從《基于比較的排序結構總結 》中我們知道:全依賴“比較”操作的排序算法時間複雜度的一個下界O(N*logN)。但确實存在更快的算法。這些算法并不是不用“比較”操作,也不是想辦法将比較操作的次數減少到 logN。而是利用對待排資料的某些限定性假設 ,來避免絕大多數的“比較”操作。桶排序就是這樣的原理。
桶排序的基本思想
假設有一組長度為N的待排關鍵字序列K[1....n]。首先将這個序列劃分成M個的子區間(桶) 。然後基于某種映射函數 ,将待排序列的關鍵字k映射到第i個桶中(即桶數組B的下标 i) ,那麼該關鍵字k就作為B[i]中的元素(每個桶B[i]都是一組大小為N/M的序列)。接着對每個桶B[i]中的所有元素進行比較排序(可以使用快排)。然後依次枚舉輸出B[0]....B[M]中的全部内容即是一個有序序列。
[桶—關鍵字]映射函數
bindex=f(key) 其中,bindex 為桶數組B的下标(即第bindex個桶), k為待排序列的關鍵字。桶排序之是以能夠高效,其關鍵在于這個映射函數,它必須做到:如果關鍵字k1<k2,那麼f(k1)<=f(k2)。也就是說B(i)中的最小資料都要大于B(i-1)中最大資料。很顯然,映射函數的确定與資料本身的特點有很大的關系,我們下面舉個例子:
假如待排序列K= {49、 38 、 35、 97 、 76、 73 、 27、 49 }。這些資料全部在1—100之間。是以我們定制10個桶,然後确定映射函數f(k)=k/10。則第一個關鍵字49将定位到第4個桶中(49/10=4)。依次将所有關鍵字全部堆入桶中,并在每個非空的桶中進行快速排序後得到如下圖所示:
對上圖隻要順序輸出每個B[i]中的資料就可以得到有序序列了。
桶排序代價分析
桶排序利用函數的映射關系,減少了幾乎所有的比較工作。實際上,桶排序的f(k)值的計算,其作用就相當于快排中劃分,已經把大量資料分割成了基本有序的資料塊(桶)。然後隻需要對桶中的少量資料做先進的比較排序即可。
對N個關鍵字進行桶排序的時間複雜度分為兩個部分:
(1) 循環計算每個關鍵字的桶映射函數,這個時間複雜度是O(N)。
(2) 利用先進的比較排序算法對每個桶内的所有資料進行排序,其時間複雜度為 ∑ O(Ni*logNi) 。其中Ni 為第i個桶的資料量。
很顯然,第(2)部分是桶排序性能好壞的決定因素。盡量減少桶内資料的數量是提高效率的唯一辦法(因為基于比較排序的最好平均時間複雜度隻能達到O(N*logN)了)。是以,我們需要盡量做到下面兩點:
(1) 映射函數f(k)能夠将N個資料平均的配置設定到M個桶中,這樣每個桶就有[N/M]個資料量。
(2) 盡量的增大桶的數量。極限情況下每個桶隻能得到一個資料,這樣就完全避開了桶内資料的“比較”排序操作。 當然,做到這一點很不容易,資料量巨大的情況下,f(k)函數會使得桶集合的數量巨大,空間浪費嚴重。這就是一個時間代價和空間代價的權衡問題了。
對于N個待排資料,M個桶,平均每個桶[N/M]個資料的桶排序平均時間複雜度為:
O(N)+O(M*(N/M)*log(N/M))=O(N+N*(logN-logM))=O(N+N*logN-N*logM)
當N=M時,即極限情況下每個桶隻有一個資料時。桶排序的最好效率能夠達到O(N)。
總結: 桶排序的平均時間複雜度為線性的O(N+C),其中C=N*(logN-logM)。如果相對于同樣的N,桶數量M越大,其效率越高,最好的時間複雜度達到O(N)。 當然桶排序的空間複雜度 為O(N+M),如果輸入資料非常龐大,而桶的數量也非常多,則空間代價無疑是昂貴的。此外,桶排序是穩定的。
其實我個人還有一個感受:在查找算法中,基于比較的查找算法最好的時間複雜度也是O(logN)。比如折半查找、平衡二叉樹、紅黑樹等。但是Hash表卻有O©線性級别的查找效率(不沖突情況下查找效率達到O(1))。大家好好體會一下:Hash表的思想和桶排序是不是有一曲同工之妙呢?
桶排序在海量資料中的應用
一年的全國聯考考生人數為500 萬,分數使用标準分,最低100 ,最高900 ,沒有小數,你把這500 萬元素的數組排個序。
實際上,桶排序對資料的條件有特殊要求,如果上面的分數不是從100-900,而是從0-2億,那麼配置設定2億個桶顯然是不可能的。是以桶排序有其局限性,适合元素值集合并不大的情況。
#include<iostream.h>
#include<malloc.h>
typedef struct node{
int key;
struct node * next;
}KeyNode;
void inc_sort(int keys[],int size,int bucket_size){
KeyNode **bucket_table=(KeyNode **)malloc(bucket_size*sizeof(KeyNode *));
for(int i=0;i<bucket_size;i++){
bucket_table[i]=(KeyNode *)malloc(sizeof(KeyNode));
bucket_table[i]->key=0; //記錄目前桶中的資料量
bucket_table[i]->next=NULL;
}
for(int j=0;j<size;j++){
KeyNode *node=(KeyNode *)malloc(sizeof(KeyNode));
node->key=keys[j];
node->next=NULL;
//映射函數計算桶号
int index=keys[j]/10;
//初始化P成為桶中資料連結清單的頭指針
KeyNode *p=bucket_table[index];
//該桶中還沒有資料
if(p->key==0){
bucket_table[index]->next=node;
(bucket_table[index]->key)++;
}else{
//連結清單結構的插入排序
while(p->next!=NULL&&p->next->key<=node->key)
p=p->next;
node->next=p->next;
p->next=node;
(bucket_table[index]->key)++;
}
}
//列印結果
for(int b=0;b<bucket_size;b++)
for(KeyNode *k=bucket_table[b]->next; k!=NULL; k=k->next)
cout<<k->key<<" ";
cout<<endl;
}
void main(){
int raw[]={49,38,65,97,76,13,27,49};
int size=sizeof(raw)/sizeof(int);
inc_sort(raw,size,10);
}