数据结构与算法系列——排序(12)_计数排序
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了数据结构与算法系列——排序(12)_计数排序,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含3500字,纯文字阅读大概需要6分钟。
内容图文
1. 工作原理(定义)
计数排序是一个非基于比较的排序算法,该算法于1954年由 Harold H. Seward 提出。它的优势在于在对一定范围内的整数排序时,它的复杂度为Ο(n+k)(其中k是整数的范围),快于任何比较排序算法。当然这是一种牺牲空间换取时间的做法,而且当O(k)>O(n*log(n))的时候其效率反而不如基于比较的排序(基于比较的排序的时间复杂度在理论上的下限是O(n*log(n)), 如归并排序,堆排序)
计数排序是一种稳定的线性时间排序算法。计数排序使用一个额外的数组 C ,其中第i个元素是待排序数组 A中值等于 i的元素的个数。然后根据数组 C 来将 A中的元素排到正确的位置。
2. 算法步骤
(1)找出待排序的数组中最大和最小的元素,确定数组大小C[max-min+1]。
(2)统计数组中每个值为i的元素出现的次数,存入数组C的第i项
(3)对所有的计数累加(从C中的第一个元素开始,每一项和前一项相加)
(4)反向填充目标数组:将每个元素i放在新数组的第C(i)项,每放一个元素就将C(i)减去1
3. 动画演示
4. 性能分析
1. 时间复杂度
当输入的元素是 n 个 0 到 k 之间的整数时,它的运行时间是 Θ(n + k)。计数排序不是比较排序,排序的速度快于任何比较排序算法。故时间复杂度为O(N)。
2. 空间复杂度
排序过程中,需要一个辅助空间,因此空间复杂度为O(n)。
3. 算法稳定性
是稳定的算法。
4. 初始顺序状态
- 比较次数:
- 移动次数:
- 复杂度:
- 排序趟数:
5. 归位
6. 优点
它的优势在于在对一定范围内的整数排序时,它的复杂度为Ο(n+k)(其中k是整数的范围),快于任何比较排序算法。当然这是一种牺牲空间换取时间的做法,而且当O(k)>O(n*log(n))的时候其效率反而不如基于比较的排序(基于比较的排序的时间复杂度在理论上的下限是O(n*log(n)), 如归并排序,堆排序)
7. 具体代码
import java.util.Arrays; public class CountingSort { public static void main(String[] args) { int[] a = {9, 7, 6, 3, 9, 2, 7, 3, 2, 8}; countingSort(a); System.out.println(Arrays.toString(a)); } //方法1,归位的时候是反向 public static void countingSort(int[] arr) { // 计算最大最小值,严谨实现最好用ifPresent检查下 int max = Arrays.stream(arr).max().getAsInt(); int min = Arrays.stream(arr).min().getAsInt(); int N = arr.length; int R = max - min + 1; // 最大最小元素之间范围[min, max]的长度 // 1. 计算频率,在需要的数组长度上额外加1 int[] count = new int[R]; for (int i = 0; i < N; i++) { // 使用加1后的索引,有重复的该位置就自增 count[arr[i] - min]++; } // 2. 频率 -> 元素的开始索引 for (int r = 1; r < R; r++) { count[r] += count[r-1]; } // 3. 元素按照开始索引分类,用到一个和待排数组一样大临时数组存放数据 int[] aux = new int[N]; for (int i = N-1; i >=0; i--) { // 填充一个数据后,自增,以便相同的数据可以填到下一个空位 aux[count[arr[i] - min]-1] = arr[i]; count[arr[i] - min]--; } // 4. 数据回写 for (int i = 0; i < N; i++) { arr[i] = aux[i]; } } //方法2,归位的时候是正向 public static void countingSort2(int[] arr) { // 计算最大最小值,严谨实现最好用ifPresent检查下 int max = Arrays.stream(arr).max().getAsInt(); int min = Arrays.stream(arr).min().getAsInt(); int N = arr.length; int R = max - min + 1; // 最大最小元素之间范围[min, max]的长度 // 1. 计算频率,在需要的数组长度上额外加1 int[] count = new int[R+1]; for (int i = 0; i < N; i++) { // 使用加1后的索引,有重复的该位置就自增 count[arr[i] - min + 1]++; } // 2. 频率 -> 元素的开始索引 for (int r = 0; r < R; r++) { count[r + 1] += count[r]; } // 3. 元素按照开始索引分类,用到一个和待排数组一样大临时数组存放数据 int[] aux = new int[N]; for (int i = 0; i < N; i++) { // 填充一个数据后,自增,以便相同的数据可以填到下一个空位 aux[count[arr[i] - min]++] = arr[i]; } // 4. 数据回写 for (int i = 0; i < N; i++) { arr[i] = aux[i]; } } }
反向图解释
8. 参考网址
- https://www.runoob.com/w3cnote/counting-sort.html
- 排序算法系列之计数排序
- 数据结构与算法——计数排序、桶排序、基数排序
- https://visualgo.net/en/sorting
- https://www.sohu.com/a/258882297_478315
内容总结
以上是互联网集市为您收集整理的数据结构与算法系列——排序(12)_计数排序全部内容,希望文章能够帮你解决数据结构与算法系列——排序(12)_计数排序所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。