Question

我制作了一个排序算法，但后来我想也许我刚刚彻底改造了快速排序。

然而我听说快速排序是O（N ^ 2）最坏的情况;我认为我的算法应该只是O（NLogN）最坏的情况。

这与quicksort相同吗？

该算法通过交换值来工作，以便将小于中值的所有值移动到数组的左侧。然后它在每一方递归地工作。

算法从i = 0开始，j = n-1

i和j在列表[i]和列表[j]之间相互移动，如有必要，可以互换。

以下是递归之前第一次迭代的一些代码：

_list = [1,-4,2,-5,3,-6]

def in_place(_list,i,j,median):
    while i<j:
        a,b = _list[i],_list[j]
        if (a<median and b>=median):
            i+=1
            j-=1
        elif (a>=median and b<median):
            _list[i],_list[j]=b,a
            i+=1
            j-=1
        elif a<median:
            i+=1
        else:
            j-=1
    print "changed to ", _list



def get_median(_list):
    #approximate median in O(N) with O(1) space
    return -4

median = get_median(_list)
in_place(_list,0,len(_list)-1,median)

"""
changed1 to  [-6, -5, 2, -4, 3, 1]
"""

Answer 1

http://en.wikipedia.org/wiki/Quicksort#Selection-based_pivoting

相反，一旦我们知道最坏情况的O（n）选择算法是   可用，我们可以用它来找到理想的枢轴（中位数）   快速排序的步骤，生成具有最坏情况O（n log n）的变体   运行时间。然而，在实际实现中，这种变体是   平均来说要慢得多。

另一种变体是选择中位数中位数作为支点   元素而不是中值本身用于分割元素。   同时保持渐近最优的运行时间复杂度   O（n log n）（通过防止最坏情况分区），它也是   比选择中位数作为支点的变量要快得多。

Answer 2

对于初学者，我假设还没有显示其他代码，因为我很确定你自己展示的代码不起作用。

我很抱歉偷你的火，但我担心你做的代码似乎是Quicksort，不仅如此，但代码似乎可能会遇到一些错误。

考虑排序相同元素列表的情况。您的_in_place方法似乎是Quicksort中传统上称为分区的方法，不会正确移动任何元素，但最后j和i似乎只反映了列表一个包含整个列表的分区，在这种情况下，您将永远在整个列表中再次递归。我的猜测是，如上所述，你不会从它返回任何东西，或者似乎实际上完全排序在任何地方，所以我猜测如何使用它。

我担心使用Quicksort的实际中位数不仅是一般情况下可能相当慢的策略，它也不能避免O（n ^ 2）最坏的情况，同样会提供相同元素的列表这是一个最坏的情况。但是，我认为具有这种中值选择算法的三分区Quicksort将保证O（n * log n）时间。尽管如此，这是枢轴选择的已知选项，而不是新算法。

简而言之，这似乎是一个不完整且可能有错误的Quicksort，并且没有三向分区，使用中位数并不能保证你O（n * log n）。但是，我确实觉得这是一件好事，值得祝贺你确实想到了自己使用中位数的想法 - 即使之前已被别人想到过。

我发明了一种新的排序算法吗？或者这与quicksort相同

2 个答案: