3. 将小于pivot的元素,大于pivot的元素划分为开来。也就是将小于中心点的元素放在中心点前面,大于中心点的元素放在中心点后面。
  4. 对前面小于pivot的元素进行快速排序,对大于pivot的元素进行快速排序。

快速排序的基本原理

根据上面的步骤可以看出,如何将大于pivot和小于pivot的元素进行划分是实现快速排序的关键

元素划分的方式

两端扫描交换方式

两端扫描交换

注意 :i 与 j 必须交错,如果两者相遇之后就停止比较,那相遇点所在的元素就没有和中心点进行比较。

实现代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
/**
* 双端扫描交换 Double-End Scan and Swap
*
* @param items
* 待排序数组
*/
public void deScanSwapSort(int[] items) {
deScanSwapSort(items, 0, items.length - 1);
}

public void deScanSwapSort(int[] items, int start, int end) {
if (start < end) {
int pivot = items[start];

int i = start + 1, j = end;
while (i <= j) {
while (i <= j && items[i] < pivot)
i++;
while (i <= j && items[j] >= pivot)
j--;
if (i <= j) {
swap(items, i, j);
}
}
swap(items, start, j);// 将中心点交换到中间。
deScanSwapSort(items, start, j - 1);// 中心点左半部分递归
deScanSwapSort(items, j + 1, end);// 中心点右半部分递归
}
}

private void swap(int[] items, int i, int j) {
int tmp = items[i];
items[i] = items[j];
items[j] = tmp;
}

赋值填充方式 —- 一端挖坑一端填充

赋值填充过程图

注意:最后 i 和 j 相遇,所在的位置是个坑。

实现代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
/**
* 赋值填充方式
* 一端挖坑一端填充
*
* @param items
* 待排序数组
*/
public void fillSort(int[] items) {
fillSort(items, 0, items.length - 1);
}

public void fillSort(int[] items, int start, int end) {
if (start < end) {
int pivot = items[start];
int i = start, j = end;
while (i < j) {
while (i < j && items[j] > pivot)
j--;
items[i] = items[j];
while (i < j && items[i] <= pivot)
i++;
items[j] = items[i];
}
// 相遇后i == j,此处是个坑
items[i] = pivot;
fillSort(items, start, i - 1);
fillSort(items, i + 1, end);
}
}

单向扫描划分方式

前面的i,j标记都是相向而行,i标记负责找比pivot大的元素,j标记负责比pivot小的元素。下面要说的这种实现方式中思想与前两者不太一样:

  1. 初始时,i=start,j=start+1;j 负责扫描整个序列。

    初始状态

  2. 扫描过程中始终保持:序列中start+1~ i 是小于pivot;i+1~ j 是大于pivot的。

    排序原则

  3. 为了保持2的特性,j扫描时遇到小于pivot的元素,i++,并将i元素与j元素进行交换,然后扫描下一个元素;

    扫描过程

    遇到大于pivot的元素,直接扫描下一个元素。

    扫描过程

  4. 整个序列扫描完成后,将第一个元素pivot与小于pivot的元素的最后一个进行交换。

    排序结束

示例过程图如下:

单向扫描交换方式

实现代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
/**
* 单向扫描划分方式
*
* @param items
* 待排序数组
*/
public void forwardScanSort(int[] items) {
forwardScanSort(items, 0, items.length - 1);
}

public void forwardScanSort(int[] items, int start, int end) {
if (start < end) {
int pivot = items[start];
int i = start, j = start + 1;
while (j <= end) {
if (items[j] < pivot) {
i++;
swap(items, i, j);
}
j++;
}
swap(items, start, i);
forwardScanSort(items, start, i - 1);
forwardScanSort(items, i + 1, end);
}
}

单轴快排的一种优化方式—-三分单向扫描

先来看一个例子:

对于这样一个序列2,2,2,2,3,1,我们使用上面提到的单轴快排中最简单的实现对其进行排序:选择第一个元素2作为pivot中心点,划分后得到两段子序列分别为:12,2,3,2,接着继续递归对子序列进行排序,对于2,2,3,2子序列又是将2作为pivot中心点… 你会发现对于这种大量元素等于pivot的序列,单轴快排并没有起到很好的划分作用。如果我们将等于pivot的元素也作为一个划分区段,则可以将序列划分为3段:小于pivot的元素,等于pivot的元素,大于pivot的元素。看下图:

单轴快排的优化

很明显的看出这种处理方式,会大大节省递归次数。

如何实现该算法呢,很显然我们不能使用像上面单轴快排中前两种相向扫描的方式,我们要结合上面的几种实现方式—-单向扫描,双向靠拢,看下面的很容易理解。不过为了将序列划分为三个区段我们需要三个变量i,j,k。大致过程如下:

  1. 初始化时,i=start,j=end,k=start+1。k负责扫描。

    三分单轴快排初始化状态

  2. 扫描过程中始终保持:starti是小于pivot的元素,ik是等于pivot的元素,j~end是大于pivot的元素

    扫描过程

  3. 扫描过程中,遇到小于pivot的元素,i与k元素进行交换,i++,然后k扫描下一个元素;

    扫描过程遇到小于pivot的元素

    遇到大于pivot的元素,k与j交换,j–,k不需加一,继续扫描k处元素。

    扫描过程中遇到大于pivot的元素

    扫描过程遇到等于pivot的元素,直接扫描下一个元素。

    扫描过程遇到等于pivot元素

    1. pivot已经包含在等于pivot的分段中,无需交换。最后k>j的时候停止扫描。

实现代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
/**
* 三分单向扫描
*/
public void div3ScanSort(int[] items) {
div3ScanSort(items, 0, items.length - 1);
}

public void div3ScanSort(int[] items, int start, int end) {
if (start < end) {
int pivot = items[start];
int i = start, j = end, k = start + 1;
while (k <= j) {
if (items[k] < pivot) {
swap(items, i, k);
i++;
k++;
} else if (items[k] > pivot) {
swap(items, j, k);
j--;
} else {
k++;
}
}
div3ScanSort(items, start, i - 1);
div3ScanSort(items, j + 1, end);
}
}

另一种优化—-三分双向扫描

在上面的实现中,扫描到大于pivot的元素,将最后一个未扫描的元素(j所在的位置)与当前元素(k所在的位置)进行交换。那如果这个未扫描的元素正好是比pivot大的元素呢,这无疑增加了交换的次数。

所以j索引应当扫描到一个不比pivot大的元素,再做判断,如果==pivot,将k与j进行交换,如果<pivot,将k与j进行交换,然后k与i进行交换。

三分双端扫描

实现代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
/**
* 双端扫描三分排序
*/
public void div3DeScanSort(int[] items) {
div3DeScanSort(items, 0, items.length - 1);
}

public void div3DeScanSort(int[] items, int start, int end) {
if (start < end) {
int pivot = items[start];
int i = start, j = end, k = start + 1;

OUT_LOOP: while (k <= j) {
if (items[k] < pivot) {
swap(items, i, k);
i++;
k++;
} else if (items[k] == pivot) {
k++;
} else {
// j向左扫描,直到一个不大于pivot的元素
while (items[j] > pivot) {
j--;
if (k > j) {
// 后面的待排元素全大于pivot,直接结束排序
break OUT_LOOP;
}
}
if (items[j] < pivot) {
swap(items, j, k);
swap(items, i, k);
i++;
} else {
swap(items, j, k);
}
k++;
j--;
}
}
div3DeScanSort(items, start, i - 1);
div3DeScanSort(items, j + 1, end);
}
}

双轴快排(DualPivotQuickSort)

双轴快排思想

理解了前面的三分单向扫描和三分双向扫描,双轴快速排序就很好理解了。

双轴快速排序,顾名思义,取两个中心点pivot1,pivot2,且pivot≤pivot2,可将序列分成三段:x<pivot1、pivot1≤x≤pivot2,x<pivot2,然后分别对三段进行递归。基本过程如下图:

双轴快排基本原理

既然要两个中心点,我们一般将第一个元素和最后一个元素作为两个中心点。实现大致过程如下:

  1. 初始化时,i=start,j=end,k=start+1,k负责扫描。序列第一个值大于序列最后一个值,需要进行交换。然后pivot1=items[start],pivot2=items[end]。

  2. 扫描过程中保持:1i是小于pivot1的元素,ik是大于等于pivot1、小于等于pivot2的元素,j~end-1是大于pivot2的元素。

    双轴快排扫描过程

  3. 扫描过程与前面的三分双向扫描类似。

  4. 最后扫描完成,将pivot1与pivot2移到中间(这和之前讲的都差不多,就不在这进行过多的解释了)。

    扫描完成

实现代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
/**
* 双轴快排
*
* @param items
*/
public void dualPivotQuickSort(int[] items) {
dualPivotQuickSort(items, 0, items.length - 1);
}

public void dualPivotQuickSort(int[] items, int start, int end) {
if (start < end) {
if (items[start] > items[end]) {
swap(items, start, end);
}
int pivot1 = items[start], pivot2 = items[end];
int i = start, j = end, k = start + 1;
OUT_LOOP: while (k < j) {
if (items[k] < pivot1) {
swap(items, ++i, k++);
} else if (items[k] <= pivot2) {
k++;
} else {
while (items[--j] > pivot2) {
if (j <= k) {
// 扫描终止
break OUT_LOOP;
}
}

if (items[j] < pivot1) {
swap(items, j, k);
swap(items, ++i, k);
} else {
swap(items, j, k);
}
k++;
}
}
swap(items, start, i);
swap(items, end, j);

dualPivotQuickSort(items, start, i - 1);
dualPivotQuickSort(items, i + 1, j - 1);
dualPivotQuickSort(items, j + 1, end);
}
}

各种实现速度大比拼

我们测试的序列长度为10000

1
private final int[] testItems = new int[10000];

为了更精确的测量耗时,我们使用的单位是纳秒

1
2
3
start = System.nanoTime();
xxxSort(tmp);
end = System.nanoTime();

对多重复元素的序列进行排序

1
2
3
for (int i = 0; i < testItems.length; i++) {
testItems[i] = (int) (Math.random() * 100);
}

这里我们随机生成100以内的数字,这个序列中肯定有大量重复的数字,这里取5次测试

1
2
3
4
5
6
7
forwardScanSort:   5478840  5378672  5097875  3898327  5543293   平均:5077401
fillSort : 6060962 5830248 6263760 5737880 6264992 平均:6031568
deScanSwapSort: 8733057 5184906 9776196 6462043 8275323 平均:7686305
div3ScanSort: 3749307 4663541 4904929 4225924 4642604 平均:4437261
div3DeScanSort: 3935273 4457049 4770688 3951695 4396291 平均:4302199
dualPivotQuickSort:8891518 5160274 5430809 4968971 5393451 平均:5969004
Arrays.sort: 3513666 3856864 3460299 3684855 3888063 平均:3680749

对稀疏序列进行排序

这次生成的随机数是10万以内的。

1
2
3
for (int i = 0; i < testItems.length; i++) {
testItems[i] = (int) (Math.random() * 100000);
}

测试结果

1
2
3
4
5
6
7
forwardScanSort:   3088775 3257911 3402414 2415518 3579351   平均:3148793
fillSort : 3606444 3495603 3665970 2871609 6503916 平均:4028708
deScanSwapSort: 9766343 9425198 4219766 3890937 7017070 平均:6863862
div3ScanSort: 5138927 4565016 6069582 4714857 5053538 平均:5108384
div3DeScanSort: 4303513 4722246 5923026 3613423 4158188 平均:4544079
dualPivotQuickSort:5681229 3971810 4823645 3376963 4739078 平均:4518545
arrays.sort: 5820806 5953815 6402928 7119290 7506824 平均:6560732

Arrays.sort底层使用的也是DualPivotQuickSort,这个类对双轴快排在策略上进行了一个改动(不仅仅是双轴快排,还是用到了其他的排序,如直接插入排序,对于byte,char,short基本类型还用到了计数排序)。关于其他排序算法的实现可以参考这篇文章

代码地址:https://github.com/holmofy/algorithm/tree/master/QuickSort

参考文章:

本作品采用 知识共享署名 4.0 国际许可协议 进行许可。

转载时请注明原文链接:https://blog.hufeifei.cn/2017/05/DataStructure/quick-sort/

鼓励一下
支付宝微信