数据结构与算法面试:基于比较的排序算法时间复杂度最坏情况下是 O(nlogn),请问有没有更快的算法?(提示:计数排序、基数排序)

简介: 数据结构与算法面试:基于比较的排序算法时间复杂度最坏情况下是 O(nlogn),请问有没有更快的算法?(提示:计数排序、基数排序)

数据结构与算法面试:基于比较的排序算法时间复杂度最坏情况下是 O(nlogn),请问有没有更快的算法?(提示:计数排序、基数排序)

简介:基于比较的排序算法时间复杂度最坏情况下是 O(nlogn),请问有没有更快的算法?(提示:计数排序、基数排序)

基数排序是一种时间复杂度O(nlogn)的排序算法,其中d是数组a中最大数字的位数。如果数字长度d较小,那么基数排序要比比较排序更快。

基数排序的实现思路如下:

  1. 用一个桶数组来记录每个可能的数字出现的次数(这里假设数值范围在0~9之间)。
  2. 将原始数组a依次按照个位、十位、百位、千位…进行排序。对于某个"当前位数"可以采用计数排序或者桶排序的方式,在该轮排序后,原始数组a已经被排好序了。

下面是使用C++实现基数排序的代码,并附带详细注释:

#include <iostream>
#include <vector>
using namespace std;
void radix_sort(vector<int>& a) {
    int n = a.size();
    if (n <= 1) return;
    // 获取数组中的最大值
    int max_val = a[0];
    for (int i = 1; i < n; ++i) {
        max_val = max(max_val, a[i]);
    }
    // 计算出最大值的长度
    int k = 0;
    while (max_val > 0) {
        max_val /= 10;
        ++k;
    }
    // 建立桶数组并进行基数排序
    vector<int> bucket(a.size());
    vector<int> count(10);
    // 每一轮循环按照不同的位数进行排序
    for (int i = 0, r = 1; i < k; ++i, r *= 10) {
        // 将桶清零
        fill(count.begin(), count.end(), 0);
        // 统计出现次数
        for (int j = 0; j < n; ++j) {
            int c = (a[j] / r) % 10;
            ++count[c];
        }
        // 计算前缀和
        for (int j = 1; j <= 9; ++j) {
            count[j] += count[j - 1];
        }
        // 按顺序将数放到桶中
        for (int j = n - 1; j >= 0; --j) {
            int c = (a[j] / r) % 10;
            bucket[--count[c]] = a[j];
        }
        // 从桶中取回数据
        for (int j = 0; j < n; ++j) {
            a[j] = bucket[j];
        }
    }
}
int main() {
    vector<int> a = {7, 6, 5, 4, 3, 2, 1, 0};
    radix_sort(a);
    for (int i = 0; i < a.size(); ++i) {
        cout << a[i] << " ";
    }
    cout << endl;
    return 0;
}

该算法借助"桶"和"计数"两种数据结构,实现了时间复杂度O(dn)的基数排序算法。为了方便地处理数组中的数字,我们可以将其转换为字符串然后进行操作。

  • java
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
class Main {
    public static void radixSort(int[] a) {
        int n = a.length;
        if (n <= 1) return;
        // 获取数组中的最大值
        int max_val = a[0];
        for (int i = 1; i < n; ++i) {
            max_val = Math.max(max_val, a[i]);
        }
        // 计算出最大值的位数
        int k = 0;
        while (max_val > 0) {
            max_val /= 10;
            ++k;
        }
        // 建立桶数组并进行基数排序
        int[] bucket = new int[a.length];
        int[] count = new int[10];
        // 每一轮循环按照不同的位数进行排序
        for (int i = 0, r = 1; i < k; ++i, r *= 10) {
            // 将桶清零
            Arrays.fill(count, 0);
            // 统计出现次数
            for (int j = 0; j < n; ++j) {
                int c = (a[j] / r) % 10;
                ++count[c];
            }
            // 计算前缀和
            for (int j = 1; j < 10; ++j) {
                count[j] += count[j - 1];
            }
            // 按顺序将数放到桶中
            for (int j = n - 1; j >= 0; --j) {
                int c = (a[j] / r) % 10;
                bucket[--count[c]] = a[j];
            }
            // 从桶中取回数据
            for (int j = 0; j < n; ++j) {
                a[j] = bucket[j];
            }
        }
    }
    public static void main(String[] args) {
        int[] a = {7, 6, 5, 4, 3, 2, 1, 0};
        radixSort(a);
        for (int i = 0; i < a.length; ++i) {
            System.out.print(a[i] + " ");
        }
        System.out.println();
    }
}
相关文章
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
887 1
|
存储 算法 Java
算法系列之数据结构-二叉树
树是一种重要的非线性数据结构,广泛应用于各种算法和应用中。本文介绍了树的基本概念、常见类型(如二叉树、满二叉树、完全二叉树、平衡二叉树、B树等)及其在Java中的实现。通过递归方法实现了二叉树的前序、中序、后序和层次遍历,并展示了具体的代码示例和运行结果。掌握树结构有助于提高编程能力,优化算法设计。
609 10
 算法系列之数据结构-二叉树
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
367 0
|
算法 Java
算法系列之数据结构-Huffman树
Huffman树(哈夫曼树)又称最优二叉树,是一种带权路径长度最短的二叉树,常用于信息传输、数据压缩等方面。它的构造基于字符出现的频率,通过将频率较低的字符组合在一起,最终形成一棵树。在Huffman树中,每个叶节点代表一个字符,而每个字符的编码则是从根节点到叶节点的路径所对应的二进制序列。
551 3
 算法系列之数据结构-Huffman树
|
算法 Java
算法系列之数据结构-二叉搜索树
二叉查找树(Binary Search Tree,简称BST)是一种常用的数据结构,它能够高效地进行查找、插入和删除操作。二叉查找树的特点是,对于树中的每个节点,其左子树中的所有节点都小于该节点,而右子树中的所有节点都大于该节点。
735 22
|
存储 机器学习/深度学习 算法
C 408—《数据结构》算法题基础篇—链表(下)
408考研——《数据结构》算法题基础篇之链表(下)。
761 30
|
存储 算法 C语言
C 408—《数据结构》算法题基础篇—链表(上)
408考研——《数据结构》算法题基础篇之链表(上)。
1082 25
|
存储 人工智能 算法
C 408—《数据结构》算法题基础篇—数组(通俗易懂)
408考研——《数据结构》算法题基础篇之数组。(408算法题的入门)
1166 23
|
存储 算法 测试技术
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
857 3
|
12月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
950 0

热门文章

最新文章