基数排序

简介: 概念:基数排序是按照低位先排序,然后收集;再按照高位排序,然后再收集;依次类推,直到最高位。有时候有些属性是有优先级顺序的,先按低优先级排序,再按高优先级排序。最后的次序就是高优先级高的在前,高优先级相同的低优先级高的在前。 基数排序基于分别排序,分别收集,所以是稳定的。但基数排序的性能比桶排序要略差,每一次关键字的桶分配都需要O(n)的时间复杂度,而且分配之后得到新的关键字序列又需要O(n)的时间复杂度。假如待排数据可以分为d个关键字,则基数排序的时间复杂度将是O(d*2n) ,当然d要远远小于n,因此基本上还是线性级别的。 基数排序的空间复杂度为O(n+k),其中k为桶

概念:基数排序是按照低位先排序,然后收集;再按照高位排序,然后再收集;依次类推,直到最高位。有时候有些属性是有优先级顺序的,先按低优先级排序,再按高优先级排序。最后的次序就是高优先级高的在前,高优先级相同的低优先级高的在前。

基数排序基于分别排序,分别收集,所以是稳定的。但基数排序的性能比桶排序要略差,每一次关键字的桶分配都需要O(n)的时间复杂度,而且分配之后得到新的关键字序列又需要O(n)的时间复杂度。假如待排数据可以分为d个关键字,则基数排序的时间复杂度将是O(d*2n) ,当然d要远远小于n,因此基本上还是线性级别的。

基数排序的空间复杂度为O(n+k),其中k为桶的数量。一般来说n>>k,因此额外空间需要大概n个左右。

算法描述:

取得数组中的最大数,并取得位数;

arr为原始数组,从最低位开始取每个位组成radix数组;

对radix进行计数排序(利用计数排序适用于小范围数的特点);

        var counter = [];
        var mod = 10;
        var dev = 1;
        for (var i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) {
            // 把待排序的数组 arr 中的每一位整数,插入对应的容器
            for (var j = 0; j < arr.length; j++) {
                // 从个位开始,得到数组中每个数的每一位并保存在 bucket 变量中
                // bucket 变量的值可能为 0 1 2 3 4 5 6 7 8 9
                // 与之对应的 counter[bucket] 容器为 0 1 2 3 4 5 6 7 8 9
                var bucket = parseInt((arr[j] % mod) / dev);
                // 如果目前 bucket 变量的值对应的 counter[bucket] 容器还不存在(未初始化),则创建(初始化)一个新的空容器
                if (counter[bucket] == null) {
                    counter[bucket] = [];
                }
                // 现在把这个 bucket 变量的值插入对应的 counter[bucket] 容器的尾部
                counter[bucket].push(arr[j]);
            }
            // 把 counter[bucket] 容器里的数依次取出
            var pos = 0;
            for (var j = 0; j < counter.length; j++) {
                var value = null;
                if (counter[j] != null) {
                    while ((value = counter[j].shift()) != null) {
                        arr[pos++] = value;
                    }
                }
             }
        }
        return arr;
    }
    var arr = [4, 5, 3, 1, 7, 4, 3, 2, 0, 4, 3];
    console.log(arr); // [4, 5, 3, 1, 7, 4, 3, 2, 0, 4, 3]
    radixSort(arr, 3)
    console.log(arr); // [0, 1, 2, 3, 3, 3, 4, 4, 4, 5, 7]
相关文章
|
6月前
|
搜索推荐 算法
计数排序就是这么容易
计数排序就是这么容易
25 0
|
7月前
|
搜索推荐 算法 C++
C++基数排序的实现
C++基数排序的实现
|
7月前
|
存储 搜索推荐 C++
C++计数排序的实现
C++计数排序的实现
|
搜索推荐 算法
计数排序详解
计数排序详解
|
算法 容器
计数排序与基数排序
计数排序与基数排序
154 0
|
人工智能 搜索推荐 算法
C/C++ 计数排序
计数排序是一种非基于比较的排序算法,该算法于1954年由提出。找出待排序的数组中最大和最小的元素统计数组中每个值为i的元素出现的次数,存入数组C的第i项对所有的计数累加(从C中的第一个元素开始,每一项和前一项相加)反向填充目标数组:将每个元素i放在新数组的第C[i]项,每放一个元素就将C[i]减去1它的优势在于在对一定范围内的整数排序时,它的复杂度为Ο(n + k)(其中k是整数的范围),快于任何比较排序算法。当然这是一种牺牲空间换取时间的做法,而且当O(k)&gt;......
141 0
C/C++ 计数排序
|
存储 搜索推荐 算法
计数排序
概念:计数排序不是基于比较的排序算法,其核心在于将输入的数据值转化为键存储在额外开辟的数组空间中。 作为一种线性时间复杂度的排序,计数排序要求输入的数据必须是有确定范围的整数。
|
存储 搜索推荐
排序算法-计数排序和桶排序
排序算法-计数排序和桶排序
排序算法-计数排序和桶排序
|
搜索推荐 算法 C++
C++实现排序 - 03 计数排序、桶排序和基数排序
今天我们继续来整理与 O(n+k) 有关的三个排序算法,即计数排序、桶排序和基数排序。
599 0
C++实现排序 - 03 计数排序、桶排序和基数排序