9线性时间排序分析报告.ppt

数据结构与算法《算法导论》 上海交通大学 信息安全工程学院 排序算法的性能 合并排序、堆排序在最坏情况下达到O(nlgn) 快速排序在平均情况下达到O(nlgn) 这些排序算法的实现均是基于输入的不同元素之间的大小比较，称为比较排序。 排序算法时间的下界 在比较排序中，输出顺序的确定依赖于不同元素之间的比较，本章中假设所有的元素均不相同。 每比较一次能并且只能区分一对元素的大小关系。 对于输入为n的一组元素，其排列顺序的可能性为n!，排序的目标是从n!种可能中确定正确的那种。 比较排序的决策树 每次比较一个元素，能够将输入分类为两个部分（元素的大小关系只有两种）。 使用二叉树描述对于输入的分类，每次比较生成两个子节点。 为了区分所有的输入情况，则所有的输入情况必然位于二叉树的某个叶子节点上。 比较排序最坏情况的下界 排序所需比较的次数为从决策树根节点，到叶子节点的深度，最坏情况是树的高度。 任意一个比较排序算法在最坏情况下，都需要做Ω(nlgn)次比较 证明，假设决策树的高度为h，则这棵树的叶子节点l2^h。为了能够对所有的输入进行排序，则n!l。所以 h= Ω(nlgn) 计数排序 假设n个输入元素都是介于0到k之间的整数，当k=O(n)时，计数排序的运行时间为Θ(n) 计数排序的思想为，统计位于每一个元素之前的元素个数，将该元素直接输出到恰当的位置上 计数排序 步骤 COUNTING-SORT(A,B,k){ for i=0 to k do C[i]=0 for j=1 to length[A] do C[A[j]]+=1 for i=1 to k do C[i]=C[i]+C[i-1] for j=length[A] downto 1 do B[C[A[j]]]=A[j] C[A[j]]-=1 } 计数排序 2 5 3 0 2 3 0 3 A C 2 0 2 3 0 1 C’ 2 2 4 7 7 8 3 B 计数排序 2 5 3 0 2 3 0 3 A C 2 0 2 3 0 1 C’ 2 2 4 6 7 8 0 3 B 计数排序 2 5 3 0 2 3 0 3 A C 2 0 2 3 0 1 C’ 1 2 4 6 7 8 0 3 B 计数排序 2 5 3 0 2 3 0 3 A C 2 0 2 3 0 1 C’ 1 2 4 5 7 8 0 3 3 B 计数排序的时间复杂度 函数中的三个循环，次数分别为Θ(n)与Θ(k)。如果k=O(n)，则总时间为Θ(n)。 计数排序的时间复杂度优于比较排序，但是其隐含的要求是排序对象的数值跨度不大。 计数排序是一种稳定的排序方法，即如果排序对象中有两个相同的元素，则输出序列中这两个元素的顺序保持不变。此性质对于有附加数据域的情形有意义。 基数排序 基数排序用于具有多列排序数据，每次只能依照其中一列进行排序的情形。典型的例子为10进制数的排序 329 457 657 839 436 720 355 839 720 657 457 436 329 355 839 720 657 457 436 355 329 基数排序 如果从高位开始排序，需要将卡片分为大量的子堆，如果从低位开始排序并且排序本身是稳定的，则可以解决这个问题 329 457 657 839 436 720 355 720 355 436 457 657 329 839 720 329 436 839 355 457 657 329 355 436 457 657 720 839 桶排序 假设输入是随机产生的元素，这些元素均匀并且独立地分别在区间[0,1)上 桶排序将区间[0,1)划分为n个大小相同的子区域，然后将n个输入数据分布到各个桶中。 将各个桶中的数据进行排序，按次序输出各个桶中的元素 桶排序 步骤 BUCKET-SORT(A){ n=length[A] for i=1 to n do insert A[i] into list B[n*A[i]] for i=0 to n-1 do sort list B[i] with insertion sort concatenate the list B in order }