快速排序的时间复杂度和空间复杂度

最近没有写快速排序算法，就转了一下这个代码
快速排序算法在数组中选择一个称为主元(pivot)的元素，将数组分为两部分，使得 第一部分中的全部元素都小于或等于主元，而第二部分的全部元素都大于主元。对第一部分递归地应用快速排序算法，而后对第二部分递归地应用快速排序算法。
在最差状况下，划分由 n 个元素构成的数组须要进行 n 次比较和 n 次移动。所以划分所需时间为 O(n) 。最差状况下，每次主元会将数组划分为一个大的子数组和一个空数组。这个大的子数组的规模是在上次划分的子数组的规模减 1 。该算法须要 (n-1)+(n-2)+…+2+1= O(n^2) 时间。
在最佳状况下，每次主元将数组划分为规模大体相等的两部分。设 T(n) 表示使用快速排序算法对包含 n 个元素的数组排序所需的时间，所以，和归并排序的分析类似，快速排序的 T(n)= O(nlogn)。java

import java.awt.List;
/** * Created by shuxing on 2017/7/12. */
public class QuickSort {
    public static int[] quickSort(int[] list) {
        quickSort(list, 0, list.length - 1);
        return list;
    }

    public static int[] quickSort(int[] list, int first, int last) {
        if (first < last) {//递归地对主元（pivot）先后的数组进行快排
            int pivotIndex = partition(list, first, last);
            quickSort(list, first, pivotIndex - 1);
            quickSort(list, pivotIndex + 1, last);
        }
        return list;
    }
    public static int partition(int[] list, int first, int last) {//操做过程见下图
        int pivot = list[first], low = first + 1, high = last;
        //寻找前半数组中大于主元的元素下标和后半数组中小于或等于主元的元素下标
        while (high > low) {
            while (pivot >= list[low] && low <= high)
                low++;
            while (pivot < list[high] && low <= high)
                high--;
            //交换两个元素
            if (low < high) {
                int tmp = list[low];
                list[low] = list[high];
                list[high] = tmp;
            }
        }
        //插入主元进适当位置
        while (list[high] >= pivot && high > first)
            high--;
        if (list[high] < pivot) {
            list[first] = list[high];
            list[high] = pivot;
            return high;
        }
        else {
            return first;
        }
    }
    public static void main(String[] args) {
        int[] list = {2,6,3,5,4,1,8,45,2};
        list = quickSort(list);
        for (int i = 0; i < list.length; i++) {
            System.out.println(list[i]);
        }
    }
}

看到一个更加易懂的快速排序的算法：http://blog.csdn.net/morewindows/article/details/6684558web