【算法基础】计数排序解析

简介: 计数排序就是一种牺牲内存空间来换取低时间复杂度的排序算法,通过额外申请内存空间,根据统计符合条件的元素个数来确定排序位置。
作者:[柒号华仔]
个人信条:星光不问赶路人,岁月不负有心人。
个人方向:专注于5G领域,同时兼顾其他网络协议,编解码协议,C/C++,linux等,感兴趣的小伙伴可以关注我,一起交流。

1. 计数排序介绍

1.1 定义

计数排序就是一种牺牲内存空间来换取低时间复杂度的排序算法,通过额外申请内存空间,根据统计符合条件的元素个数来确定排序位置。

1.2 基本原理

1.对于一个待排序数组,获取数组的最大值max和最小值min;

2.创建一个长度为max-min+1的计数数组count array,统计每个数值在待排数组中出现的次数,将次数填写到数组count array中,对应下标=数值-min;

3.创建一个输出数组out array,长度与待排序数组长度一致,根据每个元素出现的次数按顺序填写元素到out array,元素数值 = 计数数组下标+min。

例如:对于数组array[20] = {2,3,8,7,1,2,2,2,7,3,9,8,2,1,4,2,4,6,9,2};进行排序
首先,找出待排数组最大值max = 9,最小值min = 1;
然后建立计数数组countArray[9],统计每个数值出现次数填入countArray

image.png

建立输出数组outArray[20],根据元素出现次数按顺序填写:

第一个元素数值为1,出现2次,因此outArray[0]=1,outArray[1]=1;

第二个元素数值为2,出现7次,因此outArray[2]~outArray[8]均等于2;

第三个元素数值为3,出现2次,因此outArray[9]=3,outArray[10]=3;

第四个元素数值为4,出现2次,因此outArray[11]=4,outArray[11]=4;

第五个元素数值为5,出现0次;

第六个元素数值为6,出现2次,因此outArray[12]=6,outArray[13]=6;

第七个元素数值为7,出现2次,因此outArray[14]=7,outArray[15]=7;

第八个元素数值为8,出现2次,因此outArray[16]=8,outArray[17]=8;

第九个元素数值为9,出现2次,因此outArray[18]=9,outArray[19]=9;

image.png

1.3 时间复杂度和空间复杂度

计数排序是非比较排序,时间复杂度是O(n+k),空间复杂度是O(k)。

1.4 优缺点

优点:在对一定范围内的整数排序时,它的复杂度为O(n+k),快于任何比较排序算法。

缺点:如果最大值和最小值相差非常大,元素数值分布间隔比较大,所申请额外内存空间很大,会造成空间浪费。

2. 代码实现

#include <stdio.h>
#include <string.h>

void printArray(int array[], int size)
{
    int i;
    for (i = 0; i < size; i++) {
        printf("%d ", array[i]);
    }
    printf("\n");
}

int countSort(int array[],int arrayLen)
{
    int max,min,countLen;
    int i,j;
    max = array[0];
    min = array[0];
    for(int i = 1; i < arrayLen; i++) {
        if (array[i] > max) {
            max = array[i];
        }
        if(array[i] < min) {
            min = array[i];
        }
    }

    countLen = max - min + 1;
    int countArray[countLen];
    memset(countArray,0,sizeof(countArray));
    for(i = 0;i<countLen;i++){
        for(j = 0;j<arrayLen;j++){
            if(array[j] == i+min)
                countArray[i]++;
        }
    }

    j = 0;
    for (i=0; i<countLen; i++)
    {
        while (countArray[i] > 0)
        {
            array[j] = i + min;
            j++;
            countArray[i]--;
        }
    }
}

int main(int argc, char **argv) {
    int array[] = {2,3,8,7,1,2,2,2,7,3,9,8,2,1,4,2,4,6,9,2};

    countSort(array,sizeof(array)/sizeof(int));
    printArray(array, sizeof(array)/sizeof(int));
    return 0;
}

运行结果:

1 1 2 2 2 2 2 2 2 3 3 4 4 6 7 7 8 8 9 9
相关文章
|
1月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
614 7
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
2月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
463 1
|
2月前
|
算法 搜索推荐 Java
贪心算法:部分背包问题深度解析
该Java代码基于贪心算法求解分数背包问题,通过按单位价值降序排序,优先装入高价值物品,并支持部分装入。核心包括冒泡排序优化、分阶段装入策略及精度控制,体现贪心选择性质,适用于可分割资源的最优化场景。
274 1
贪心算法:部分背包问题深度解析
|
2月前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
粒子群算法模型深度解析与实战应用
|
2月前
|
机器学习/深度学习 资源调度 算法
遗传算法模型深度解析与实战应用
摘要 遗传算法(GA)作为一种受生物进化启发的优化算法,在复杂问题求解中展现出独特优势。本文系统介绍了GA的核心理论、实现细节和应用经验。算法通过模拟自然选择机制,利用选择、交叉、变异三大操作在解空间中进行全局搜索。与梯度下降等传统方法相比,GA不依赖目标函数的连续性或可微性,特别适合处理离散优化、多目标优化等复杂问题。文中详细阐述了染色体编码、适应度函数设计、遗传操作实现等关键技术,并提供了Python代码实现示例。实践表明,GA的成功应用关键在于平衡探索与开发,通过精心调参维持种群多样性同时确保收敛效率
机器学习/深度学习 算法 自动驾驶
507 0
|
2月前
|
机器学习/深度学习 人工智能 资源调度
大语言模型的核心算法——简要解析
大语言模型的核心算法基于Transformer架构,以自注意力机制为核心,通过Q、K、V矩阵动态捕捉序列内部关系。多头注意力增强模型表达能力,位置编码(如RoPE)解决顺序信息问题。Flash Attention优化计算效率,GQA平衡性能与资源消耗。训练上,DPO替代RLHF提升效率,MoE架构实现参数扩展,Constitutional AI实现自监督对齐。整体技术推动模型在长序列、低资源下的性能突破。
403 8
|
2月前
|
算法 API 数据安全/隐私保护
深度解析京东图片搜索API:从图像识别到商品匹配的算法实践
京东图片搜索API基于图像识别技术,支持通过上传图片或图片URL搜索相似商品,提供智能匹配、结果筛选、分页查询等功能。适用于比价、竞品分析、推荐系统等场景。支持Python等开发语言,提供详细请求示例与文档。
|
4月前
|
机器学习/深度学习 人工智能 编解码
AI视觉新突破:多角度理解3D世界的算法原理全解析
多视角条件扩散算法通过多张图片输入生成高质量3D模型,克服了单图建模背面细节缺失的问题。该技术模拟人类多角度观察方式,结合跨视图注意力机制与一致性损失优化,大幅提升几何精度与纹理保真度,成为AI 3D生成的重要突破。
406 0

推荐镜像

更多
  • DNS