庄周梦蝶

生活、程序、未来
   :: 首页 ::  ::  :: 聚合  :: 管理

快速排序及优化

Posted on 2010-09-08 19:10 dennis 阅读(15876) 评论(9)  编辑  收藏 所属分类: 数据结构与算法
    update:更正选择中数的描述,在7到39之间的数组大小选择median-of-three来选择pivot,大小等于7的数组则直接使用中数作为pivot。

    quicksort可以说是应用最广泛的排序算法之一,它的基本思想是分治法,选择一个pivot(中轴点),将小于pivot放在左边,将大于pivot放在右边,针对左右两个子序列重复此过程,直到序列为空或者只有一个元素。这篇blog主要目的是关注quicksort可能的改进方法,并对这些改进方法做评测。其目的是为了理解Arrays.sort(int [ ]a)的实现。实现本身有paper介绍。

    quicksort一个教科书式的简单实现,采用左端点做pivot(《算法导论》上伪代码是以右端点做pivot):
public void qsort1(int[] a, int p, int r) {
        
// 0个或1个元素,返回
        if (p >= r)
            
return;
        
// 选择左端点为pivot
        int x = a[p];
        
int j = p;
        
for (int i = p + 1; i <= r; i++) {
            
// 小于pivot的放到左边
            if (a[i] < x) {
                swap(a, 
++j, i);
            }
        }
        
// 交换左端点和pivot位置
        swap(a, p, j);
        
// 递归子序列
        qsort1(a, p, j - 1);
        qsort1(a, j 
+ 1, r);
    }
    其中的swap用于交换数组元素:
    public static void swap(int[] a, int i, int j) {
        
int temp = a[i];
        a[i] 
= a[j];
        a[j] 
= temp;
    }

    quicksort的最佳情况下的时间复杂度O(n logn),最坏情况下的时间复杂度是O(n^2),退化到插入排序的最坏情况,平均情况下的平均复杂度接近于最佳情况也就是O(nlog n),这也是基于比较的排序算法的比较次数下限。

    为了对排序算法的性能改进有个直观的对比,我们建立一个测试基准,分别测试随机数组的排序、升序数组的排序、降序数组的排序以及重复元素的数组排序。首先使用java.util.Arrays.sort建立一个评测基准,注意这里的时间单位是秒,这些绝对时间没有意义,我们关注的是相对值,因此这里我不会列出详细的评测程序:
 算法  随机数组  升序数组  降序数组  重复数组
 Arrays.sort  136.293  0.548  0.524  26.822

   qsort1对于输入做了假设,假设输入是随机的数组,如果排序已经排序的数组,qsort1马上退化到O(n^2)的复杂度,这是由于选定的pivot每次都会跟剩余的所有元素做比较。它跟Arrays.sort的比较:
 算法  随机数组  升序数组  降序数组  重复数组
 Arrays.sort  136.293  0.548  0.524  26.822
 qsort1  134.475  48.498  141.968  45.244

    果然,在排序已经排序的数组的时候,qsort的性能跟Arrays.sort的差距太大了。那么我们能做的第一个优化是什么?答案是将pivot的选择随机化,不再是固定选择左端点,而是利用随机数产生器选择一个有效的位置作为pivot,这就是qsort2:
public void qsort2(int[] a, int p, int r) {
        
// 0个或1个元素,返回
        if (p >= r)
            
return;
        
// 随机选择pivot
        int i = p + rand.nextInt(r - p + 1);
        
// 交换pivot和左端点
        swap(a, p, i);
        
// 划分算法不变
        int x = a[p];
        
int j = p;
        
for (i = p + 1; i <= r; i++) {
            
// 小于pivot的放到左边
            if (a[i] < x) {
                swap(a, 
++j, i);
            }
        }
        
// 交换左端点和pivot位置
        swap(a, p, j);
        
// 递归子序列
        qsort2(a, p, j - 1);
        qsort2(a, j 
+ 1, r);
    }

    再次进行测试,查看qsort1和qsort2的对比:
 算法  随机数组  升序数组  降序数组  重复数组
 qsort1  134.475  48.498  141.968  45.244
 qsort2  227.87  19.009  18.597  74.639

   从随机数组的排序来看,qsort2比之qsort1还有所下降,这主要是随机数产生器带来的消耗,但是在已经排序数组的排序上面,qsort2有很大进步,在有大量随机重复元素的数组排序上,qsort2却有所下降,主要消耗也是来自随机数产生器的影响。

   更进一步的优化是在划分算法上,现在的划分算法只使用了一个索引i,i从左向右扫描,遇到比pivot小的,就跟从p+1开始的位置(由j索引进行递增标志)进行交换,最终的划分点落在了j,然后将pivot调换到j上,再递归排序左右两边子序列。一个更高效的划分过程是使用两个索引i和j,分别从左右两端进行扫描,i扫描到大于等于pivot的元素就停止,j扫描到小于等于pivot的元素也停止,交换两个元素,持续这个过程直到两个索引相遇,此时的pivot的位置就落在了j,然后交换pivot和j的位置,后续的工作没有不同,示意图




     改进后的qsort3代码如下:

public void qsort3(int[] a, int p, int r) {
        
if (p >= r)
            
return;

        
// 随机选
        int i = p + rand.nextInt(r - p + 1);
        swap(a, p, i);

        
// 左索引i指向左端点
        i = p;
        
// 右索引j初始指向右端点
        int j = r + 1;
        
int x = a[p];
        
while (true) {
            
// 查找比x大于等于的位置
            do {
                i
++;
            } 
while (i <= r && a[i] < x);
            
// 查找比x小于等于的位置
            do {
                j
--;
            } 
while (a[j] > x);
            
if (j < i)
                
break;
            
// 交换a[i]和a[j]
            swap(a, i, j);
        }
        swap(a, p, j);
        qsort3(a, p, j 
- 1);
        qsort3(a, j 
+ 1, r);

    }

    这里要用do……while是因为i索引的初始位置是pivot值存储的左端点,而j所在初始位置是右端点之外,因此都需要先移动一个位置才是合法的。查看下qsort2和qsort3的基准测试对比:

 算法  随机数组  升序数组  降序数组  重复数组
 qsort2  227.87  19.009  18.597  74.639
 qsort3  229.44  18.696  18.507  43.428

可以看到qsort3的改进主要体现在了大量重复元素的数组的排序上,这是因为qsort3在遇到跟pivot相等的元素的时候,还是进行停止并交换,而非跳过;假设遇到相等的元素你不停止,那么这些相等的元素在下次划分的时候需要再次进行比较,比较次数退化到最差情况的O(n^2),而通过在遇到相等元素的时候停止并交换,尽管增加了交换的次数,但是却避免了所有元素相同情况下最差情况的发生。

    改进到这里,回头看看我们做了什么,首先是使用随机挑选pivot替代固定选择,其次是改进了划分算法,从两端进行扫描替代单向查找,并仔细处理元素相同的情况。

    插入排序的时间复杂度是O(N^2),但是在已经排序好的数组上面,插入排序的最佳情况是O(n),插入排序在小数组的排序上是非常高效的,这给我们一个提示,在快速排序递归的子序列,如果序列规模足够小,可以使用插入排序替代快速排序,因此可以在快排之前判断数组大小,如果小于一个阀值就使用插入排序,这就是qsort4:
public void qsort4(int[] a, int p, int r) {
        
if (p >= r)
            
return;

        
// 在数组大小小于7的情况下使用快速排序
        if (r - p + 1 < 7) {
            
for (int i = p; i <= r; i++) {
                
for (int j = i; j > p && a[j - 1> a[j]; j--) {
                    swap(a, j, j 
- 1);
                }
            }
            
return;
        }

        
int i = p + rand.nextInt(r - p + 1);
        swap(a, p, i);

        i 
= p;
        
int j = r + 1;
        
int x = a[p];
        
while (true) {
            
do {
                i
++;
            } 
while (i <= r && a[i] < x);
            
do {
                j
--;
            } 
while (a[j] > x);
            
if (j < i)
                
break;
            swap(a, i, j);
        }
        swap(a, p, j);
        qsort4(a, p, j 
- 1);
        qsort4(a, j 
+ 1, r);
    }

    如果数组大小小于7就使用插入排序,7这个数字完全是经验值。查看qsort3和qsort4的测试比较:

 算法  随机数组  升序数组  降序数组  重复数组
 qsort3  229.44  18.696  18.507  43.428
 qsort4  173.201  7.436  7.477  32.195

   qsort4改进的效果非常明显,所有基准测试的结果都取得了明显的进步。qsort4还有一种变形,现在是在每个递归的子序列上进行插入排序,也可以换一种形式,当小于某个特定阀值的时候直接返回不进行任何排序,在递归返回之后,对整个数组进行一次插入排序,这个时候整个数组是由一个一个没有排序的子序列按照顺序组成的,因此插入排序可以很快地将整个数组排序,这个变形的qsort5跟qsort4没有本质上的不同:
public void qsort5(int[] a, int p, int r) {
        
if (p >= r)
            
return;

        
// 递归子序列,并且数组大小小于7,直接返回
        if (p != 0 && r!=(a.length-1) && r - p + 1 < 7)
            
return;

        
// 随机选
        int i = p + rand.nextInt(r - p + 1);
        swap(a, p, i);

        i 
= p;
        
int j = r + 1;
        
int x = a[p];
        
while (true) {
            
do {
                i
++;
            } 
while (i <= r && a[i] < x);
            
do {
                j
--;
            } 
while (a[j] > x);
            
if (j < i)
                
break;
            swap(a, i, j);
        }
        swap(a, p, j);
        qsort5(a, p, j 
- 1);
        qsort5(a, j 
+ 1, r);

        
// 最后对整个数组进行插入排序
        if (p == 0 && r==a.length-1) {
            
for (i = 0; i <= r; i++) {
                
for (j = i; j > 0 && a[j - 1> a[j]; j--) {
                    swap(a, j, j 
- 1);
                }
            }
            
return;
        }

    }

    基准测试的结果也证明了qsort4和qsort5是一样的:
 算法  随机数组  升序数组  降序数组  重复数组
 qsort4  173.201  7.436  7.477  32.195
 qsort5  175.031  7.324  7.453  32.322

    现在,最大的开销还是随机数产生器选择pivot带来的开销,我们用随机数产生器来选择pivot,是希望pivot能尽量将数组划分得均匀一些,可以选择一个替代方案来替代随机数产生器来选择pivot,比如三数取中,通过对序列的first、middle和last做比较,选择三个数的中间大小的那一个做pivot,从概率上可以将比较次数下降到12/7 ln(n)。
   median-of-three对小数组来说有很大的概率选择到一个比较好的pivot,但是对于大数组来说就不足以保证能够选择出一个好的pivot,因此还有个办法是所谓median-of-nine,这个怎么做呢?它是先从数组中分三次取样,每次取三个数,三个样品各取出中数,然后从这三个中数当中再取出一个中数作为pivot,也就是median-of-medians。取样也不是乱来,分别是在左端点、中点和右端点取样。什么时候采用median-of-nine去选择pivot,这里也有个数组大小的阀值,这个值也完全是经验值,设定在40,大小大于40的数组使用median-of-nine选择pivot,大小在7到40之间的数组使用median-of-three选择中数,大小等于7的数组直接选择中数,大小小于7的数组则直接使用插入排序,这就是改进后的qsort6,已经非常接近于Arrays.sort的实现:
public void qsort6(int[] a, int p, int r) {
        
if (p >= r)
            
return;

        
// 在数组大小小于7的情况下使用快速排序
        if (r - p + 1 < 7) {
            
for (int i = p; i <= r; i++) {
                
for (int j = i; j > p && a[j - 1> a[j]; j--) {
                    swap(a, j, j 
- 1);
                }
            }
            
return;
        }

        
// 计算数组长度
        int len = r - p + 1;
        
// 求出中点,大小等于7的数组直接选择中数
        int m = p + (len >> 1);
        
// 大小大于7
        if (len > 7) {
            
int l = p;
            
int n = p + len - 1;
            
if (len > 40) { // 大数组,采用median-of-nine选择
                int s = len / 8;
                l 
= med3(a, l, l + s, l + 2 * s); // 取样左端点3个数并得出中数
                m = med3(a, m - s, m, m + s); // 取样中点3个数并得出中数
                n = med3(a, n - 2 * s, n - s, n); // 取样右端点3个数并得出中数
            }
            m 
= med3(a, l, m, n); // 取中数中的中数,median-of-three
        }
        
// 交换pivot到左端点,后面的操作与qsort4相同
        swap(a, p, m);

        m 
= p;
        
int j = r + 1;
        
int x = a[p];
        
while (true) {
            
do {
                m
++;
            } 
while (m <= r && a[m] < x);
            
do {
                j
--;
            } 
while (a[j] > x);
            
if (j < m)
                
break;
            swap(a, m, j);
        }
        swap(a, p, j);
        qsort6(a, p, j 
- 1);
        qsort6(a, j 
+ 1, r);

    }

    其中的med3函数用于取三个数的中数:
    private static int med3(int x[], int a, int b, int c) {
        
return x[a] < x[b] ? (x[b] < x[c] ? b : x[a] < x[c] ? c : a)
                : x[b] 
> x[c] ? b : x[a] > x[c] ? c : a;
    }

    运行基准测试跟qsort4进行比较:

 算法  随机数组  升序数组  降序数组  重复数组
 qsort4  173.201  7.436  7.477  32.195
 qsort6  143.264  0.54  0.836  27.311

    观察到qsort6的改进也非常明显,消除了随机产生器带来的开销,取中数的时间复杂度在O(1)。此时qsort6跟Arrays.sort的差距已经非常小了。Array.sort所做的最后一个改进是针对划分算法,采用了所谓"split-end"的划分算法,这主要是为了针对equals的元素,降低equals元素参与递归的开销。我们原来的划分算法是分为两个区域加上一个pivot:

跟pivot equals的元素分散在左右两个子序列里,继续参与递归调用。当数组里的相同元素很多的时候,这个开销是不可忽视的,因此一个方案是将这些相同的元素集中存放到中间这个地方,不参与后续的递归处理,这就是"fat partition",此时是将数组划分为3个区域:小于pivot,等于pivot以及大于pivot:



但是Arrays.sort采用的却不是"fat partition",这是因为fat partition的实现比较复杂并且低效,Arrays.sort是将与pivot相同的元素划分到两端,也就是将数组分为了4个区域:



     这就是split-end名称的由来,这个算法的实现可以跟qsort3的改进结合起来,同样是进行两端扫描,但是遇到equals的元素不是进行互换,而是各自交换到两端。当扫描结束,还要将两端这些跟pivot equals的元素交换到中间位置,不相同的元素交换到两端,左边仍然是比pivot小的,右边是比pivot大的,分别进行递归的快速排序处理,这样改进后的算法我们成为qsort7:

public void qsort7(int[] x, int p, int r) {
        
if (p >= r)
            
return;

        
// 在数组大小小于7的情况下使用快速排序
        if (r - p + 1 < 7) {
            
for (int i = p; i <= r; i++) {
                
for (int j = i; j > p && x[j - 1> x[j]; j--) {
                    swap(x, j, j 
- 1);
                }
            }
            
return;
        }

        
// 选择中数,与qsort6相同。
        int len = r - p + 1;
        
int m = p + (len >> 1);
        
if (len > 7) {
            
int l = p;
            
int n = p + len - 1;
            
if (len > 40) {
                
int s = len / 8;
                l 
= med3(x, l, l + s, l + 2 * s);
                m 
= med3(x, m - s, m, m + s);
                n 
= med3(x, n - 2 * s, n - s, n);
            }
            m 
= med3(x, l, m, n);
        }

        
int v = x[m];

        
// a,b进行左端扫描,c,d进行右端扫描
        int a = p, b = a, c = p + len - 1, d = c;
        
while (true) {
            
// 尝试找到大于pivot的元素
            while (b <= c && x[b] <= v) {
                
// 与pivot相同的交换到左端
                if (x[b] == v)
                    swap(x, a
++, b);
                b
++;
            }
            
// 尝试找到小于pivot的元素
            while (c >= b && x[c] >= v) {
                
// 与pivot相同的交换到右端
                if (x[c] == v)
                    swap(x, c, d
--);
                c
--;
            }
            
if (b > c)
                
break;
            
// 交换找到的元素
            swap(x, b++, c--);
        }

        
// 将相同的元素交换到中间
        int s, n = p + len;
        s 
= Math.min(a - p, b - a);
        vecswap(x, p, b 
- s, s);
        s 
= Math.min(d - c, n - d - 1);
        vecswap(x, b, n 
- s, s);

        
// 递归调用子序列
        if ((s = b - a) > 1)
            qsort7(x, p, s 
+ p - 1);
        
if ((s = d - c) > 1)
            qsort7(x, n 
- s, n - 1);

    }

    其中用到了vecswap方法用于批量交换一批数据,将a位置(包括a)之后n个元素与b位置(包括b)之后n个元素进行交换:

    
private static void vecswap(int x[], int a, int b, int n) {
        
for (int i = 0; i < n; i++, a++, b++)
            swap(x, a, b);
    }

   主要是用于划分后将两端与pivot相同的元素交换到中间来。qsort7的实现跟Arrays.sort的实现是一样的,看看split-end划分带来的改进跟qsort6的对比:
 算法  随机数组  升序数组  降序数组  重复数组
 qsort6  143.264  0.54  0.836  27.311
 qsort6  140.468  0.491  0.506  26.639

   这个结果跟Arrays.sort保持一致。

   最后给几张7个快排程序的在4种测试中的对比图







       还可以做的优化:
1、内联swap和vecswap函数,循环中的swap调用可以展开。
2、改进插入排序,这是《编程珠玑》里提到的,减少取值次数。
             for (int i = p; i <= r; i++) {
                
int t = x[i];
                
int j = i;
                
for (; j > p && x[j - 1> t; j--) {
                    x[j] 
= x[j - 1];
                }
                x[j] 
= t;
            }

3、递归可以展开为循环,最后一个递归调用是尾递归调用,很容易展开为循环,左子序列的递归调用就没那么容易展开了。
4、尝试更多取样算法来提高选择好的pivot的概率。
5、并行处理子序列

评论

# re: 快速排序及优化  回复  更多评论   

2010-09-08 21:58 by hoorace
循序渐进,很容易就懂了。

# re: 快速排序及优化  回复  更多评论   

2010-09-08 22:08 by cd
dennis 大牛真有闲工夫,居然搞起这么古老的题目qsort了。话说刚看jdk src时觉得sort在7以下用插入排序很奇怪,是sun的工程师做过测试还是怎么。居然选个7

# re: 快速排序及优化  回复  更多评论   

2010-09-08 22:25 by 杨冬
除了崇拜我已经无话可说了……看来我的路还很长啊~~

# re: 快速排序及优化  回复  更多评论   

2010-09-09 08:22 by xjf2043
太有才了!

# re: 快速排序及优化  回复  更多评论   

2010-09-09 18:24 by lokkizhou
没单独显示 比较qsort7和Arrays.sort 四种样本一起显示的图

# re: 快速排序及优化  回复  更多评论   

2010-09-10 17:04 by java小爬虫
牛人!!!

# re: 快速排序及优化[未登录]  回复  更多评论   

2014-05-27 10:55 by bill
感觉 小于7 之后用 插入排序的 那段代码,不是插入,而是冒泡的改进。 插入不是应该 每次移动,不交换吗? 最后确定位置,就把数再插进去?

# re: 快速排序及优化  回复  更多评论   

2014-11-08 13:58 by Toby
太棒了!

# re: 快速排序及优化  回复  更多评论   

2015-12-29 23:51 by meng
向前辈学习了!感觉写得超赞。我从理论角度又写了一个类似的博文,还望前辈指教。http://xiaozuwang.com/%E5%AF%BC%E8%88%AA/%E5%BF%AB%E9%80%9F%E6%8E%92%E5%BA%8F%E5%AE%9E%E7%8E%B0

只有注册用户登录后才能发表评论。


网站导航: