看动画学算法之:排序-基数排序
简介
之前的文章我们讲了count排序,但是count排序有个限制,因为count数组是有限的,如果数组中的元素范围过大,使用count排序是不现实的,其时间复杂度会膨胀。
而解决大范围的元素排序的办法就是基数排序。
基数排序的例子
什么是基数排序呢?
考虑一下,虽然我们不能直接将所有范围内的数字都使用count数组进行排序,但是我们可以考虑按数字的位数来进行n轮count排序,每一轮都只对数字的某一位进行排序。
最终仍然可以得到结果,并且还可以摆脱count数组大小的限制,这就是基数排序。
假如我们现在数组的元素是:1221, 15, 20, 3681, 277, 5420, 71, 1522, 4793。
先看动画,看下最直观的基数排序的过程:
在上面的例子中,我们先对个位进行count排序,然后对十位进行count排序,然后是百位和千位。
最后生成最终的排序结果。
基数排序的java代码实现
因为基数排序实际上是分别按位数的count排序。所以我们可以重用之前写的count排序的代码,只是需要进行一些改造。
doCountingSort方法除了传入数组外,还需要传入排序的位数digit,我们用1,10,100,1000来表示。
看一下改造过后的doCountingSort方法:
public void doRadixSort(int[] array, int digit){
int n = array.length;
// 存储排序过后的数组
int output[] = new int[n];
// count数组,用来存储统计各个元素出现的次数
int count[] = new int[10];
Arrays.fill(count,0);
log.info("初始化count值:{}",count);
// 将原始数组中数据出现次数存入count数组
for (int i=0; i<n; ++i) {
count[(array[i]/digit)%10]++;
}
log.info("count之后count值:{}",count);
// 这里是一个小技巧,我们根据count中元素出现的次数计算对应元素第一次应该出现在output中的下标。
//这里的下标是从右往左数的
for (int i=1; i<10; i++) {
count[i] += count[i - 1];
}
log.info("整理count对应的output下标:{}",count);
// 根据count中的下标,构建排序后的数组
//插入一个之后,相应的count下标要减一
for (int i = n-1; i>=0; i--)
{
output[count[(array[i]/digit)%10]-1] = array[i];
count[(array[i]/digit)%10]--;
}
log.info("构建output之后的output值:{}",output);
//将排序后的数组写回原数组
for (int i = 0; i<n; ++i)
array[i] = output[i];
}
跟count排序变化不大,区别就是这里我们需要使用count[(array[i]/digit)%10],来对每一位进行排序。
另外,为了计算出位数digit的值,我们还需要拿到数组中最大元素的值:
public int getMax(int[] array)
{
int mx = array[0];
for (int i = 1; i < array.length; i++)
if (array[i] > mx){
mx = array[i];
}
return mx;
}
看下怎么调用:
public static void main(String[] args) {
int[] array= {1221, 15, 20, 3681, 277, 5420, 71, 1522, 4793};
RadixSort radixSort=new RadixSort();
log.info("radixSort之前的数组为:{}",array);
//拿到数组的最大值,用于计算digit
int max = radixSort.getMax(array);
//根据位数,遍历进行count排序
for (int digit = 1; max/digit > 0; digit *= 10){
radixSort.doRadixSort(array,digit);
}
}
看下输出结果:
很好,结果都排序了。
基数排序的时间复杂度
从计算过程我们可以看出,基数排序的时间复杂度是O(d*(n+b)) ,其中b是数字的进制数,比如上面我们使用的是10进制,那么b=10。
d是需要循环的轮数,也就是数组中最大数的位数。假如数组中最大的数字用K表示,那么d=logb(k)。
综上,基数排序的时间复杂度是O((n+b) * logb(k))。
当k <= nc,其中c是常量时,上面的时间复杂度可以近似等于O(nLogb(n))。
考虑下当b=n的情况下,基数排序的时间复杂度可以近似等于线性时间复杂度O(n)。
本文的代码地址:
本文已收录于 http://www.flydean.com/algorithm-radix-sort/
最通俗的解读,最深刻的干货,最简洁的教程,众多你不知道的小技巧等你来发现!
欢迎关注我的公众号:「程序那些事」,懂技术,更懂你!

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
从渲染原理出发探究Flutter内存泄漏(超详细)
作者:闲鱼技术-萧湘 背景 众所周知,内存的高低是评判一款app的性能优劣的重要的指标之一。作为开发者而言,都会尽可能的减少内存的使用,清除无用的内存块,从而减少整个app的内存使用量。这也是历来开发者是追求的目标。然而,开发者难免时常因为语言用法或者写法的缘故,导致该释放而未释放的对象迟迟未释放,从而内存泄漏,消耗殆尽内存空间,从而导致系统崩溃的情况。 如何更简单的帮助开发者分析、暴露且解决内存泄漏问题,几乎是每一个平台或框架、开发者亟需的一个的"标配"的feature。例如:苹果的instruments,Linux的Kmemleak等。但是对于flutter社区,缺少一款用得顺手的内存泄漏工具。对于使用flutter而言,因使用dart语言,通过形成渲染树提交到c++的skia进行渲染,从dart层到c++层拥有很长的渲染链路,使用者必须对整个渲染链路有通盘深刻的理解,才能深刻此时此刻的内存使用情况。 本文从flutter渲染原理出发,分析flutter的内存分配情况,理清渲染流程,提出一种基于渲染树个数的方式寻找内存泄漏的解决方案 flutter内存都包含哪些 虚拟内存还是物理内...
-
下一篇
看动画学算法之:linkedList
简介 linkedList应该是一种非常非常简单的数据结构了。节点一个一个的连接起来,就成了linkedList。今天我们使用动画的方法一起来看看linkedList是怎么插入和删除的。 linkedList的构建 linkedList是由一个一个的节点构成的。而每个节点只需要存储要保存的数据和下一个节点的引用即可。 linkedList本身需要一个head节点,所以我们的linkedList可以这样构建: public class LinkedList { Node head; // head 节点 //Node表示的是Linked list中的节点,包含一个data数据和下一个节点的引用 class Node { int data; Node next; //Node的构造函数 Node(int d) { data = d; } } } linkedList的操作 先看一下linkedList怎么插入数据,插入数据有三种方式,头部插入,尾部插入,中间插入。 头部插入 先看一个头部插入的例子: 头部插入的逻辑是什么呢? 新插入的节点作为head节点,然后将原来的head节点指向当前h...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- SpringBoot2全家桶,快速入门学习开发网站教程
- SpringBoot2整合Redis,开启缓存,提高访问速度
- Dcoker安装(在线仓库),最新的服务器搭配容器使用
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- MySQL数据库在高并发下的优化方案
- SpringBoot2配置默认Tomcat设置,开启更多高级功能