【唐叔学算法】第21天:超越比较-计数排序、桶排序与基数排序的Java实践及性能剖析

非比较排序:计数排序、桶排序与基数排序的深度解析与Java实现

引言

当我们谈论排序算法时,大多数人的第一反应可能是基于元素比较的排序方法,如快速排序或归并排序。然而,存在一类特殊的排序算法------非比较排序,它们不依赖于元素之间的直接比较来决定顺序,而是利用数据本身的特性进行排序。这类算法在特定场景下具有显著的优势,可以提供比 O(n log n) 更好的时间复杂度,尤其是在处理整数或有限范围的数据时。本文将深入探讨三种典型的非比较排序算法:计数排序桶排序基数排序,分析它们的原理、实现细节、时间复杂度和空间复杂度,并通过Java代码进行具体实现。

计数排序:基于计数的线性排序算法

算法原理

计数排序(Counting Sort)是一种线性时间复杂度的排序算法,适用于待排序元素的范围已知且较小的场景。其核心思想是通过统计每个元素出现的次数,然后根据统计结果将元素直接放置到正确的位置。

算法步骤

  1. 找出待排序序列中的最大值和最小值。
  2. 创建一个计数数组,长度为最大值与最小值之差加1,用于统计每个元素出现的次数。
  3. 遍历待排序序列,填充计数数组。
  4. 根据计数数组,将元素按顺序放回原序列。

时间复杂度与空间复杂度

  • 时间复杂度:O(n + k),其中n是序列的长度,k是元素的范围(最大值与最小值之差)。
  • 空间复杂度:O(k),需要额外的计数数组来存储统计结果。

Java实现

java 复制代码
public class CountingSort {
    public static void countingSort(int[] arr) {
        if (arr == null || arr.length == 0) {
            return;
        }

        // 找出最大值和最小值
        int max = arr[0], min = arr[0];
        for (int num : arr) {
            if (num > max) max = num;
            if (num < min) min = num;
        }

        // 创建计数数组
        int[] count = new int[max - min + 1];

        // 统计每个元素出现的次数
        for (int num : arr) {
            count[num - min]++;
        }

        // 根据计数数组重构排序后的数组
        int index = 0;
        for (int i = 0; i < count.length; i++) {
            while (count[i] > 0) {
                arr[index++] = i + min;
                count[i]--;
            }
        }
    }

    public static void main(String[] args) {
        int[] arr = {4, 2, 2, 8, 3, 3, 1};
        countingSort(arr);
        System.out.println("Sorted array: ");
        for (int i : arr) {
            System.out.print(i + " ");
        }
    }
}

桶排序:基于分桶的分布式排序算法

算法原理

桶排序(Bucket Sort)是一种分布式排序算法,适用于数据分布均匀的场景。其核心思想是将待排序的元素分到多个"桶"中,每个桶内部再使用其他排序算法(如插入排序)进行排序,最后将所有桶中的元素按顺序合并。

算法步骤

  1. 确定桶的数量,并将元素分配到对应的桶中。
  2. 对每个桶中的元素进行排序(通常使用插入排序)。
  3. 将所有桶中的元素按顺序合并。

时间复杂度与空间复杂度

  • 时间复杂度
    • 最坏情况:O(n²),当所有元素都被分配到同一个桶时。
    • 最好情况:O(n + k),当每个桶中只有一个元素时。
    • 平均情况:O(n + k),其中n是序列的长度,k是桶的数量。
  • 空间复杂度:O(n + k),需要额外的桶空间。

Java实现

java 复制代码
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;

public class BucketSort {
    public static void bucketSort(float[] arr) {
        if (arr == null || arr.length == 0) {
            return;
        }

        // 创建桶
        int n = arr.length;
        List<List<Float>> buckets = new ArrayList<>(n);
        for (int i = 0; i < n; i++) {
            buckets.add(new ArrayList<>());
        }

        // 将元素分配到桶中
        for (float num : arr) {
            int bucketIndex = (int) (n * num);
            buckets.get(bucketIndex).add(num);
        }

        // 对每个桶中的元素进行排序
        for (List<Float> bucket : buckets) {
            Collections.sort(bucket);
        }

        // 合并所有桶中的元素
        int index = 0;
        for (List<Float> bucket : buckets) {
            for (float num : bucket) {
                arr[index++] = num;
            }
        }
    }

    public static void main(String[] args) {
        float[] arr = {0.42f, 0.32f, 0.33f, 0.52f, 0.37f, 0.47f, 0.51f};
        bucketSort(arr);
        System.out.println("Sorted array: ");
        for (float i : arr) {
            System.out.print(i + " ");
        }
    }
}

基数排序:基于位数的稳定排序算法

算法原理

基数排序(Radix Sort)是一种稳定的排序算法,适用于整数或字符串的排序。其核心思想是按照元素的位数(从最低位到最高位)进行排序,每次排序都基于当前位数的值,最终得到有序序列。

算法步骤

  1. 确定待排序序列中最大数的位数。
  2. 从最低位开始,依次对每一位进行排序(通常使用计数排序)。
  3. 重复上述步骤,直到最高位。

时间复杂度与空间复杂度

  • 时间复杂度:O(d * (n + k)),其中n是序列的长度,d是最大数的位数,k是基数(如10进制为10)。
  • 空间复杂度:O(n + k),需要额外的计数数组和临时数组。

Java实现

java 复制代码
public class RadixSort {
    public static void radixSort(int[] arr) {
        if (arr == null || arr.length == 0) {
            return;
        }

        // 找出最大值
        int max = arr[0];
        for (int num : arr) {
            if (num > max) max = num;
        }

        // 对每一位进行排序
        for (int exp = 1; max / exp > 0; exp *= 10) {
            countingSortByDigit(arr, exp);
        }
    }

    private static void countingSortByDigit(int[] arr, int exp) {
        int n = arr.length;
        int[] output = new int[n];
        int[] count = new int[10];

        // 统计每个数字出现的次数
        for (int num : arr) {
            int digit = (num / exp) % 10;
            count[digit]++;
        }

        // 计算累加次数
        for (int i = 1; i < 10; i++) {
            count[i] += count[i - 1];
        }

        // 根据计数数组重构排序后的数组
        for (int i = n - 1; i >= 0; i--) {
            int digit = (arr[i] / exp) % 10;
            output[count[digit] - 1] = arr[i];
            count[digit]--;
        }

        // 将排序结果复制回原数组
        System.arraycopy(output, 0, arr, 0, n);
    }

    public static void main(String[] args) {
        int[] arr = {170, 45, 75, 90, 802, 24, 2, 66};
        radixSort(arr);
        System.out.println("Sorted array: ");
        for (int i : arr) {
            System.out.print(i + " ");
        }
    }
}

对比与总结

计数排序 vs 桶排序 vs 基数排序

特性 计数排序 桶排序 基数排序
时间复杂度 O(n + k) O(n + k) O(d * (n + k))
空间复杂度 O(k) O(n + k) O(n + k)
稳定性 稳定 稳定 稳定
适用场景 整数范围较小 数据分布均匀 整数或字符串

选择与应用

  • 计数排序:适合整数范围已知且较小的场景。
  • 桶排序:适合数据分布均匀的场景,能够有效处理浮点数等数据。
  • 基数排序:适合整数或字符串的排序,尤其在位数较少的场景下表现优异。

通过对计数排序、桶排序和基数排序的讲解,我们可以看到这些非比较排序算法在特定场景下展现出了卓越的性能。希望这篇博客能为你揭示非比较排序的魅力,并为你的编程技能增添一份光彩。无论你是初学者还是经验丰富的开发者,掌握这些技巧都将有助于你在数据处理方面更加得心应手。

相关推荐
梭七y2 分钟前
【力扣hot100题】(033)合并K个升序链表
算法·leetcode·链表
月亮被咬碎成星星6 分钟前
LeetCode[383]赎金信
算法·leetcode
嘉友28 分钟前
Redis zset数据结构以及时间复杂度总结(源码)
数据结构·数据库·redis·后端
无难事者若执31 分钟前
新手村:逻辑回归-理解03:逻辑回归中的最大似然函数
算法·机器学习·逻辑回归
IT从业者张某某1 小时前
机器学习-04-分类算法-03KNN算法案例
算法·机器学习·分类
chen_song_1 小时前
WebRTC的ICE之TURN协议的交互流程中继转发Relay媒体数据的turnserver的测试
算法·音视频·webrtc·交互·媒体
蒙奇D索大1 小时前
【数据结构】图解图论:度、路径、连通性,五大概念一网打尽
数据结构·考研·算法·图论·改行学it
uhakadotcom1 小时前
2025年春招:如何使用DeepSeek + 豆包优化简历,轻松敲开心仪公司的大门
算法·面试·github
小白狮ww1 小时前
Retinex 算法 + MATLAB 软件,高效率完成图像去雾处理
开发语言·人工智能·算法·matlab·自然语言处理·图像识别·去雾处理
trust Tomorrow2 小时前
每日一题-力扣-2278. 字母在字符串中的百分比 0331
算法·leetcode