老铁们，大家好，相信还有很多朋友对于桶排序时间复杂度和桶排序的原理的相关问题不太懂，没关系，今天就由我来为大家分享分享桶排序时间复杂度以及桶排序的原理的问题，文章篇幅可能偏长，希望可以帮助到大家，下面一起来看看吧！
本文目录
一、...归并排序”和“堆排序”的时间复杂度分别是多少
所谓排序，就是使一串记录，按照其中的某个或某些关键字的大小，递增或递减的排列起来的操作。分类在计算机科学所使用的排序算法通常被分类为：计算的复杂度（最差、平均、和更好表现），依据串列（list）的大小（n）。一般而言，好的表现是O。(n log n)，且坏的行为是Ω(n2)。对於一个排序理想的表现是O(n)。仅使用一个抽象关键比较运算的排序算法总平均上总是至少需要Ω(n log n)。记忆体使用量（以及其他电脑资源的使用）
稳定度：稳定排序算法会依照相等的关键（换言之就是值）维持纪录的相对次序。也就是一个排序算法是稳定的，就是当有两个有相等关键的纪录R和S，且在原本的串列中R出现在S之前，在排序过的串列中R也将会是在S之前。一般的 *** ：插入、交换、选择、合并等等。交换排序包含冒泡排序（bubble sort）和快速排序（quicksort）。选择排序包含shaker排序和堆排序（heapsort）。当相等的元素是无法分辨的，比如像是整数，稳定度并不是一个问题。然而，假设以下的数对将要以他们的之一个数字来排序。(4, 1)(3, 1)(3, 7)(5, 6)在这个状况下，有可能产生两种不同的结果，一个是依照相等的键值维持相对的次序，而另外一个则没有：(3, 1)(3, 7)(4, 1)(5, 6)(维持次序)(3, 7)(3, 1)(4, 1)(5, 6)(次序被改变)
不稳定排序算法可能会在相等的键值中改变纪录的相对次序，但是稳定排序算法从来不会如此。不稳定排序算法可以被特别地时作为稳定。作这件事情的一个方式是人工扩充键值的比较，如此在其他方面相同键值的两个物件间之比较，就会被决定使用在原先资料次序中的条目，当作一个同分决赛。然而，要记住这种次序通常牵涉到额外的空间负担。排列算法列表在这个表格中，n是要被排序的纪录数量以及k是不同键值的数量。
冒泡排序（bubble sort）— O(n2)
鸡尾酒排序(Cocktail sort,双向的冒泡排序)— O(n2)
插入排序（insertion sort）— O(n2)
计数排序(counting sort)— O(n+k);需要 O(n+k)额外记忆体
归并排序（merge sort）— O(n log n);需要 O(n)额外记忆体
原地归并排序— O(n2)二叉树排序（Binary tree sort）— O(n log n);需要 O(n)额外记忆体
鸽巢排序(Pigeonhole sort)— O(n+k);需要 O(k)额外记忆体
基数排序（radix sort）— O(n·k);需要 O(n)额外记忆体
Gnome sort— O(n2) Library sort— O(n log n) with high probability,需要(1+ε)n额外记忆体
选择排序（selection sort）— O(n2)
希尔排序（shell sort）— O(n log n)
如果使用更佳的现在版本 Comb sort— O(n log n)
堆排序（heapsort）— O(n log n) Smoothsort— O(n log n)
快速排序（quicksort）— O(n log n)
期望时间, O(n2)最坏情况;对於大的、乱数串列一般相信是最快的已知排序 Introsort— O(n log n) Patience sorting— O(n log n+ k)最外情况时间,需要额外的 O(n+ k)空间,也需要找到最长的递增子序列（longest increasing subsequence）不实用的排序算法 Bogo排序— O(n× n!)期望时间,无穷的最坏情况。 Stupid sort— O(n3);递回版本需要 O(n2)额外记忆体 Bead sort— O(n) or O(√n),但需要特别的硬体 Pancake sorting— O(n),但需要特别的硬体排序的算法排序的算法有很多，对空间的要求及其时间效率也不尽相同。下面列出了一些常见的排序算法。这里面插入排序和冒泡排序又被称作简单排序，他们对空间的要求不高，但是时间效率却不稳定；而后面三种排序相对于简单排序对空间的要求稍高一点，但时间效率却能稳定在很高的水平。基数排序是针对关键字在一个较小范围内的排序算法。插入排序冒泡排序选择排序快速排序堆排序归并排序基数排序希尔排序插入排序插入排序是这样实现的：首先新建一个空列表，用于保存已排序的有序数列（我们称之为"有序列表"）。从原数列中取出一个数，将其插入"有序列表"中，使其仍旧保持有序状态。重复2号步骤，直至原数列为空。插入排序的平均时间复杂度为平方级的，效率不高，但是容易实现。它借助了"逐步扩大成果"的思想，使有序列表的长度逐渐增加，直至其长度等于原列表的长度。冒泡排序冒泡排序是这样实现的：首先将所有待排序的数字放入工作列表中。从列表的之一个数字到倒数第二个数字，逐个检查：若某一位上的数字大于他的下一位，则将它与它的下一位交换。重复2号步骤，直至再也不能交换。冒泡排序的平均时间复杂度与插入排序相同，也是平方级的，但也是非常容易实现的算法。选择排序选择排序是这样实现的：设数组内存放了n个待排数字，数组下标从1开始，到n结束。 i=1从数组的第i个元素开始到第n个元素，寻找最小的元素。将上一步找到的最小元素和第i位元素交换。如果i=n－1算法结束，否则回到第3步选择排序的平均时间复杂度也是O(n²)的。快速排序现在开始，我们要接触高效排序算法了。实践证明，快速排序是所有排序算法中更高效的一种。它采用了分治的思想：先保证列表的前半部分都小于后半部分，然后分别对前半部分和后半部分排序，这样整个列表就有序了。这是一种先进的思想，也是它高效的原因。因为在排序算法中，算法的高效与否与列表中数字间的比较次数有直接的关系，而"保证列表的前半部分都小于后半部分"就使得前半部分的任何一个数从此以后都不再跟后半部分的数进行比较了，大大减少了数字间不必要的比较。但查找数据得另当别论了。堆排序堆排序与前面的算法都不同，它是这样的：首先新建一个空列表，作用与插入排序中的"有序列表"相同。找到数列中更大的数字，将其加在"有序列表"的末尾，并将其从原数列中删除。重复2号步骤，直至原数列为空。堆排序的平均时间复杂度为nlogn,效率高（因为有堆这种数据结构以及它奇妙的特征，使得"找到数列中更大的数字"这样的操作只需要O(1)的时间复杂度，维护需要logn的时间复杂度），但是实现相对复杂（可以说是这里7种算法中比较难实现的）。看起来似乎堆排序与插入排序有些相像，但他们其实是本质不同的算法。至少，他们的时间复杂度差了一个数量级，一个是平方级的，一个是对数级的。平均时间复杂度插入排序 O(n2)冒泡排序 O(n2)选择排序 O(n2)快速排序 O(n log n)堆排序 O(n log n)归并排序 O(n log n)基数排序 O(n)希尔排序 O(n1.25)
二、桶排序的代价
1、桶排序利用函数的映射关系，减少了几乎所有的比较工作。实际上，桶排序的f(k)值的计算，其作用就相当于快排中划分，已经把大量数据分割成了基本有序的数据块(桶)。然后只需要对桶中的少量数据做先进的比较排序即可。
2、对N个关键字进行桶排序的时间复杂度分为两个部分：
3、(1)循环计算每个关键字的桶映射函数，这个时间复杂度是O(N)。
4、(2)利用先进的比较排序算法对每个桶内的所有数据进行排序，其时间复杂度为∑ O(Ni*logNi)。其中Ni为第i个桶的数据量。
5、很显然，第(2)部分是桶排序性能好坏的决定因素。尽量减少桶内数据的数量是提高效率的唯一办法(因为基于比较排序的更好平均时间复杂度只能达到O(N*logN)了)。因此，我们需要尽量做到下面两点：
6、(1)映射函数f(k)能够将N个数据平均的分配到M个桶中，这样每个桶就有[N/M]个数据量。
7、(2)尽量的增大桶的数量。极限情况下每个桶只能得到一个数据，这样就完全避开了桶内数据的“比较”排序操作。当然，做到这一点很不容易，数据量巨大的情况下，f(k)函数会使得桶 *** 的数量巨大，空间浪费严重。这就是一个时间代价和空间代价的权衡问题了。
8、对于N个待排数据，M个桶，平均每个桶[N/M]个数据的桶排序平均时间复杂度为：
9、O(N)+O(M*(N/M)*log(N/M))=O(N+N*(logN-logM))=O(N+N*logN-N*logM)
10、当N=M时，即极限情况下每个桶只有一个数据时。桶排序的更好效率能够达到O(N)。
11、总结：桶排序的平均时间复杂度为线性的O(N+C)，其中C=N*(logN-logM)。如果相对于同样的N，桶数量M越大，其效率越高，更好的时间复杂度达到O(N)。当然桶排序的空间复杂度为O(N+M)，如果输入数据非常庞大，而桶的数量也非常多，则空间代价无疑是昂贵的。此外，桶排序是稳定的。
三、哈希思想的桶排序/计数排序 2020-09-06(未允禁转)
之前接触的排序，快排，堆排，归并的时间复杂度O(NlgN)，冒泡时间复杂度O(N^2)。而桶排序是时间复杂度O(N)的排序，带有哈希的思想
假如桶的个数是 m，则每个桶中的数据量平均 n/m,桶内元素使用快排排序，则桶排序的时间复杂度 m(n/m)(log(n/m))= n log(n/m)。只要我们总是令桶的数量m趋近于n，则log(n/m)可以认为是一个常数，因此桶排序的时间复杂度O(n)
所有元素都需要映射重新放到桶内，O(n)
给定一个无序的数组，找出数组在排序之后，相邻元素之间更大的差值。
如果数组元素个数小于 2，则返回 0。
解释:排序后的数组是 [1,3,6,9],其中相邻元素(3,6)和(6,9)之间都存在更大差值 3
本质上，计数排序是一种特殊的桶排序，对于一个上下界为a, b的待排序nums，值域内的每个值都对应一个桶，共有(b-a+1)个桶。一般的桶排序可以多个不同的值放入一个桶
典型的应用场景就是：高考分数排名。高考成绩满分 750分，更低分0分，就设置 751个桶，对应 0，1，...750的分数，只需要将百万考生按成绩放在每个桶中，再依次从每个桶中输出学生成绩，就完成了排序
好了，文章到这里就结束啦，如果本次分享的桶排序时间复杂度和桶排序的原理问题对您有所帮助，还望关注下本站哦！
