C++快速排序实现

本文详细解析了快速排序算法的两种实现方式:数组实现和指针实现,包括核心逻辑、代码细节及效率对比,旨在帮助读者深入理解快速排序的内部运作原理。

数组实现


void sort(int n[],int start,int end){
	int x,y,k,i;
	if(start<end){
		x=start;
		y=end;
		k=n[x];
		do{
			while((x<y)&&(n[y]>=k)){
				y--;
			}
			if(x<y){
				n[x]=n[y];
				x++;
			}
			while((x<y)&&(n[x]<=k)){
				x++;
			}
			if(x<y){
				n[y]=n[x];
			}
		}while(x!=y);
		n[x]=k;
		sort(n,start,x-1);
		sort(n,x+1,end);
	}
}


指针实现:

#include<iostream>
using namespace std; 

void fast_sort(int *ptr, int begin, int end);

int main()
{
    int array[10] = {11, 25, 11, 4, 88, 2, 108, 3, 2, 21};
    fast_sort(array, 0, 9);

	//输出显示代码
    for(int i = 0; i < 10; i++)
	{
		cout << array[i] << "  ";
	}
	cout<<endl;
	return 0;
}

void fast_sort(int *ptr, int begin, int end)
{
	int temp = *(ptr + begin);//设置初始比较基准数据
	int i = begin + 1, j = end, curPosition = begin;//定义开头和结尾的I j
	bool direction = false;
	while(i <= j)
	{
		if(direction)
		{
			if(*(ptr + i) < temp)//如果当前数据小于基准数据 那么换位置 改当前位置
			{
				*(ptr + curPosition) = *(ptr + i);
				curPosition = i;
				direction = false;
			}
			i++;
		}else//先从后到前比较数据
		{
			if(*(ptr + j) > temp)//如果最后一个大于基准 那么最后一个数据赋值给当前基准数据的那个位置 调整基准数据的位置
			{
				*(ptr + curPosition) = *(ptr + j);//
				curPosition = j;
				direction = true;
			}
			j--;
		}
	}     

	*(ptr + curPosition) = temp;   
	if(curPosition - begin > 1)//前面小的比较
		fast_sort(ptr, begin, curPosition - 1);
	if(end - curPosition > 1)//后面大的比较
		fast_sort(ptr, curPosition + 1, end); 
}



根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值