【算法导论】计数排序

计数排序

比较排序:通过元素间的比较对序列进行排序的算法称为比较排序。

常见的比较排序算法有:冒泡排序法、插入排序法、合并排序法、快速排序法,堆排序法等等。任何比较排序法在最坏情况下的时间复杂度为O(nlogn)。因此,合并排序和堆排序是渐进最优的

非比较排序:用非比较的方法来进行排序的算法。

常见的非比较排序算法有:计数排序法、基数排序法、桶排序法。它们都是以线性时间运行的。由于是非比较的,因此下界O(nlogn)对它们是不适用的。

下面来讨论计数排序

前提假设:序列的值域在0到k之间。

时间复杂度:O(n)

基本思想:对于序列中的每一个元素,计算得到小于该元素的元素个数,从而确定了该元素在最终输出元素的位置。

从下图中可以了解算法的过程(其中A数组是原始序列,B数组为最终序列,C数组为临时辅助序列。):

:黑色方框看不清不要紧,代表的是B数组还没有填充的空间。

具体的实现如下:


#include<stdio.h>

void CountSort(int* arrayA,int* arrayB,int* arrayC,int n,int k);

void main()
{
	int arrayA[8]={2,5,3,0,2,3,0,3};
	int arrayB[8]={0};
	int n=sizeof(arrayA)/sizeof(int);
	int k=5;//k为数组中的最大值
	int arrayC[6]={0};

	CountSort(arrayA,arrayB,arrayC,n,k);

	for(int i=0;i<n;i++)
		printf("%d ",arrayB[i]);
	printf("\n");
}

/****************************************\
函数功能:进行非比较的计数排序
输入:数组A、B、C(注意A B长度相同,与C不一定相同)
输出:无
\****************************************/
void CountSort(int* arrayA,int* arrayB,int* arrayC,int n,int k)
{
	for(int i=0;i<=k;i++)
		arrayC[i]=0;
	for(int j=0;j<n;j++)
		arrayC[arrayA[j]]=arrayC[arrayA[j]]+1;
	for(int i=1;i<=k;i++)
		arrayC[i]=arrayC[i]+arrayC[i-1];

	for(int j=n-1;j>=0;j--)
	{
		arrayB[arrayC[arrayA[j]]-1]=arrayA[j];
		arrayC[arrayA[j]]=arrayC[arrayA[j]]-1;
	}

}

注意:我是在vs2008上运行的,与vc 6.0有点区别,主要是循环体中的循环变量的作用域,出错体现在循环变量的重复定义上。例如:在vs2008或vs2010上,程序为:

#include<stdio.h>
void main()
{
int i=0;
for(int i=0;i<5;i++)
printf("%d ",i);
}

则在VC 6.0上需改为:

#include<stdio.h>
void main()
{
int i=0;
for(i=0;i<5;i++)
printf("%d ",i);
} 

原文:http://blog.csdn.net/tengweitw/article/details/9629567

作者:nineheadedbird

时间: 2024-09-20 05:50:15

【算法导论】计数排序的相关文章

Javascript排序算法之计数排序的实例

 计数排序是一种高效的线性排序,它通过计算一个集合中元素楚翔的次数来确定集合如何排列,计数排序不需要进行数据的比较,所有他的运行效率前面介绍的都高 计数排序(Counting sort)是一种稳定的排序算法.计数排序使用一个额外的数组Count_arr,其中第i个元素是待排序数组Arr中值等于i的元素的个数.然后根据数组Count_arr来将Arr中的元素排到正确的位置. 分为四个步骤: 1.找出待排序的数组中最大和最小的元素 2.统计数组中每个值为i的元素出现的次数,存入数组Count_arr

Javascript排序算法之计数排序的实例_javascript技巧

计数排序(Counting sort)是一种稳定的排序算法.计数排序使用一个额外的数组Count_arr,其中第i个元素是待排序数组Arr中值等于i的元素的个数.然后根据数组Count_arr来将Arr中的元素排到正确的位置.分为四个步骤:1.找出待排序的数组中最大和最小的元素2.统计数组中每个值为i的元素出现的次数,存入数组Count_arr的第i项3.对所有的计数累加(从Count_arr中的第一个元素开始,每一项和前一项相加)4.反向遍历原数组:将每个元素i放在新数组的第Count_arr

【算法导论】排序算法总结

排序算法总结         从六月初开始看算法导论,陆陆续续看了有2个月了,但实际看的时间只有半个月左右.这期间都忙着找导师.期末考试,同时还回家修养了十来天.真正专心的看算法是在离家返校后,由于没有考试和作业的烦恼,天天都沉浸在算法中,感觉效率较高.这段时间学到的东西较多,下面来总结一下:         学到的排序算法可以分为两类:比较排序.非比较排序.(这些排序算法的详细介绍及c程序实现在本文末都给出了链接,欢迎参考与指正!)         比较排序有:插入排序法.合并排序法.堆排序法

【算法导论】排序 (二):堆排序

四.(1)堆排序 第一次听堆排序是在107lab听忠哥讲的,但是没讲怎么实现.那时刚看了数据结 构的二叉树,还以为要通过指针建立二叉树的方式来实现,觉得挺难的. 其实堆排序实现没有想象中 的那么难. "堆"这个词最初是在堆排序中提出来的,但后来就逐渐指"废料收集储存区",就像程 序设计语言Lisp和Java中所提供的设施那样.我们这里的堆数据结构不是废料收集存储区. 堆排序的 运行时间与归并排序一样为O(n lg n),  但是一种原地(in place)排序. (

【算法导论】排序(一)

虽然久闻大名,但第一次接触算法导论,是看了网易公开课MIT的<算法导论>课,记得 第一集就讲到了 插入排序和归并排序. 几个星期前也买了算法导论这本书,准备慢慢啃~ 这星期主要在看前两 部分,除了对于讲渐进时间.递归式分析这些东西感到云里雾里的,其它的都就 感觉越看越有觉得入 迷,果然不愧是一本经典之作 好吧,开始.本文主要是用C++把书中的算法实现,以及一些笔记. 一.插入排序. 插入算法的设计使用的是增量(incremental)方法:在排好子数组A[1..j- 1]后,将 元素A[ j]

经典算法之计数排序

一 引言 计数排序假设n个输入元素中的每一个都是介于0-k的整数,此处k为某个整数.当k等于O(n)时,计数排序的运行时间为Θ(n). 二 基本思想 计数排序的基本思想就是对每一个输入元素x,确定小于x的元素个数.因此我们就可以直接把x放到最终输出数组中的相应位置上. 例如: 如果有17个元素小于x,则x就位于第18个输出的位置上.当然有几个元素相同时,这个方法就略微改进一下,因为不能将它们放在同一个位置上. 三 具体实现 假定输入数组为A[1..n],他们的值均位于0~k之间,输出排序之后的数

【算法导论】排序 (四):决策树、线性时间排序(计数、基数、桶排序)

到目前为止,一共整理总结了五大排序算法: 1.插入排序 2.冒泡排序.选择排序.交换排序 (把这三种方法归为一种,因为他们的思想本质上都是一样的) 3.归并排序 4.堆排序 5.快速排序 以上五种排序都可以称为"比较排序",顾名思义,因为他们都是基于比较元素 来决定其相对位置的. 其中前两种的时间为O(n^2),归并排序和堆排序最坏O( n lg n ),快排平 均O( n lg n ) 定理:任意一种比较排序算法最坏情况下,都需要做 Ω( n lg n )次的比较. 我们通过决策树来

【算法导论】排序 (三):快速排序 深入分析

五.快速排序 快速排序是最常用的一种排序算法,包括C的qsort,C++和Java的sort,都采用了快 排(C++和Java的sort经过了优化,还混合了其他排序算法). 快排最坏情况O( n^2 ),但平均效率 O(n lg n),而且这个O(n lg n)几号中隐含的常数因子很小,快排可以说是最快的排序算法,并非浪得虚名 .另外它还是就地排序. 快速排序是基于分治模式的: 分解:数组A[p..r]被划分成两个(可能空)子数组A[p..q-1]和A[q+1..r],使得A[p..q-1]中的

python计数排序和基数排序算法实例_python

一.计数排序 计数排序(Counting sort)是一种稳定的排序算法 算法的步骤如下: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当输入的元素是 n 个 0 到 k 之间的整数时,计数排序的时间复杂度为O(N+K),空间复杂度为O(N+K).当K不是很大时,这是一个很有效的线性排序算法. 以下是测试代