假設n個記錄的鍵範圍從1到k。以線性時間排序並在適當位置
- 編寫一個算法來排序O(n + k)時間內的記錄。
- 您可以在輸入數組外使用O(k)存儲。
- 您的算法是否穩定?
如果我們使用計數排序,我們可以在O(n + k)時間內完成並且穩定,但是它不適用。
如果k = 2,它可以在適當的位置完成,但它不穩定(使用兩個變量來維持k = 0和k = 1的陣列中的索引)
但是對於k> 2我想不出任何好的算法
假設n個記錄的鍵範圍從1到k。以線性時間排序並在適當位置
如果我們使用計數排序,我們可以在O(n + k)時間內完成並且穩定,但是它不適用。
如果k = 2,它可以在適當的位置完成,但它不穩定(使用兩個變量來維持k = 0和k = 1的陣列中的索引)
但是對於k> 2我想不出任何好的算法
首先,讓我們老調重彈如何計算排序工作:
k
的數組。現在的問題是如何執行最後一步就地。就地排列的標準方法是選擇第一個元素,並將其與使用其正確位置的元素交換。這個步驟通過交換元素重複,直到我們擊中屬於第一個位置的元素(一個循環已完成)。然後對第二,第三等位置的元素重複整個過程,直到整個數組已被處理。
計數排序的問題是最終位置不容易獲得,但是通過遞增每個倉在最後一個循環中的起始位置來計算。爲了永遠不會爲元素增加兩次起始位置,我們必須找到一種方法來確定某個位置上的元素是否已經移動到那裏。這可以通過跟蹤每個箱的原始起始位置來完成。如果一個元素位於原始起始位置和箱子下一個元素的位置之間,則它已經被觸摸。
這是C99中的一個實現,它在O(n+k)
中運行,並且只需要兩個大小爲k
的數組作爲額外存儲。最後的置換步驟不穩定。
#include <stdlib.h>
void in_place_counting_sort(int *a, int n, int k)
{
int *start = (int *)calloc(k + 1, sizeof(int));
int *end = (int *)malloc(k * sizeof(int));
// Count.
for (int i = 0; i < n; ++i) {
++start[a[i]];
}
// Compute partial sums.
for (int bin = 0, sum = 0; bin < k; ++bin) {
int tmp = start[bin];
start[bin] = sum;
end[bin] = sum;
sum += tmp;
}
start[k] = n;
// Move elements.
for (int i = 0, cur_bin = 0; i < n; ++i) {
while (i >= start[cur_bin+1]) { ++cur_bin; }
if (i < end[cur_bin]) {
// Element has already been processed.
continue;
}
int bin = a[i];
while (bin != cur_bin) {
int j = end[bin]++;
// Swap bin and a[j]
int tmp = a[j];
a[j] = bin;
bin = tmp;
}
a[i] = bin;
++end[cur_bin];
}
free(start);
free(end);
}
編輯:這裏是只使用基於莫希特Bhura的做法尺寸k
的單個陣列另一個版本。
#include <stdlib.h>
void in_place_counting_sort(int *a, int n, int k)
{
int *counts = (int *)calloc(k, sizeof(int));
// Count.
for (int i = 0; i < n; ++i) {
++counts[a[i]];
}
// Compute partial sums.
for (int val = 0, sum = 0; val < k; ++val) {
int tmp = counts[val];
counts[val] = sum;
sum += tmp;
}
// Move elements.
for (int i = n - 1; i >= 0; --i) {
int val = a[i];
int j = counts[val];
if (j < i) {
// Process a fresh cycle. Since the index 'i' moves
// downward and the counts move upward, it is
// guaranteed that a value is never moved twice.
do {
++counts[val];
// Swap val and a[j].
int tmp = val;
val = a[j];
a[j] = tmp;
j = counts[val];
} while (j < i);
// Move final value into place.
a[i] = val;
}
}
free(counts);
}
我相信後面的算法是Haddon的循環排序。 – KWillets
這是我的代碼,在O(N + K)運行時,只使用1大小k(除了大小爲n的主陣列)
#include <stdio.h>
#include <string.h>
#include <stdlib.h>
int main(int argc, char const *argv[])
{
int n = atoi(argv[1]);
int k = atoi(argv[2]);
printf("%d\t%d",n,k);
int *a,*c;
int num,index,tmp,i;
a = (int*)malloc(n*sizeof(int));
c = (int*)calloc(k,sizeof(int));
srand(time(NULL));
for(i=0;i<n;i++)
{
num = (rand() % (k));
a[i] = num;
c[num]++;
}
printf("\n\nArray is : \n");
for(i=0;i<n;i++)
{
printf("\t%d",a[i]);
if(i%8==7)
printf("\n");
}
printf("\n\nCount Array is : \n");
for(i=0;i<k;i++)
{
printf("\t%d(%d)",c[i],i);
if(i%8==7)
printf("\n");
}
//Indexing count Array
c[0]--;
for(i=1;i<k;i++)
{
c[i] = c[i-1] + c[i];
}
printf("\n\nCount Array After Indexing is : \n");
for(i=0;i<k;i++)
{
printf("\t%d(%d)",c[i],i);
if(i%8==7)
printf("\n");
}
// Swapping Elements in Array
for(i=0;i<n;i++)
{
index = c[a[i]];
//printf("\na[%d] = %d, going to position %d",i,a[i],index);
c[a[i]]--;
if(index > i)
{
tmp = a[i];
a[i] = a[index];
a[index] = tmp;
i--;
}
}
printf("\n\n\tFinal Sorted Array is : \n\n");
for(i=0;i<n;i++)
{
printf("\t%d",a[i]);
if(i%8==7)
printf("\n");
}
printf("\n\n");
return 0;
}
即使此算法中的額外陣列不穩定。所有元素都以相反的順序排列。
P.S:鍵的範圍是0至(K-1)
整值序列的一個例子。排序不穩定。雖然它不像Mohit提供的答案那麼簡潔,但它通過跳過已在其正確時間段中的元素(時間漸近地相同)而略微更快(對於通常情況下,k < n)。在實踐中,我更喜歡Mohit的那種更緊密,更簡單的循環。
def sort_inplace(seq):
min_ = min(seq)
max_ = max(seq)
k = max_ - min_ + 1
stop = [0] * k
for i in seq:
stop[i - min_] += 1
for j in range(1, k):
stop[j] += stop[j - 1]
insert = [0] + stop[:k - 1]
for j in range(k):
while insert[j] < stop[j] and seq[insert[j]] == j + min_:
insert[j] += 1
tmp = None
for j in range(k):
while insert[j] < stop[j]:
tmp, seq[insert[j]] = seq[insert[j]], tmp
while tmp is not None:
bin_ = tmp - min_
tmp, seq[insert[bin_]] = seq[insert[bin_]], tmp
while insert[bin_] < stop[bin_] and seq[insert[bin_]] == bin_ + min_:
insert[bin_] += 1
有了更緊密的循環,但還是跳過已搬遷元素:
def dave_sort(seq):
min_ = min(seq)
max_ = max(seq)
k = max_ - min_ + 1
stop = [0] * k
for i in seq:
stop[i - min_] += 1
for i in range(1, k):
stop[i] += stop[i-1]
insert = [0] + stop[:k - 1]
for meh in range(0, k - 1):
i = insert[meh]
while i < stop[meh]:
bin_ = seq[i] - min_
if insert[bin_] > i:
tmp = seq[insert[bin_]]
seq[insert[bin_]] = seq[i]
seq[i] = tmp
insert[bin_] += 1
else:
i += 1
編輯:莫希特的Python中的方法與額外的比特來驗證排序的穩定性的影響。在維基百科條目(最後一段)
from collections import namedtuple
from random import randrange
KV = namedtuple("KV", "k v")
def mohit_sort(seq, key):
f = lambda v: getattr(v, key)
keys = map(f, seq)
min_ = min(keys)
max_ = max(keys)
k = max_ - min_ + 1
insert = [0] * k
for i in keys:
insert[i - min_] += 1
insert[0] -= 1
for i in range(1, k):
insert[i] += insert[i-1]
i = 0
n = len(seq)
while i < n:
bin_ = f(seq[i])
if insert[bin_] > i:
seq[i], seq[insert[bin_]] = seq[insert[bin_]], seq[i]
i -= 1
insert[bin_] -= 1
i += 1
def test(n, k):
seq = []
vals = [0] * k
for _ in range(n):
key = randrange(k)
seq.append(KV(key, vals[key]))
vals[key] += 1
print(seq)
mohit_sort(seq, "k")
print(seq)
if __name__ == "__main__":
test(20, 3)
見[變算法](http://en.wikipedia.org/wiki/Counting_sort#Variant_algorithms)。 – nwellnhof
''你可以在輸入數組之外使用O(k)存儲'' - 聽起來像是一個常規的計數排序,這可能會落入一些扭曲的「適當位置」的定義中。你也可以在原地進行真正的計數排序,使用遞歸和計數的負值(假設k <= n),增加一些複雜性,但從技術上講,堆棧空間是最壞情況O(n),所以並不真正工作。很確定計數排序不能穩定。 – Dukeling
我們需要O(n + k)存儲在一個常規計數排序。上面給出的維基鏈接只是提到'它可能修改計數排序,以便它可以在原地完成',但沒有任何信息如何做到這一點! – Roronoa