快速排序是20世紀世界上最偉大的演算法之一，顧名思義，這個演算法能很快的對資料進行排序。而且在很多庫的底層**中也經常使用快速排序來實現排序的功能，比如jdk，stl等。
以公升序為例。首先會找乙個元素v作為基準，然後將整個待排序序列parttion成3個區域a,b和c。其中a區域為全部比v小的元素，b區域為全部等於v的元素，c區域為全部大於v的元素。此時b區域就成為了元素v在序列中的最終位置，也就是說下一趟排序的時候不需要考慮元素v了，然後將元素v的位置p記錄下來。然後根據分治法的思想將整個待排序序列一分為二，即p左邊乙個部分和p右邊乙個部分，一直這樣遞迴地二分下去，直到二分出來的區域只有1個元素的時候終止遞迴。就這樣每一次parttion之後，所選擇的基準元素都被置換到了整個序列有序時的最終位置。
parttion所做的工作就是將整個序列以元素v為基準，逐漸將整個序列調整成兩個區域，乙個區域中的元素小於v，另乙個區域中的元素大於v。而v所在的位置為分界點。parttion的工作流程我們用下面的圖來表示:
其中橙色區域中的元素都小於v，紫色區域中的元素都大於v。l為基準元素v的索引，j為橙色區域的右閉區間的索引，i為當前待檢查的元素的索引，同時i-1就是紫色區域的右閉區間的索引，e表示當前待檢查的元素的值。
那麼當e大於v的時候，要做的事情就很簡單，只要++i就行了。那如果e小於v的話，為了保持序列只有橙色和紫色區域的性質，需要將e扔到橙色區域裡面去。為了實現這個功能，可以先將arr[j+1]和a[i]進行交換，然後++j，然後++i繼續檢查下乙個元素。
在序列中的所有元素都遍歷完成之後，只要將arr[l]和arr[j]進行交換，就能得到parttion的最終結果了。
從圖可以看出在資料的有序程度不高的情況下，同是o(nlogn)的歸併排序演算法的速度沒有快速排序高。
臥槽。。快速排序用了300多秒。。這還是快速排序麼。。下面來分析原因。
歸併排序之所以是o(nlogn)的排序演算法，是因為會將待排序列一分為二，然後再一分為二，以此類推。那麼整個層數就是logn的，合併的時候是n的，所以是o(nlogn)的演算法。
而快速排序演算法也是一分為二，逐步劃分的過程，但快速排序二分出來的子串行可能是一大一小，而不是正好的一半一半。
如果在最壞的情況下(完全有序的情況)，快速排序二分時的二叉樹也就退化成了鍊錶，也就是說退化成了o(n^2)的演算法。
為了解決這個退化問題，可以在選定基準的時候進行隨機選擇，從概率上來講，對近乎有序的資料使用快速排序時隨機選擇基準，而不是固定選擇最左邊的元素為基準的話，退化成o(n^2)的概率幾乎為0。(退化的概率=1/n*1/(n-1)*1/(n-2)…*1)
那麼優化的**如下：
template
int parttion(vector
& data, int left, int right)
}swap(data[j], data[l]);
return j;
}
可以看到經過這麼乙個簡單的優化之後，得到了質的飛躍，從o(n^2)又回到了o(nlogn)，簡直美滋滋。
吃驚！又是這麼慢！！這是因為如果待排序序列中有大量的重複資料的話，那麼很有可能造成一種結果，就是橙色區域和紫色區域不是那麼平衡！這樣也就是說，很有可能同樣的退化成乙個o(n^2)的演算法。
演算法鋪子之排序 堆排序（一）
堆排序 heapsort 是指利用堆積樹 堆 這種資料結構所設計的一種排序演算法，它是選擇排序的一種。可以利用陣列的特點快速定位指定索引的元素。堆分為大根堆和小根堆，是完全二叉樹。大根堆的要求是每個節點的值都不大於其父節點的值，即a parent i a i 在陣列的非降序排序中，需要使用的就是大根...
演算法鋪子之排序 插入排序
插入排序和選擇排序同樣是一種較為常見且容易實現的o n 2 級別的排序演算法，但插入排序的效率和待排序資料的有序程度有關係，待排序資料的有序程度越高，插入排序的效率也就越高，甚至有時候能比o nlogn 級別的排序演算法的效率還要高。所以插入排序也通常會成為其他排序演算法的子過程。插入排序的思路和我...
排序演算法之快速排序
快速排序使用分治法 divide and conquer 策略來把乙個序列 list 分為兩個子串行 sub lists 步驟為 從數列中挑出乙個元素，稱為 基準 pivot 重新排序數列，所有元素比基準值小的擺放在基準前面，所有元素比基準值大的擺在基準的後面 相同的數可以到任一邊 在這個分割槽退出...