如何實現一個通用的，高效能的排序演算法。

總結一下前面學過的幾種排序演算法

線性排序時間複雜度比較低，但是對資料的要求十分嚴格，所以不能用作通用排序的方案。

小資料規模的排序，首選時間複雜度為 O(n^2) 的演算法。如果資料規模較大，選擇時間複雜度為 O(nlogn) 的演算法。所以為了兼顧任意規模的資料排序，那就首選時間複雜度為 O(n

歸併排序和快速排序時間複雜度都為 O(n*logn)，而且極端情況下快速排序的時間複雜度會變成 O(n^2)，但是二者之間還是快速排序優先被選用。歸併排序不是原地排序，在排序期間會申請同樣資料大小的記憶體空間，所以空間複雜度上要高的多。

雖然優先選擇的是快速排序，但是極端情況下時間複雜度會退化為 O(n^2)，那麼如何避免這種情況的發生呢？這就是接下來要總結的如何優化快速排序演算法。

優化快速排序演算法

當待排序資料呈現有序或者接近有序狀態，每次分割槽選擇的分割槽點都是最後一位的時候，快速排序演算法時間複雜度退化為 O(n^2)。那麼避免這種情況的發生就是每次選取的分割槽點，儘量將資料均分成兩份。下面介紹兩種選取分割槽點的方法。

方法一：三數取中法。分別獲取分割槽區間的第一個，中間位置，最後一個元素，比較大小，選擇中間的值作為分割槽點。如果分割槽區間的資料量過大，就可以採用五數取中，十數取中，儘量保證分割槽點的選擇趨於中間數值。

方法二：隨機法。隨機在分割槽區間選擇一個數據，根據概率來判斷，分割槽點選到最小值或者最大值得概率是很小的，所以時間複雜度退化為 O(n^2) 的概率也是很小的。

演算法實現舉例分析

王爭老師舉例了 Glibc 中 qsort() 函式實現排序的原理。

qsort() 在資料量小的情況下會優選選擇歸併排序演算法。當資料量比較大的時候，就會選擇快速排序演算法。使用快速排序的時候，對於分割槽點的選擇，qsort() 函式採用的正是三數取中法。

在快速排序中，如果區間的元素個數小於等於 4，qsort() 就會採用插入排序對資料排序。因為在小資料規模下， O(n^2) 的值要小於 O(n*logn)。

總結

本文創作靈感來源於 極客時間 王爭老師的《資料結構與演算法之美》課程，通過課後反思以及借鑑各位學友的發言總結，現整理出自己的知識架構，以便日後溫故知新，查漏補缺。

初入演算法學習，必是步履蹣跚，一路磕磕絆絆跌跌撞撞。看不懂別慌，也別忙著總結，先讀五遍文章先，無他，唯手熟爾~
與諸君共勉

關注本人公眾號，第一時間獲取最新文章釋出，每日更新一篇技術文章。