博客
关于我
快速排序-超级详细代码注释!
阅读量:551 次
发布时间:2019-03-09

本文共 1140 字,大约阅读时间需要 3 分钟。

为了实现快速排序,我们需要选择一个枢轴元素,将数组分为左右两部分,分别递归排序。以下是详细步骤:

  • 读取输入:读取整数N和N个整数,存入数组。
  • 快速排序函数:定义一个递归函数,选择枢轴元素,移动左右元素,递归处理子数组。
  • 处理右边元素:从右边开始,移动所有小于等于枢轴的元素到右边的位置。
  • 处理左边元素:从左边开始,移动所有大于等于枢轴的元素到右边的位置。
  • 交换枢轴位置:将枢轴移动到正确的位置,然后递归处理左右子数组。
  • 以下是实现代码:

    #include 
    #include
    #include
    #include
    #include
    using namespace std;void qst(int a[], int l, int r) { if (l >= r) return; int key = a[l]; int i = l + 1; int j = r; // 将右边所有小于等于key的元素移到j的位置 while (j > l && a[j] <= key) { j--; } // 将左边所有大于key的元素移到i的位置 while (i <= j && a[i] > key) { a[j] = a[i]; j--; i++; } a[j] = key; // 递归处理左右子数组 qst(a, l, j - 1); qst(a, j + 1, r);}int main() { int n; cin >> n; int a[n]; for (int i = 0; i < n; i++) { scanf("%d", &a[i]); } qst(a, 0, n - 1); for (int i = 0; i < n; i++) { printf("%d ", a[i]); } return 0;}

    代码解释

  • 读取输入:使用scanf读取输入数据,存入数组a
  • 快速排序函数qst
    • 选择左边的元素作为枢轴key
    • 从右边开始,移动所有小于等于key的元素到右边。
    • 从左边开始,移动所有大于key的元素到右边。
    • 将枢轴移动到正确的位置。
    • 递归处理左右子数组。
  • 输出结果:打印排序后的数组元素。
  • 该实现确保了快速排序的正确性,时间复杂度为O(N log N),适用于N ≤ 10^5。

    转载地址:http://lpzsz.baihongyu.com/

    你可能感兴趣的文章
    Python进阶03 模块
    查看>>
    python matplotlib简单使用
    查看>>
    Python mock Patch os.environ 和返回值
    查看>>
    Python mock 修补另一个函数调用的函数
    查看>>
    python mqtt 客户端实现
    查看>>
    Python Multiprocessing - 将类方法应用于对象列表
    查看>>
    Python multiprocessing.Queue 与 multiprocessing.manager().Queue()
    查看>>
    Python multiprocessing使用详解
    查看>>
    python mysql 基于 sqlalvhrmy_Python操作MySQL:pymysql和SQLAlchemy
    查看>>
    python mysql 布尔类型_python语言的基础学习:基本类型,函数,面向对象,模块,mysql数据库...
    查看>>
    Python NLP完整项目实战教程(1)
    查看>>
    Python NLP自然语言处理详解
    查看>>
    python nltk nltk_data 离线安装,chatterbot
    查看>>
    Redis 限流的 3 种方式,还有谁不会?
    查看>>
    Python这么慢,为啥大公司还在用?
    查看>>
    python note 06 编码方式
    查看>>
    python numba 转灰度图_使用NumPy、Numba的简单使用(二)
    查看>>
    Python Numpy 关于 linspace()函数 使用详解(全)
    查看>>
    Python numpy插入、读取至postgreSQL数据库中bytea类型字段
    查看>>
    Python numpy数据的保存和读取
    查看>>