十大排序——計(jì)數(shù)排序

計(jì)數(shù)排序的核心在于將輸入的數(shù)據(jù)值轉(zhuǎn)化為鍵存儲(chǔ)在額外開辟的數(shù)組空間中恢着。 作為一種線性時(shí)間復(fù)雜度的排序菜拓,計(jì)數(shù)排序要求輸入的數(shù)據(jù)必須是有確定范圍的整數(shù)蹬跃。

計(jì)數(shù)排序(Counting sort)是一種穩(wěn)定的排序算法。計(jì)數(shù)排序使用一個(gè)額外的數(shù)組C厢呵,其中第i個(gè)元素是待排序數(shù)組A中值等于i的元素的個(gè)數(shù)窝撵。然后根據(jù)數(shù)組C來將A中的元素排到正確的位置。它只能對(duì)整數(shù)進(jìn)行排序襟铭。

算法描述
找出待排序的數(shù)組中最大和最小的元素碌奉;

統(tǒng)計(jì)數(shù)組中每個(gè)值為i的元素出現(xiàn)的次數(shù),存入數(shù)組C的第i項(xiàng)寒砖;

對(duì)所有的計(jì)數(shù)累加(從C中的第一個(gè)元素開始赐劣,每一項(xiàng)和前一項(xiàng)相加);

反向填充目標(biāo)數(shù)組:將每個(gè)元素i放在新數(shù)組的第C(i)項(xiàng)入撒,每放一個(gè)元素就將C(i)減去1隆豹。

動(dòng)圖展示

算法分析:
時(shí)間復(fù)雜度
最佳情況:T(n) = O(n+k) 最差情況:T(n) = O(n+k) 平均情況:T(n) = O(n+k)
當(dāng)輸入的元素是n 個(gè)0到k之間的整數(shù)時(shí),它的運(yùn)行時(shí)間是 O(n + k)茅逮。計(jì)數(shù)排序不是比較排序璃赡,排序的速度快于任何比較排序算法。由于用來計(jì)數(shù)的數(shù)組C的長度取決于待排序數(shù)組中數(shù)據(jù)的范圍(等于待排序數(shù)組的最大值與最小值的差加上1)献雅,這使得計(jì)數(shù)排序?qū)τ跀?shù)據(jù)范圍很大的數(shù)組碉考,需要大量時(shí)間和內(nèi)存。

    public static int[] CountingSort(int[] array) {
        if (array.length == 0) return array;
        int bias, min = array[0], max = array[0];
        for (int i = 1; i < array.length; i++) {
            if (array[i] > max)
                max = array[i];
            if (array[i] < min)
                min = array[i];
        }
        bias = 0 - min;
        int[] bucket = new int[max - min + 1];
        Arrays.fill(bucket, 0);
        for (int i = 0; i < array.length; i++) {
            bucket[array[i] + bias]++;
        }
        int index = 0, i = 0;
        while (index < array.length) {
            if (bucket[i] != 0) {
                array[index] = i - bias;
                bucket[i]--;
                index++;
            } else
                i++;
        }
        return array;
    }
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末挺身,一起剝皮案震驚了整個(gè)濱河市侯谁,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖墙贱,帶你破解...
    沈念sama閱讀 221,548評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件热芹,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡惨撇,警方通過查閱死者的電腦和手機(jī)伊脓,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,497評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來魁衙,“玉大人报腔,你說我怎么就攤上這事∑实恚” “怎么了纯蛾?”我有些...
    開封第一講書人閱讀 167,990評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵,是天一觀的道長纵隔。 經(jīng)常有香客問我翻诉,道長,這世上最難降的妖魔是什么巨朦? 我笑而不...
    開封第一講書人閱讀 59,618評(píng)論 1 296
  • 正文 為了忘掉前任米丘,我火速辦了婚禮,結(jié)果婚禮上糊啡,老公的妹妹穿的比我還像新娘。我一直安慰自己吁津,他們只是感情好棚蓄,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,618評(píng)論 6 397
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著碍脏,像睡著了一般梭依。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上典尾,一...
    開封第一講書人閱讀 52,246評(píng)論 1 308
  • 那天役拴,我揣著相機(jī)與錄音,去河邊找鬼钾埂。 笑死河闰,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的褥紫。 我是一名探鬼主播姜性,決...
    沈念sama閱讀 40,819評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼髓考!你這毒婦竟也來了部念?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,725評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎儡炼,沒想到半個(gè)月后妓湘,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,268評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡乌询,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 38,356評(píng)論 3 340
  • 正文 我和宋清朗相戀三年多柑,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)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楣责。...
    茶點(diǎn)故事閱讀 40,488評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡竣灌,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出秆麸,到底是詐尸還是另有隱情初嘹,我是刑警寧澤,帶...
    沈念sama閱讀 36,181評(píng)論 5 350
  • 正文 年R本政府宣布沮趣,位于F島的核電站屯烦,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏房铭。R本人自食惡果不足惜驻龟,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,862評(píng)論 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望缸匪。 院中可真熱鬧翁狐,春花似錦、人聲如沸凌蔬。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,331評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽砂心。三九已至懈词,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間辩诞,已是汗流浹背坎弯。 一陣腳步聲響...
    開封第一講書人閱讀 33,445評(píng)論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留译暂,地道東北人抠忘。 一個(gè)月前我還...
    沈念sama閱讀 48,897評(píng)論 3 376
  • 正文 我出身青樓,卻偏偏與公主長得像秧秉,于是被迫代替她去往敵國和親褐桌。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,500評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容