跳转至

基数排序

上一节介绍了计数排序,它适用于数据量 n 较大但数据范围 m 较小的情况。假设我们需要对 n=106 个学号进行排序,而学号是一个 8 位数字,这意味着数据范围 m=108 非常大,使用计数排序需要分配大量内存空间,而基数排序可以避免这种情况。

基数排序(radix sort)的核心思想与计数排序一致,也通过统计个数来实现排序。在此基础上,基数排序利用数字各位之间的递进关系,依次对每一位进行排序,从而得到最终的排序结果。

算法流程

以学号数据为例,假设数字的最低位是第 1 位,最高位是第 8 位,基数排序的流程如下图所示。

  1. 初始化位数 k=1
  2. 对学号的第 k 位执行“计数排序”。完成后,数据会根据第 k 位从小到大排序。
  3. k 增加 1 ,然后返回步骤 2. 继续迭代,直到所有位都排序完成后结束。

基数排序算法流程

下面剖析代码实现。对于一个 d 进制的数字 x ,要获取其第 kxk ,可以使用以下计算公式:

xk=xdk1modd

其中 a 表示对浮点数 a 向下取整,而 mod:d 表示对 d 取模(取余)。对于学号数据,d=10k[1,8]

此外,我们需要小幅改动计数排序代码,使之可以根据数字的第 k 位进行排序:

[file]{radix_sort}-[class]{}-[func]{radix_sort}

为什么从最低位开始排序?

在连续的排序轮次中,后一轮排序会覆盖前一轮排序的结果。举例来说,如果第一轮排序结果 a<b ,而第二轮排序结果 a>b ,那么第二轮的结果将取代第一轮的结果。由于数字的高位优先级高于低位,因此应该先排序低位再排序高位。

算法特性

相较于计数排序,基数排序适用于数值范围较大的情况,但前提是数据必须可以表示为固定位数的格式,且位数不能过大。例如,浮点数不适合使用基数排序,因为其位数 k 过大,可能导致时间复杂度 O(nk)O(n2)

  • 时间复杂度为 O(nk)、非自适应排序:设数据量为 n、数据为 d 进制、最大位数为 k ,则对某一位执行计数排序使用 O(n+d) 时间,排序所有 k 位使用 O((n+d)k) 时间。通常情况下,dk 都相对较小,时间复杂度趋向 O(n)
  • 空间复杂度为 O(n+d)、非原地排序:与计数排序相同,基数排序需要借助长度为 nd 的数组 rescounter
  • 稳定排序:当计数排序稳定时,基数排序也稳定;当计数排序不稳定时,基数排序无法保证得到正确的排序结果。