原文地址：快速排序優化詳解
正如它的名字所體現，快速排序是在實踐中最快的已知排序算法，平均運行時間為O(NlogN)，最壞的運行時間為O(N^2)。算法的基本思想很簡單，然而想要寫出一個高效的快速排序算法並不是那么簡單。基准的選擇，元素的分割等都至關重要，如果你不清楚如何優化快速排序算法，本文你不該錯過。
算法思想
快速排序利用了分治的策略。而分治的基本基本思想是：將原問題划分為若干與原問題類似子問題，解決這些子問題，將子問題的解組成原問題的解。
那么如何利用分治的思想對數據進行排序呢？假如有一個元素集合A：
- 選擇A中的任意一個元素pivot，該元素作為基准
- 將小於基准的元素移到左邊，大於基准的元素移到右邊（分區操作）
- A被pivot分為兩部分，繼續對剩下的兩部分做同樣的處理
- 直到所有子集元素不再需要進行上述步驟
可以看到算法思想比較簡單，然而上述步驟實際又該如何處理呢？
如何選擇基准
實際上無論怎么選擇基准，都不會影響排序結果，但是不同的選擇卻可能影響整體排序時間，因為基准選擇不同，會導致分割的兩個集合大小不同，如果分割之后，兩個集合大小是幾乎相等的，那么我們整體分割的次數顯然也會減少，這樣整體耗費的時間也相應降低。我們來看一下有哪些可選擇策略。
選擇第一個或者最后一個
如果待排序數是隨機的，那么選擇第一個或者最后一個作基准是沒有什么問題的，這也是我們最常見到的選擇方案。但如果待排序數據已經排好序的，就會產生一個很糟糕的分割。幾乎所有的數據都被分割到一個集合中，而另一個集合沒有數據。這樣的情況下，時間花費了，卻沒有做太多實事。而它的時間復雜度就是最差的情況O(N^2)。因此這種策略是絕對不推薦的。
隨機選擇
隨機選擇基准是一種比較安全的做法。因為它不會總是產生劣質的分割。
C語言實現參考：
ElementType randomPivot(ElementType A[],int start,int end)
{
srand(time(NULL))
int randIndex = rand()%(end -start)+start;
return A[randIndex];
}
選擇三數中值
從前面的描述我們知道，如果能夠選擇到數據的中值，那是最好的，因為它能夠將集合近乎等分為二。但是很多時候很難算出中值，並且會耗費計算時間。因此我們隨機選取三個元素，並用它們的中值作為整個數據中值的估計值。在這里，我們選擇最左端，最右端和中間位置的三個元素的中值作為基准。
假如有以下數組：
1 9 10 3 8 7 6 2 4
左端元素為1，位置為0，右端元素為4，位置為8，則中間位置為[0+8]/2=4，中間元素為8。那么三數中值就為4（1，4，8的中值）。
如何將元素移動到基准兩側
選好基准之后，如何將元素移動到基准兩側呢？通常的做法如下：
- 將基准元素與最后的元素交換，使得基准元素不在被分割的數據范圍
- i和j分別從第一個元素和倒數第二個元素開始。i在j的左邊時，將i右移，直到發現大於等於基准的元素，然后將j左移，直到發現小於等於基准的元素。i和j停止時，元素互換。這樣就把大於等於基准的移到了右邊，小於等於基准的移到了左邊
- 重復上面的步驟，直到i和j交錯
- 將基准元素與i所指向的元素交換，使得基准元素將整個元素集合分割為小於基准和大於基准的元素集合
在們采用三數中值得方法選擇基准的情況下，既然基准是中值，實際上只要保證左端，右端，中間值是從小到大即可。還是以前面提到的數組為例，我們找到三者后，對三者進行排序如下：
排序前
| ↓ | ↓ | ↓ | ||||||
|---|---|---|---|---|---|---|---|---|
| 1 | 9 | 10 | 3 | 8 | 7 | 6 | 2 | 4 |
排序后
| ↓ | ↓ | ↓ | ||||||
|---|---|---|---|---|---|---|---|---|
| 1 | 9 | 10 | 3 | 4 | 7 | 6 | 2 | 8 |
如果是這樣的情況，那么實際上不需要把基准元素和最后一個元素交換，而只需要和倒數第二個元素交換即可，因為最后一個元素肯定大於基准，這樣可以減少交換次數。
如果前面的描述還不清楚，我們看一看實際中一趟完整的流程是什么樣的。
第一步，將左端，右端和中間值排序，中值作為基准：
| ↓ | ↓ | ↓ | ||||||
|---|---|---|---|---|---|---|---|---|
| 1 | 9 | 10 | 3 | 4 | 7 | 6 | 2 | 8 |
| 基准 |
第二步，將中值與倒數第二個數交換位置：
| 交 | 換 | 位 | 置 | |||||
|---|---|---|---|---|---|---|---|---|
| ↓ | ↓ | |||||||
| 1 | 9 | 10 | 3 | 2 | 7 | 6 | 4 | 8 |
| 基准 |
第三步，i向右移動，直到發現大於等於基准的元素9：
| 1 | 9 | 10 | 3 | 2 | 7 | 6 | 4 | 8 |
| ↑ | ↑ | ↑ | ||||||
| i | j | 基准 |
第四步，j向左移動，直到發現小於等於基准的元素2：
| 1 | 9 | 10 | 3 | 2 | 7 | 6 | 4 | 8 |
| ↑ | ↑ | ↑ | ||||||
| i | j | 基准 |
第五步，交換i和j：
| 1 | 2 | 10 | 3 | 9 | 7 | 6 | 4 | 8 |
| ↑ | ↑ | ↑ | ||||||
| i | 交 | 換 | j | 基准 |
第六步，重復上述步驟，i右移，j左移：
| 1 | 2 | 10 | 3 | 9 | 7 | 6 | 4 | 8 |
| ↑ | ↑ | ↑ | ||||||
| i | j | 基准 |
第七步，交換i和j指向的值：
| 1 | 2 | 3 | 10 | 9 | 7 | 6 | 4 | 8 |
| ↑ | ↑ | ↑ | ||||||
| i | j | 基准 |
第八步，重復上述步驟，i右移，j左移，此時i和j已經交錯：
| 1 | 2 | 3 | 10 | 9 | 7 | 6 | 4 | 8 |
| ↑ | ↑ | ↑ | ||||||
| j | i | 基准 |
第九步，i和j已經交錯，因此最后將基准元素與i所指元素交換：
| 1 | 2 | 3 | 4 | 9 | 7 | 6 | 10 | 8 |
| ↑ | ||||||||
| i |
到這一步的時候，我們發現i的左邊都是小於i指向的元素，而右邊都是大於i的元素。最后在對子集進行同樣的操作即可。
如何對子集進行排序
遞歸法
最常見的便是遞歸法了。遞歸的好處是代碼簡潔易懂，但是不可忽略的是，當遞歸嵌套過深時，它的效率問題以及棧溢出的風險可能會迫使你選擇非遞歸法。在前面對整個集合一分為二之后，對剩下的兩個集合遞歸調用，直到完成排序。簡單描述如下(非可運行代碼)：
void Qsort(int A[],int left,int right)
{
/*分區操作*/
int i = partition(A,left,right);
/*對子集遞歸調用*/
Qsort(A,left,i-1);
Qsort(A,i+1,right);
}
遞歸最需要注意的便是遞歸結束調用，否則會產生無限遞歸，從而發生棧溢出。
后面我們會看到，遞歸法的代碼非常簡潔。（相關閱讀《重新看遞歸》）
尾遞歸
在遞歸版本中，Qsort分別遞歸調用計算左右兩個子集合，而第二個遞歸其實並非必須，完全可以用循環來替代，以下代碼模擬實現了尾遞歸，（並非是真的尾遞歸）：
void Qsort(ElementType A[],int left,int right)
{
int i = 0;
while(left < right)
{
/*分割操作*/
i = partition(A,left,right);
/*遞歸調用*/
Qsort(A,left,i-1);
/*右半部分通過循環實現*/
left = i + 1;
}
}
非遞歸法
那么有沒有方法可以不用遞歸呢？既然遞歸每次都進行壓棧操作，那么我們能不能分區后僅僅將區間信息存儲到棧里，然后從棧中取出區間再繼續分區呢？顯然是可以的。實際上我們每次分區時，只需要知道區間即可，那么將這些區間信息存儲起來，就可以不用遞歸了，按照分好的區間不斷分區即可。
例如對於前面提到的數組，首先對區間[0,8]進行分區操作，之后得到兩個新的分區，1,2,3和9，7，6，10，8，假設兩個區間仍然可以使用快速排序，那么需要將區間[0,2]和[5,8]的其中一個壓棧，另一個繼續分區操作。
按照這種思路，代碼簡單描述如下（非可運行代碼）：
void Qsort(A,left,right)
{
while(STACK_IS_NOT_EMPTY)
{
/*分區操作*/
POP(lo,hi);
int mid = partition(A,lo,hi);
/*存儲新的邊界*/
PUSH(lo,mid-1);
PUSH(mid+1,hi);
}
}
當然這里面沒有體現分區終止條件。我們需要在數據量小於一定值的時候，就不再繼續進行分區操作了，而是選擇插入排序（為什么？）。
那么問題來了，如何選擇棧的大小呢？查看qsort.c的源碼發現，它選擇了如下的值：
#define STACK_SIZE (8* sizeof(unsigned long int));
為什么會是這個值呢？設想一下，假設待排序數組長度使用unsigned long int來表示，並且假設每次都將集合分為二等分。那么即便數組長度達到最大值，實際上最多只需要分割8 *(sizeof(unsigned long int))次，也就將它分割完了。然而由於以下幾個原因，需要存儲在棧中的區間信息很難超出棧空間，因為：
- 數組長度不會接近unsigned long int，否則內存也撐不住了
- 區間足夠小時，不采用快速排序
- 每做一個分區，只會增加一個區間PUSH到棧中，增長速度慢
注意事項
至此，快速排序所有的主要步驟已經介紹完畢。但是有以下注意事項：
- 有大量重復元素時避免產生糟糕分區，因此在發現大於等於基准或者小於等於基准時，便停止掃描。
- 通常會將基准一開始移動到最后位置或倒數第二個位置，避免基准在待分區區間。
- 對於很小的數組（N<=20），插入排序要比快速排序更好。因為快速排序有遞歸開銷，並且插入排序是穩定排序。
- 如果函數本身的局部變量很少，那么遞歸帶來的開銷也就越小；如果遞歸發生棧溢出了，首先需要排除代碼設計問題。因此如果你設計的非遞歸版本效率低於遞歸版本，也不要驚訝。
注：假定在待排序的記錄序列中，存在多個具有相同的關鍵字的記錄，若經過排序，這些記錄的相對次序保持不變，即在原序列中，r[i]=r[j]，且r[i]在r[j]之前，而在排序后的序列中，r[i]仍在r[j]之前，則稱這種排序算法是穩定的；否則稱為不穩定的。--來自百科
遞歸版代碼實現
C語言代碼實現如下：
#include <stdlib.h>
#include <stdio.h>
#include <time.h>
/*使用快速排序的區間大小臨界值，可根據實際情況選擇*/
#define MAX_THRESH 4
typedef int ElementType;
/*元素交換*/
void swap(ElementType *a,ElementType *b)
{
ElementType temp = *a;
*a = *b;
*b = temp;
}
/*插入排序*/
void insertSort(ElementType A[],int N)
{
/*優化后的插入排序*/
int j = 0;
int p = 0;
int temp = 0;
for(p = 1;p<N;p++)
{
temp = A[p];
for(j = p;j>0 && A[j-1] > temp;j--)
{
A[j] = A[j-1];
}
A[j] = temp;
}
}
/*三數中值法選擇基准*/
ElementType medianPivot(ElementType A[],int left,int right)
{
int center = (left + right)/2 ;
/*對三數進行排序*/
if(A[left] > A[center])
swap(&A[left],&A[center]);
if(A[left] > A[right])
swap(&A[left],&A[right]);
if(A[center] > A[right])
swap(&A[center],&A[right]);
/*交換中值和倒數第二個元素*/
swap(&A[center],&A[right-1]);
return A[right-1];
}
/*分區操作*/
int partition(ElementType A[],int left,int right)
{
int i = left;
int j = right-1;
/*獲取基准值*/
ElementType pivot = medianPivot(A,left,right);
for(;;)
{
/*i j分別向右和向左移動，為什么不直接先i++？*/
while(A[++i] < pivot)
{}
while(A[--j] > pivot)
{}
if(i < j)
{
swap(&A[i],&A[j]);
}
/*交錯時停止*/
else
{
break;
}
}
/*交換基准元素和i指向的元素*/
swap(&A[i],&A[right-1]);
return i;
}
void Qsort(ElementType A[],int left,int right)
{
int i = 0;
register ElementType *arr = A;
if(right-left >= MAX_THRESH)
{
/*分割操作*/
i = partition(arr,left,right);
/*遞歸*/
Qsort(arr,left,i-1);
Qsort(arr,i+1,right);
}
else
{
/*數據量較小時，使用插入排序*/
insertSort(arr+left,right-left+1);
}
}
/*打印數組內容*/
void printArray(ElementType A[],int n)
{
if(n > 100)
{
printf("too much，will not print\n");
return;
}
int i = 0;
while(i < n)
{
printf("%d ",A[i]);
i++;
}
printf("\n");
}
int main(int argc,char *argv[])
{
if(argc < 2)
{
printf("usage:qsort num\n");
return -1;
}
int len = atoi(argv[1]);
printf("sort for %d numbers\n",len);
/*隨機產生輸入數量的數據*/
int *A = malloc(sizeof(int)*len);
int i = 0;
srand(time(NULL));
while(i < len)
{
A[i] = rand();
i++;
}
printf("before sort:");
printArray(A,len);
/*對數據進行排序*/
Qsort(A,0,len-1);
printf("after sort:");
printArray(A,len);
return 0;
}
尾遞歸版代碼實現
略。
非遞歸版代碼實現
非遞歸版與遞歸版大部分代碼相同，Qsort函數有所不同，並且增加棧相關內容定義：
/*存儲區間信息*/
typedef struct stack_node_t
{
int lo;
int hi;
}struct_node;
/*最大棧長度*/
#define STACK_SIZE 8 * sizeof(unsigned int)
/*入棧，出棧*/
#define STACK_PUSH( low, hig ) ( (top->lo = low), (top->hi = hig), top++)
#define STACK_POP( low, hig ) (top--, (low = top->lo), (hig = top->hi) )
/*快速排序*/
void Qsort( ElementType A[], int left, int right )
{
if(NULL == A)
return;
/*使用寄存器指針*/
register ElementType *arr = A;
if ( right - left >= MAX_THRESH )
{
struct_node stack[STACK_SIZE] = { { 0 } };
register struct_node *top = stack;
/*最大區間壓棧*/
int lo = left;
int hi = right;
STACK_PUSH( 0, 0);
int mid = 0;
while ( stack < top )
{
/*出棧，取出一個區間進行分區操作*/
mid = partition( arr, lo, hi );
/*分情況處理，左邊小於閾值*/
if ( (mid - 1 - lo) <= MAX_THRESH)
{
/* 左右兩個數據段的元素都小於閾值，取出棧中數據段進行划分*/
if ( (hi - (mid+1)) <= MAX_THRESH)
/* 都小於閾值，從棧中取出數據段 */
STACK_POP (lo, hi);
else
/* 只有右邊大於閾值，右邊繼續分區*/
lo = mid -1 ;
}
/*右邊小於閾值，繼續計算左邊*/
else if ((hi - (mid+1)) <= MAX_THRESH)
hi = mid - 1;
/*左右兩邊都大於閾值，且左邊大於右邊，左邊入棧，右邊繼續分區*/
else if ((mid -1 - lo) > (hi - (mid + 1)))
{
STACK_PUSH (lo, mid - 1);
lo = mid + 1;
}
/*左右兩邊都大於閾值，且右邊大於左邊，右邊入棧，左邊繼續分區*/
else
{
STACK_PUSH (mid + 1, hi);
hi = mid -1;
}
}
}
/*最后再使用插入排序，對於接近有序狀態的數據，插入排序速度很快*/
insertSort(arr,right-left+1);
}
運行結果
我們隨機產生1億個整數，並對其進行排序：
$ gcc -o qsort qsort.c
$ time ./qsort 100000000
遞歸版運行結果：
sort for 100000000 numbers
before sort:too much，will not print
after sort:too much，will not print
real 0m16.753s
user 0m16.623s
sys 0m0.132s
非遞歸版結果：
sort for 100000000 numbers
before sort:too much，will not print
after sort:too much，will not print
real 0m16.556s
user 0m16.421s
sys 0m0.137s
可以看到，實際上兩種方法的效率差距並不是很大。至於原因，前面我們已經說過了。
總結
本文所寫的示例實現與glibc的實現相比，還有很多可優化的地方，例如，本文實現僅對int類型實現了排序或交換值，如果待排序內容是其他類型，就顯得力不從心，讀者可參考《高級指針話題函數指針》思考如何實現對任意數據類型進行排序，。但快速排序的優化主要從以下幾個方面考慮：
- 優化基准選擇
- 優化小數組排序效率
- 優化交換次數
- 優化遞歸
- 優化最差情況，避免糟糕分區
- 元素聚合
有興趣地也可以進一步閱讀qsort源碼，進一步了解其中喪心病狂的優化。
思考
- 為什么要在遇到相同元素時就進行掃描？
- 插入排序最好的情況時間復雜度是多少，在什么情況下出現？
- 文中實現的代碼還有哪些可以優化的地方？
練習
- 采用第一種基准選擇策略實現快速排序，並測試對有序數組的排序性能
- 實現通用快速排序算法，參考《C語言函數指針》
參考
- 《數據結構與算法分析》
- 《算法導論》
- glibc qsort.c源碼
微信公眾號【編程珠璣】：專注但不限於分享計算機編程基礎，Linux，C語言，C++，算法，數據庫等編程相關[原創]技術文章，號內包含大量經典電子書和視頻學習資源。歡迎一起交流學習，一起修煉計算機“內功”，知其然，更知其所以然。