排序算法杂谈(五) —— 关于快速排序的优化策略分析

1. 前提

排序算法(六) —— 归并排序

排序算法(七) —— 快速排序

排序算法杂谈(四) —— 快速排序的非递归实现

 

 

2. 优化策略1:主元(Pivot)的选取

归并排序(Merge Sort)有一个很大的优势,就是每一次的递归都能够将数组平均二分,从而大大减少了总递归的次数。

而快速排序(Quick Sort)在这一点上就做的很不好。

快速排序是通过选择一个主元,将整个数组划分(Partition)成两个部分,小于等于主元 and 大于等于主元。

这个过程对于数组的划分完全就是随机的,俗称看脸吃饭。

这个划分是越接近平均二分,那么这个划分就越是优秀;而若果不巧取到了数组的最大值或是最小值,那这次划分其实和没做没有什么区别。

 

因此,主元的选取,直接决定了一个快速排序的效率。

通过之前快速排序的学习,我们知道了基本上有两种主流的划分方式,我将其称之为:

  • 挖坑取数
  • 快慢指针

前者将最左侧的数作为主元,后者将最右侧的数作为主元,这种行为完全就是随机取数。

 

最简单的的方法,就是在范围内取一个随机数,但是这种方法从概率的角度上来说,和之前的没有区别。

进一步的思考,可以从范围内随机取出三个数字,找到三个数字的中位数,然后和原主元的位置进行交换。

将中位数作为主元,相比于随机取出的另外两个数字,对于划分的影响还是很明显的。

 

 1 package com.gerrard.sort.compare.quick.partition.pivot;
 2 
 3 import com.gerrard.util.RandomHelper;
 4 
 5 public final class MediumPivot implements Pivot {
 6 
 7     @Override
 8     public int getPivotIndex(int[] array, int left, int right) {
 9         int index1 = RandomHelper.randomBetween(left, right);
10         int index2 = RandomHelper.randomBetween(left, right);
11         int index3 = RandomHelper.randomBetween(left, right);
12         if (array[index1] > array[index2]) {
13             if (array[index2] > array[index3]) {
14                 return index2;
15             } else {
16                 return array[index1] > array[index3] ? index3 : index1;
17             }
18         } else {
19             if (array[index1] > array[index3]) {
20                 return index3;
21             } else {
22                 return array[index2] > array[index3] ? index3 : index2;
23             }
24         }
25     }
26 }

 

 

3. 优化策略2:阈值的选取

同样是参考归并排序的优化策略,归并排序可以通过判断数组的长度,设定一个阈值。

数组长度大于阈值的,使用归并排序策略。

数组长度小于阈值的,使用直接插入排序。

通过这种方式,归并排序避免了针对小数组时候的递归(递归层次增加最多的场景,就是大量的小数组),从而减轻了JVM的负担。

 

 1 public class OptimizedQuickSort implements Sort {
 2 
 3     private ThreeWayPartition partitionSolution = new ThreeWayPartition();
 4     private int threshold = 2 << 4;
 5 
 6     public void setPartitionSolution(ThreeWayPartition partitionSolution) {
 7         this.partitionSolution = partitionSolution;
 8     }
 9 
10     public void setThreshold(int threshold) {
11         this.threshold = threshold;
12     }
13 
14     @Override
15     public void sort(int[] array) {
16         sort(array, 0, array.length - 1);
17     }
18 
19     private void sort(int[] array, int left, int right) {
20         if (right - left < threshold) {
21             insertionSort(array, left, right);
22         } else if (left < right) {
23             int[] partitions = partitionSolution.partition(array, left, right);
24             sort(array, left, partitions[0] - 1);
25             sort(array, partitions[1] + 1, right);
26         }
27     }
28 
29     private void insertionSort(int[] array, int startIndex, int endIndex) {
30         for (int i = startIndex + 1; i <= endIndex; ++i) {
31             int cur = array[i];
32             boolean flag = false;
33             for (int j = i - 1; j > -1; --j) {
34                 if (cur < array[j]) {
35                     array[j + 1] = array[j];
36                 } else {
37                     array[j + 1] = cur;
38                     flag = true;
39                     break;
40                 }
41             }
42             if (!flag) {
43                 array[0] = cur;
44             }
45         }
46     }
47 }

 

 

4. 优化策略3:三路划分

从上面的代码中,我们可以看到一个 ThreeWayPartition,这就是现在要讲的三路划分。

回顾之前的快速排序划分的描述:

快速排序是通过选择一个主元,将整个数组划分成两个部分,小于等于主元 and 大于等于主元。

 

不难发现,一次划分之后,我们将原数组划分成了三个部分,小于等于主元 and 主元 and 大于等于主元,划分结束之后,再将主元两侧进行递归。

由此可见,等于主元的部分被划分到了三个部分,那么我们就有了这样的思考:

能不能将数组明确地划分成三个部分:小于主元 and 主元和等于主元 and 大于主元。

这样一来,等于主元的部分就直接从下一次的递归中去除了。

 

回看一下 “挖坑取数” 的代码:

 1     @Override
 2     public int partition(int[] array, int left, int right) {
 3         int pivot = array[left];
 4         int i = left;
 5         int j = right + 1;
 6         boolean forward = false;
 7         while (i < j) {
 8             while (forward && array[++i] <= pivot && i < j) ;
 9             while (!forward && array[--j] >= pivot && i < j) ;
10             ArrayHelper.swap(array, i, j);
11             forward ^= true;
12         }
13         return j;
14     }

 

在内循环中,我们的判断条件是: array[++i] <= pivot。

在这个基础上,再做一次判断,针对等于 pivot 的情况,将等于 pivot 的值,与一个已经遍历过的位置交换:

  • 从左往右找大于 pivot 的值时,与数组开头部分交换。
  • 从右往左找小于 pivot 的值时,与数组结束部分交换。

 

那么,在整个划分结束之后,我们会得到这么一个数据模型:

其中:

  • 等于 pivot:[left,p) & i & (q,right]
  • 小于 pivot:[p,i)
  • 大于 pivot:(j,q]

然后将 left->p 的数据依次交换到 i 的左侧,同理,将q->right 的数据依次交换到 j 的右侧。

这样我们就能得到整个数组关于 pivot 的严格大小关系:

  • 等于 pivot:[p',q']
  • 小于 pivot:[left,p')
  • 大于 pivot:(q',right]

 

 1 package com.gerrard.sort.compare.quick.partition;
 2 
 3 import com.gerrard.sort.compare.quick.partition.pivot.Pivot;
 4 import com.gerrard.util.ArrayHelper;
 5 
 6 /**
 7  * Three-Way-partition is an optimized solution for partition, also with complexity O(n).
 8  * It directly separate the original array into three parts: smaller than pivot, equal to pivot, larger than pivot.
 9  * It extends {@link SandwichPartition} solution.
10  *
11  * Step1: Select the left one as pivot.
12  * Step2: Besides i and j, define two more index p and q as two sides index.
13  * Step3: Work as SandwichPartition, from sides->middle, the only difference is:
14  *        when meeting equal to pivot scenario, swap i and p or j and q.
15  *
16  * Step4: After iterator ends, the array should look like:
17  *
18  *        left                   i=j                     right
19  *        ---------------------------------------------------
20  *        |     |           |     |     |               |   |
21  *        ---------------------------------------------------
22  *              p           p'          q'              q
23  *
24  *        The distance between left->p and p'->i should be same.
25  *        The distance between j->q' and q->right should also be same.
26  *        [left,p) and (q,right] is equal to pivot, [p,i) is smaller than pivot, (j,q] is larger than pivot.
27  *
28  * Step5: Exchange [left,p) and [p',i), exchange (q,right] and (j,q'].
29  * Step6: Returns two number p'-1 and q'+1.
30  *
31  */
32 public final class ThreeWayPartition {
33 
34     public int[] partition(int[] array, int left, int right) {
35         if (pivotSolution != null) {
36             int newPivot = pivotSolution.getPivotIndex(array, left, right);
37             ArrayHelper.swap(array, left, newPivot);
38         }
39         int pivot = array[left];
40         int i = left;
41         int j = right + 1;
42         int p = i;
43         int q = j - 1;
44         boolean forward = false;
45         while (i < j) {
46             while (forward && array[++i] <= pivot && i < j) {
47                 if (array[i] == pivot) {
48                     ArrayHelper.swap(array, i, p++);
49                 }
50             }
51             while (!forward && array[--j] >= pivot && i < j) {
52                 if (array[j] == pivot) {
53                     ArrayHelper.swap(array, j, q--);
54                 }
55             }
56             ArrayHelper.swap(array, i, j);
57             forward ^= true;
58         }
59         while (p > left) {
60             ArrayHelper.swap(array, --p, --i);
61         }
62         while (q < right) {
63             ArrayHelper.swap(array, ++q, ++j);
64         }
65         return new int[]{i, j};
66     }
67 }

 

 

5. 优化测试

最后,针对各种快速排序的算法,我做了一系列的性能测试:

 1 package com.gerrard.helper;
 2 
 3 import com.gerrard.sort.Sort;
 4 
 5 public final class ComparableTestHelper {
 6 
 7     private ComparableTestHelper() {
 8 
 9     }
10 
11     public static void printCompareResult(int[] array, Sort... sorts) {
12         for (Sort sort : sorts) {
13             int[] copyArray = ArrayTestHelper.copyArray(array);
14             long t1 = System.nanoTime();
15             sort.sort(copyArray);
16             long t2 = System.nanoTime();
17             double timeInSeconds = (t2 - t1) / Math.pow(10, 9);
18             System.out.println("Algorithm " + sort + ", using " + timeInSeconds + " seconds");
19         }
20     }
21 }

 

测试结果:

 

 从测试结果中,我们可以发现:

  • 取原来的主元,和用随机数做主元,对于性能的影响完全是随机的。
  • 取中位数做主元,对于性能有着比较明显的提高。
  • 增加阈值,对于性能也有提高,但是阈值选取的数值,还有待深一步的研究。
  • 三路快排,在数组区间较小的情况,对于性能的影响是显著的,但是数组区间较大时,对于性能有一定的影响。
  • 递归转迭代的方式,能规避StackOverFlow的情况。

 

但是还有几个比较奇怪的现象:

  • 快速排序,对于数组内部有很多数字相等的情况,处理情况不佳。
  • 快慢指针的方式,对于数字相等的情况,效率降低明显。
  • 挖坑填数的方式,比快慢指针的方式,更容易出现StackOverFlow的情况,而快慢指针似乎通过了某种时间为代价的方式,规避了这种情况。

 

希望有读者能够解惑这些现象。

 

posted @ 2018-10-28 15:01  Gerrard_Feng  阅读(1795)  评论(0编辑  收藏  举报