算法札记：快速排序

快速排序

本质是分治，从某种程度上有点像动态规划，都是将问题转换为子问题

核心思路：将某一个序列重新排列，使得存在某个位置，其左小于等于自己，其右大于等于自己，然后对左右两段重复上述操作

看一下Deepseek给出的动态规划与分治的关系：

动态规划与分治算法是算法设计中一对关系密切、却又有着本质区别的思想。它们都体现了"化大为小"的智慧，但处理子问题的方式截然不同。

下面从‌共同点‌和‌区别‌两个维度来梳理它们的关系。

一、两者的共同点
都采用问题分解策略‌：两者都将一个复杂的大问题拆分成若干个规模更小的子问题，通过求解子问题再合并出原问题的解。

都要求最优子结构性质‌：原问题的最优解必须包含子问题的最优解，这样才能保证通过子问题的最优解可以推导出全局最优解。

都存在递推关系‌：分治通过递归式层层分解，动态规划通过状态转移方程递推求解，本质上都是在描述问题之间的递推规律。

二、两者的核心区别
1. 子问题是否独立（最本质的差异）
表格
算法    子问题关系
分治算法    子问题‌相互独立‌，彼此之间没有重叠
动态规划    子问题‌相互重叠‌，不同的子问题可能包含公共的子子问题
分治‌的子问题各自为政，互不干扰。比如归并排序中，对左半数组的排序和对右半数组的排序是完全独立的两个操作，左半边的排序结果不会影响右半边。

动态规划‌的子问题则是一环套一环的，同一子问题可能被多次重复计算。比如计算斐波那契数列时，f(5)需要用到f(4)和f(3)，而f(4)又需要用到f(3)和f(2)，f(3)被重复计算了。如果放任这种重复，计算量会呈指数级增长。

2. 是否保存子问题的解
分治法‌：不刻意保存子问题的解，每次递归都重新计算，因为子问题本身就是独立不重叠的，没必要存储。
动态规划‌：必须用表格（数组、哈希表等）将已求解过的子问题结果保存下来，再遇到时直接查表取出，从而避免大量重复计算。这正是动态规划从指数复杂度降至多项式复杂度的关键。
3. 求解方向
分治法‌：通常是‌自顶向下‌的递归结构。先分解到底，再逐层合并返回。
动态规划‌：通常采用‌自底向上‌的迭代方式，从小问题推到大问题；也可以用带备忘录的自顶向下递归（记忆化搜索）。
三、一个生动的类比
用考学的例子来理解这个区别：

分治思想——高考‌：大目标是"高考取得好成绩"，可以拆分成语文、数学、英语等各个科目来分别攻克。语文学得好不好，并不影响数学的学习成果，这些子问题是‌互相独立‌的，逐一解决后合并起来就能达成总目标。

动态规划——考博士‌：目标是"考上博士"，需要拆分成上高中→上大学→考研→考博这一系列阶段。不上高中就不能上大学，不上大学就不能考研，每一个阶段的结果都会"传递"给下一阶段，子问题是‌有衔接、有状态转移‌的。而且每个阶段的"最优路径"依赖于上一阶段的成果，体现的就是状态递推关系。

四、从典型案例看差异
表格
维度    分治算法典型：归并排序    动态规划典型：斐波那契数列 / 打家劫舍
分解方式    将数组对半拆成两个子数组，各自排序    将n间房子的最优解拆成与n-1间、n-2间相关
子问题关系    左右子数组的排序完全独立    f(3)同时被f(4)和f(5)依赖，存在重叠
解的合并    用双指针将两个有序子数组合并成一个有序数组    通过状态转移方程（如 dp[i]=max(dp[i-1], dp[i-2]+nums[i])）递推
若不做记忆化    不影响结果，因为子问题不重复    会导致指数级重复计算，效率极低
五、总结
分治算法和动态规划的本质关系可以概括为：‌

两者都是通过组合子问题的解来求解原问题。区别在于，分治法的子问题是‌独立不重叠‌的，直接递归求解即可；动态规划的子问题是‌重叠‌的，必须通过保存子问题解的方式来避免重复计算。

在实际应用中，如果把动态规划的题目用纯分治的方式去做，往往会因为反复求解相同子问题而导致指数级别的时间复杂度，这也是为什么需要"动规"这一专门方法来应对这类问题。

如果你有具体的题目想对比分析，或者想进一步了解动态规划的状态转移方程怎么设计，随时可以继续聊。

void quick_sort(int q[],int l,int r){
    if (l>=r) return;
    int x=q[l+r>>1],i=l-1,j=r+1;
    while (i<j){
        do{
            i++;
        }while (q[i]<x);//First
        do{
            j--;
        }while (q[j]>x);
        if (i<j){
            swap(q[i],q[j]);
        }
    }
    quick_sort(q,l,j);//Second
    quick_sort(q,j+1,r);
}

快排写法千千万，此般写法不寻常

//First 为什么不取等？如果取等，带数据【5换行1 2 5 2 1】就爆栈了

//Second 能不能把j和j+1换成i-1和i？不可以，带数据【2换行1 2】爆栈

这个Second让我想到了二分，于是我明白了每当我MB时代【2换行1 2】数据试一下

变式

如果我只关心求第k小的数，我可以剪枝【 x+1>=k ? quick_sort(q,l,j) : quick_sort(q,j+1,r)】