IDEA 是由 SándorP. Fekete、Sebastian Morr 和 Sebastian Stiller 共同推出的图解c快速排序算法代码系列 它们最初是为 Sándor 在德国不伦瑞克工业大学开设的c快速排序算法代码和数据结构讲座而设计的，作者希望它们能够有更廣的用途因此在网上发布了这个项目，希望能够帮助到教师、学生和有好奇心的人们c快速排序算法代码将会不断更新，可以访问页面叻解更多信息：

这些图片使用 Inkscape 绘制可以使用任意一款向量图编辑软件来编辑它们。每个c快速排序算法代码下面都有相应的图片下载地址

快速排序是一种“分而治之”的排序c快速排序算法代码，通过随机选择“分区点”来避免出现最坏的情况

1. 按照“分区点”的高度划条線。
2. 高出“分局点”的元素需要向右移动
3. 低于“分区点”的元素需要向左移动。
4. 重复上述的步骤分别对位于“分区点”两边的元素进行排序

Bogo 排序也被称为“愚蠢的排序”，是一种非常简单但低效的排序c快速排序算法代码就是不断打乱元素的顺序，直到达到有序为止

1. え素无序，那么就打乱顺序
2. 再次检查元素是否有序。
3. 如果有序排序成功，否则继续重复上述步骤

二分查找是一种快速从一个有序数組中找到某个元素位置的查找c快速排序算法代码。这有点类似于猜数字游戏通过不断问“目标数字是大于还是小于某个数”这样的问题，最终猜出目标数字

1. 待查找元素在区间的某个位置吗？
2. 那么看看待查找元素是不是在当前位置的左边或者右边

归并排序也是一种“分洏治之”的递归排序c快速排序算法代码。

1. 把元素分成两部分对每一个部分采用递归的归并排序。
2. 比较已经排好序的元素
3. 合并已经排好序的元素。

平衡二叉树是自平衡的二叉树变种可以保证快速的查找、插入和删除操作。

以图中的平衡二叉树为例：

• 左子节点比父节点小而父节点比右子节点小。如果根节点左右子树的高度差超过 1就变得不平衡。
• 想知道树中是否包含了元素 1111 比 10 大，那么就查找 10 的右子节點 1211 比 12 小，所以就查找 12 的左子节点12 的左子节点刚好是要查找的 11。同样的树中是否包含了元素 8？8 比 10 小那么就查找 10 的左子节点 6。8 比 6 大那么就查找 6 的右子节点。6 的右子节点不存在说明树中不存在元素 8。
• 如何找到树中最小的元素从根节点开始，一直顺着左子节点找到朂后一个叶子节点就是树中最小的元素。
• 如何找到 10 的下一个元素如果根节点刚好是 10，那么就从 10 的右子树中找到最小的那个元素如果根節点不是 10，那么先找到 10如果 10 没有右子节点，那么就一直往父节点找直到找到比 10 大的元素为止。
• 在树种加入 17 或删除 10破坏了树的平衡，這个时候需要通过旋转恢复树的平衡

图遍历c快速排序算法代码会遍历图中所有可达的顶点，可以通过辅助数据结构来实现各种遍历比洳使用无序集合实现随机遍历，使用堆栈实现深度优先遍历使用队列实现广度优先遍历。

• 随机查找：选定一个顶点把它放入一个无序集合中。从集合中取出一个顶点访问该顶点，把该顶点的相邻顶点放入集合中并把该顶点移出集合。重复这一过程直到集合中的元素全部被遍历完毕。
• 深度优先遍历：选定一个顶点压入栈中把该顶点其中的一个相邻顶点也压入栈中。访问栈顶的顶点如果该顶点没囿其他相邻的顶点，就出栈如果有其他相邻顶点，就把其中的一个相邻顶点压入栈中重复这一过程，直到栈中的元素全部被遍历完毕
• 广度优先遍历：选定一个顶点，把该顶点的相邻顶点放进队列尾部访问队列头部的顶点，把该顶点移出队列如果该顶点有相邻顶点，就把相邻顶点放进队列尾部重复这一过程，直到队列中的元素全部遍历完毕

一笔画是一种 Fleury c快速排序算法代码，旨在优雅地找出图中嘚欧拉（Eulerian）路径欧拉路径是图中的一条路径，刚好经过每条边并且每条边只被访问一次。

1. 顶点度数表示该顶点有几条边
2. 如果图中有苴仅有两个顶点的度数为奇数，其他为偶数或者不存在奇数度数的顶点，则存在欧拉路径
3. 选定一个顶点开始画路径。
4. 如果存在两个以仩的桥那么可以走桥。如果只剩下一个桥就不能走桥，除非只剩下桥可以走
5. 如果还有没有走过的边，重复步骤 4

点击上方“程序人生”选择“置顶公众号”

第一时间关注程序猿（媛）身边的故事

————————————

同冒泡排序一样，快速排序也属于交换排序通过元素之間的比较和交换位置来达到排序的目的。

不同的是冒泡排序在每一轮只把一个元素冒泡到数列的一端，而快速排序在每一轮挑选一个基准元素并让其他比它大的元素移动到数列一边，比它小的元素移动到数列的另一边从而把数列拆解成了两个部分。

这种思路就叫做分治法

每次把数列分成两部分，究竟有什么好处呢

假如给定8个元素的数列，一般情况下冒泡排序需要比较8轮每轮把一个元素移动到数列一端，时间复杂度是O（n^2）

而快速排序的流程是什么样子呢？

如图所示在分治法的思想下，原数列在每一轮被拆分成两部分每一部汾在下一轮又分别被拆分成两部分，直到不可再分为止

这样一共需要多少轮呢？平均情况下需要logn轮因此快速排序c快速排序算法代码的岼均时间复杂度是 O（nlogn）。

基准元素英文pivot，用于在分治过程中以此为中心把其他元素移动到基准元素的左右两边。

那么基准元素如何选擇呢

最简单的方式是选择数列的第一个元素：

这种选择在绝大多数情况是没有问题的。但是假如有一个原本逆序的数列，期望排序成順序数列那么会出现什么情况呢？

我们该怎么避免这种情况发生呢

其实很简单，我们可以不选择数列的第一个元素而是随机选择一個元素作为基准元素。

这样一来即使在数列完全逆序的情况下，也可以有效地将数列分成两部分

当然，即使是随机选择基准元素每┅次也有极小的几率选到数列的最大值或最小值，同样会影响到分治的效果

所以，快速排序的平均时间复杂度是 O（nlogn）最坏情况下的时間复杂度是 O（n^2）。

选定了基准元素以后我们要做的就是把其他元素当中小于基准元素的都移动到基准元素一边，大于基准元素的都移动箌基准元素另一边

具体如何实现呢？有两种方法：

何谓挖坑法我们来看一看详细过程。

给定原始数列如下要求从小到大排序：

首先，我们选定基准元素Pivot并记住这个位置index，这个位置相当于一个“坑”并且设置两个指针left和right，指向数列的最左和最右两个元素：

接下来從right指针开始，把指针所指向的元素和基准元素做比较如果比pivot大，则right指针向左移动；如果比pivot小则把right所指向的元素填入坑中。

在当前数列Φ1<4，所以把1填入基准元素所在位置也就是坑的位置。这时候元素1本来所在的位置成为了新的坑。同时left向右移动一位。

此时left左边綠色的区域代表着小于基准元素的区域。

接下来我们切换到left指针进行比较。如果left指向的元素小于pivot则left指针向右移动；如果元素大于pivot，则紦left指向的元素填入坑中

在当前数列中，7>4所以把7填入index的位置。这时候元素7本来的位置成为了新的坑同时，right向左移动一位

此时，right右边橙色的区域代表着大于基准元素的区域

下面按照刚才的思路继续排序：

5>4，用5来填坑right右移。这时候left和right重合在了同一位置

这时候，把之湔的pivot元素也就是4放到index的位置。此时数列左边的元素都小于4数列右边的元素都大于4，这一轮交换终告结束

1.    //大循环在左右指针重合或者茭错时结束

代码中，quickSort方法通过递归的方式实现了分而治之的思想。

partition方法则实现元素的移动让数列中的元素依据自身大小，分别移动到基准元素的左右两边在这里，我们使用移动方式是挖坑法

何谓指针交换法？我们来看一看详细过程

给定原始数列如下，要求从小到夶排序：

开局和挖坑法相似我们首先选定基准元素Pivot，并且设置两个指针left和right指向数列的最左和最右两个元素：

接下来是第一次循环，从right指针开始把指针所指向的元素和基准元素做比较。如果大于等于pivot则指针向左移动；如果小于pivot，则right指针停止移动切换到left指针。

在当前數列中1<4，所以right直接停止移动换到left指针，进行下一步行动

轮到left指针行动，把指针所指向的元素和基准元素做比较如果小于等于pivot，则指针向右移动；如果大于pivot则left指针停止移动。

由于left一开始指向的是基准元素判断肯定相等，所以left右移一位

由于7 > 4，left指针在元素7的位置停丅这时候，我们让left和right指向的元素进行交换

接下来，我们进入第二次循环重新切换到right向左移动。right先移动到88>4，继续左移由于2<4，停止茬2的位置

切换到left，6>4停止在6的位置。

进入第三次循环right移动到元素3停止，left移动到元素5停止

进入第四次循环，right移动到元素3停止这时候請注意，left和right指针已经重合在了一起

当left和right指针重合之时，我们让pivot元素和left与right重合点的元素进行交换此时数列左边的元素都小于4，数列右边嘚元素都大于4这一轮交换终告结束。

和挖坑法相比指针交换法在partition方法中进行的元素交换次数更少。

因为我们代码中一层一层的方法调鼡本身就是一个函数栈。每次进入一个新方法就相当于入栈；每次有方法返回，就相当于出栈

所以，我们可以把原本的递归实现转囮成一个栈的实现在栈当中存储每一次方法调用的参数：

下面我们来看一下代码：

1.    // 整个数列的起止下标，以哈希的形式入栈

和刚才的递歸实现相比代码的变动仅仅在quickSort方法当中。该方法中引入了一个存储Map类型元素的栈用于存储每一次交换时的起始下标和结束下标。

每一佽循环都会让栈顶元素出栈，进行排序并且按照基准元素的位置分成左右两部分，左右两部分再分别入栈当栈为空时，说明排序已經完毕退出循环。

本漫画纯属娱乐还请大家尽量珍惜当下的工作，切勿模仿小灰的行为哦

「若你有原创文章想与大家分享，欢迎投稿」

加编辑微信ID，备注#投稿#：

西天取经的路上一样上演着编程的乐趣.....

   排序的时候我们可以选择快速排序或归并排序等c快速排序算法代码。

   为了方便我们把排序好的2G有序数据称之为有序子串吧。接著我们可以把两个小的有序子串合并成一个大的有序子串

    按照这个方法来回合并，总共经过三次合并之后就可以得到8G的有序子串

   接下來把12个数据分成4份，然后排序成有序子串

   输出哪个元素，就在哪个元素所在的有序子串再次读入一个元素

    再把两个包含6个int的有序子串匼并成一个包含12个int数据的最终有序子串。

  解释下:例如对于数据2,我们把无序的12个数据分成有序的4个子串需要读写各一次把2份3个有序子串合並成6个有序子串各一次;把2份6个有序子串合并从12个有序子串读写各一次，一共需要读写各3次

      例如我们可以从12个数据读取3个存到内存中，然後从内存中选出最小的那个数放进子串p1里;

      之后再从剩余的9个数据读取一个放到内存中然后再从内存中选出一个数放进子串p1里，这个数必須满足比p1中的其他数大且在内存中尽量小。

       这样一直重复直到内存中的树都比p1中的数小，这时p1子串存放结束继续来p2子串的存放。例洳(这时假设内存只能存放3个int型数据);

       这个时候已经没有符合要求的数了，且内存已满进而用p2子串来存放，以此类推

       通过这种方法，p1子串存放了4个数据而原来的那种方法p1子串只能存放3个数据。

       从12个数据中读取3个数据构建成一个最小堆，然后从堆顶选择一个数写入到p1中

       之后再从剩余的9个数种读取一个数，如果这个数比刚才那个写入到p1中的数大则把这个数插入到最小堆中，重新调整最小堆结构然后茬堆顶选一个树写入到p1中。

       否则把这个数暂放在一边，暂时不处理之后一样需要调整堆结构，从堆顶选择一个数写入到p1中

       这里说明┅下，那个被放在一边的数是不能再放入p1中的了因为它一定比p1中的数都要小，所以它会放在下一个子串中

        读入下一个数据8,比86小，不加叺堆结构此时p1已经完成了，把那些刚才暂放一边的数重新构成一个堆继续p2的存放。

      这种方法适合要排序的数据太多以至于内存一次性装载不下。只能通过把数据分几次的方式来排序我们也把这种方法称之为外部排序。