在计算机科学中，分治法是建基于多项分支递归的一种很重要的算法范式。字面上的解释是“分而治之”，就是把一个复杂的问题分成两个或更多的相同或相似的子问题，直到最后子问题可以简单的直接求解，原问题的解即子问题的解的合并。（摘自维基百科）
快速排序的思想
数组中指定一个元素作为标尺，比它大的放到该元素后面，比它小的放到该元素前面，如此重复直至全部正序排列。
快速排序分三步：
选基准：在数据结构中选择一个元素作为基准(pivot)
划分区：参照基准元素值的大小，划分无序区，所有小于基准元素的数据放入一个区间，所有大于基准元素的数据放入另一区间，分区操作结束后，基准元素所处的位置就是最终排序后它应该所处的位置
递归：对初次划分出来的两个无序区间，递归调用第 1步和第 2步的算法，直到所有无序区间都只剩下一个元素为止。
现在先说说普遍的实现方法（没有用到原地算法）
function quickSort(arr) { if (arr.length <= 1) return ; //取数组最接近中间的数位基准，奇数与偶数取值不同，但不印象，当然，你可以选取第一个，或者最后一个数为基准，这里不作过多描述 var pivotIndex = Math.floor(arr.length / 2); var pivot = arr.splice(pivotIndex, 1)[0]; //左右区间，用于存放排序后的数 var left = []; var right = []; console.log('基准为：' + pivot + ' 时'); for (var i = 0; i < arr.length; i++) { console.log('分区操作的第 ' + (i + 1) + ' 次循环：'); //小于基准，放于左区间，大于基准，放于右区间 if (arr[i] < pivot) { left.push(arr[i]); console.log('左边：' + (arr[i])) } else { right.push(arr[i]); console.log('右边：' + (arr[i])) } } //这里使用concat操作符，将左区间，基准，右区间拼接为一个新数组 //然后递归1，2步骤，直至所有无序区间都 只剩下一个元素 ，递归结束 return quickSort(left).concat([pivot], quickSort(right)); } var arr = [14, 3, 15, 7, 2, 76, 11]; console.log(quickSort(arr)); /* * 基准为7时，第一次分区得到左右两个子集[ 3, 2,] 7 [14, 15, 76, 11]; * 以基准为2，对左边的子集[3,2]进行划分区排序,得到[2] 3。左子集排序全部结束 * 以基准为76，对右边的子集进行划分区排序,得到[14, 15, 11] 76 * 此时对上面的[14, 15, 11]以基准为15再进行划分区排序， [14, 11] 15 * 此时对上面的[14, 11]以基准为11再进行划分区排序， 11 [14] * 所有无序区间都只剩下一个元素，递归结束 * */
通过断点调试，可得出结果。
弊端：
它需要Ω(n)的额外存储空间，跟归并排序一样不好。在生产环境中，需要额外的内存空间，影响性能。
同时，很多人认为上边的就是真正的快速排序了。 所以，在下面，很有必要的推荐in-place算法的快速排序
有关于原地算法可参考维基百科，被墙的同学，百度也差不多。
in-place
快速排序一般是用递归实现，最关键是partition分割函数，它将数组划分为两部分，一部分小于pivot，另一部分大于pivot。具体原理上边提过
function quickSort(arr) { // 交换 function swap(arr, a, b) { var temp = arr[a]; arr[a] = arr[b]; arr[b] = temp; } // 分区 function partition(arr, left, right) { /** * 开始时不知最终pivot的存放位置，可以先将pivot交换到后面去 * 这里直接定义最右边的元素为基准 */ var pivot = arr[right]; /** * 存放小于pivot的元素时，是紧挨着上一元素的，否则空隙里存放的可能是大于pivot的元素， * 故声明一个storeIndex变量，并初始化为left来依次紧挨着存放小于pivot的元素。 */ var storeIndex = left; for (var i = left; i < right; i++) { if (arr[i] < pivot) { /** * 遍历数组，找到小于的pivot的元素，（大于pivot的元素会跳过） * 将循环i次时得到的元素，通过swap交换放到storeIndex处， * 并对storeIndex递增1，表示下一个可能要交换的位置 */ swap(arr, storeIndex, i); storeIndex++; } } // 最后： 将pivot交换到storeIndex处，基准元素放置到最终正确位置上 swap(arr, right, storeIndex); return storeIndex; } function sort(arr, left, right) { if (left > right) return; var storeIndex = partition(arr, left, right); sort(arr, left, storeIndex - 1); sort(arr, storeIndex + 1, right); } sort(arr, 0, arr.length - 1); return arr; } console.log(quickSort([8, 4, 90, 8, 34, 67, 1, 26, 17]));
分区的优化
这里细心的同学可能会提出，选取不同的基准时，是否会有不同性能表现，答案是肯定的，但，因为，我是搞前端的，对算法不是很了解，所以，这个坑留给厉害的人来填补。
复杂度
快速排序是排序速度最快的算法，它的时间复杂度是O(log n)
在平均状况下，排序n个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较.