時間復(fù)雜度為O(n)的排序算法

我們常用的排序算法,如快排赎离,堆排序等時間復(fù)雜度都為O(nlgn)晦攒,這些算法都有一個特點(diǎn)闽撤,就是在排序過程中需要進(jìn)行大量的比較,我們稱之為基于比較的排序算法脯颜,而這些基于比較的排序算法的時間復(fù)雜度不可能突破O(nlgn)哟旗。本文所介紹的算法是基于非比較的排序,其時間復(fù)雜度為線性伐脖。

I热幔、計(jì)數(shù)排序

假設(shè)我們有一個待排序數(shù)組A,其中元素的最小值不小于0讼庇,最大值不超過K绎巨,我們需要建立一個長度為K的線性表C,用來記錄每個元素的個數(shù)蠕啄。這類似于hash的原理场勤。

1.1 算法思路

1、遍歷A歼跟,填充線性表C和媳;
2、遍歷線性表C哈街,依次根據(jù)輸出C[i]個i留瞳;
3、假設(shè)元素個數(shù)為n個骚秦,其中不重復(fù)元素為m個她倘,則時間復(fù)雜度為O(m+n),空間復(fù)雜度也為O(m+n)作箍;

1.2 代碼實(shí)現(xiàn)
#include <iostream>
#include <vector>

using namespace std;

#define K 100
vector<int> count(K, 0);

void CountingSort(const vector<int>& vec) {
    for (int i = 0; i < vec.size(); ++i) {
        count[vec[i]]++;
    }
}

void myPrint() {
    for (int i = 0; i < K; ++i) {
        while (count[i]) {
            cout << i << " ";
            --count[i];
        }
    }
}

int main() {
    vector<int> vec = {0,1,2,3,3,2,5,3,2,2,54,6,23,35,4,2,54,4};

    CountingSort(vec);
    myPrint();

    return 0;
}

II硬梁、此類算法還有桶排序與基數(shù)排序

以后再說明。

歡迎轉(zhuǎn)載胞得,轉(zhuǎn)載請注明出處wenmingxing 時間復(fù)雜度為O(n)的排序算法

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末荧止,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌跃巡,老刑警劉巖危号,帶你破解...
    沈念sama閱讀 218,546評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異素邪,居然都是意外死亡葱色,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,224評論 3 395
  • 文/潘曉璐 我一進(jìn)店門娘香,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人办龄,你說我怎么就攤上這事烘绽。” “怎么了俐填?”我有些...
    開封第一講書人閱讀 164,911評論 0 354
  • 文/不壞的土叔 我叫張陵安接,是天一觀的道長。 經(jīng)常有香客問我英融,道長盏檐,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,737評論 1 294
  • 正文 為了忘掉前任驶悟,我火速辦了婚禮胡野,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘痕鳍。我一直安慰自己硫豆,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,753評論 6 392
  • 文/花漫 我一把揭開白布笼呆。 她就那樣靜靜地躺著熊响,像睡著了一般。 火紅的嫁衣襯著肌膚如雪诗赌。 梳的紋絲不亂的頭發(fā)上汗茄,一...
    開封第一講書人閱讀 51,598評論 1 305
  • 那天,我揣著相機(jī)與錄音铭若,去河邊找鬼洪碳。 笑死,一個胖子當(dāng)著我的面吹牛奥喻,可吹牛的內(nèi)容都是我干的偶宫。 我是一名探鬼主播,決...
    沈念sama閱讀 40,338評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼环鲤,長吁一口氣:“原來是場噩夢啊……” “哼纯趋!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,249評論 0 276
  • 序言:老撾萬榮一對情侶失蹤吵冒,失蹤者是張志新(化名)和其女友劉穎纯命,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體痹栖,經(jīng)...
    沈念sama閱讀 45,696評論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡亿汞,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,888評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了揪阿。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片疗我。...
    茶點(diǎn)故事閱讀 40,013評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖南捂,靈堂內(nèi)的尸體忽然破棺而出吴裤,到底是詐尸還是另有隱情,我是刑警寧澤溺健,帶...
    沈念sama閱讀 35,731評論 5 346
  • 正文 年R本政府宣布麦牺,位于F島的核電站,受9級特大地震影響鞭缭,放射性物質(zhì)發(fā)生泄漏剖膳。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,348評論 3 330
  • 文/蒙蒙 一岭辣、第九天 我趴在偏房一處隱蔽的房頂上張望吱晒。 院中可真熱鬧,春花似錦沦童、人聲如沸枕荞。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,929評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽躏精。三九已至,卻和暖如春鹦肿,著一層夾襖步出監(jiān)牢的瞬間矗烛,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,048評論 1 270
  • 我被黑心中介騙來泰國打工箩溃, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留瞭吃,地道東北人。 一個月前我還...
    沈念sama閱讀 48,203評論 3 370
  • 正文 我出身青樓涣旨,卻偏偏與公主長得像歪架,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子霹陡,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,960評論 2 355