Algorithm 关于快速排序杀手

你们中的一些人可能偶然发现了这篇可爱的文章-\

真正有趣的是，他如何修复快速排序以在O（N log N）中针对定义的对手执行

快速排序可能会选择中间元素作为每个步骤的轴心，因此总是将输入序列完美地分割为两半。中位数可以在O（N）运行时间中确定，因此总运行时间始终为O（N logn）

我的问题是，线性时间中值查找算法是否会使用相同的比较函数，并在O（N^2）而不是O（N）中执行

编辑：

准确地说：我在质疑基于分区的中值选择算法的复杂性，该算法使用了与快速排序类似的策略，它将使用与快速排序相同的比较函数。它如何在O（N）模式下与这个对手合作

线性时间中位数的发现不是吗 算法最终使用相同的 比较函数并在O中执行（N^2） 而不是O（N）

不，通过添加一个O（N）函数来找到中间值，复杂性就变了

O((N+N) log N) == O(2N log N) == O(N log N)

但是，正如那篇文章所说，常数的增加使它失去了吸引力

标准技术称为中位数3，完全的中位数搜索并不能真正改善这一点

---

如果最坏的情况很严重，就不要使用快速排序。Shellsort具有更好的上限

当然，我明白这一点。我在质疑中值搜索算法的复杂性。线性时间中位数查找使用与快速排序类似的策略，对吗？它将使用相同的比较函数。用这个比较函数，它怎么能在O（N）中工作呢？我在维基百科上发现，中位数选择是O（N），但它并不简单。我从。我以为他们计划使用基于O（N）划分的中值选择算法。我觉得中位三分法仍然会受到对手的影响。谢谢你在任何情况下向我展示这种新方法。写得好。我投票支持Combsort，尽管边界不是文本，也不是使用introsort。两全其美。重新编辑：比较函数与复杂性无关，中值选择为O（N）。