【算法导论】Part II. 排序和顺序统计学

---

Introduction to Algorithms - Third Edition
Part II. Sorting and Order Statistics

---

排序问题

输入： $n$ 个数的序列 $<a_1,a_2,...,a_n>$。
输出： 输入序列的一个排列 $<a_1^{\prime },a_2^{\prime },...,a_n^{\prime }>$，使得 $a_1^{\prime }\le a_2^{\prime }\le \cdots \le a_n^{\prime }$。

数据结构

实际上，要排序的数字很少是孤立的值，通常要排序是记录（record），是数据集合的一部分。

记录 = 键 + 卫星数据

键（key）是要排序的值；卫星数据（satellite data）由记录的其余部分组成，通常与键绑定。

如果每个记录都包含大量卫星数据，通常会置换指向记录的指针数组，而不是记录本身，以最大程度地减少数据移动。

为什么排序？

• 有时，应用程序本来就需要对信息进行排序。例如，为了准备客户报表，银行需要按支票号对支票进行排序。
• 算法通常使用排序作为关键子程序。例如，在渲染相互重叠的图形对象的程序中，可能需要根据一种“在上方”的关系对对象进行排序，以便可以自下至上绘制这些对象。
• 算法开发中使用的许多重要技术，都出现在已发展多年的排序算法的主体中。
• 可以证明排序的非平凡下界（第 8 章）。我们的最好的上限渐近地匹配该下限，因此知道我们的排序算法是渐近最优的。此外，可以使用排序过程中的下界，以证明某些其他问题的下界。
• 在实现排序算法时，许多工程问题变得尤为重要。对于特定情况，最快排序程序可能取决于许多因素，如，有关关键字和卫星数据的先验知识，主机的内存层次结构（缓存和虚拟内存）以及软件环境。其中的许多问题最好在算法级别上解决，而不是通过“调整”代码来解决。

排序算法

算法	最坏情况运行时间	平均情况/期望运行时间
插入排序	$\Theta (n^2)$	$\Theta (n^2)$
合并排序	$\Theta (n\lg n)$	$\Theta (n\lg n)$
堆排序	$\Theta (n\lg n)$	–
快速排序	$\Theta (n^2)$	$\Theta (n\lg n)$ （期望）
计数排序	$\Theta (k+n)$	$\Theta (k+n)$
基数排序	$\Theta (d(n+k))$	$\Theta (d(n+k))$
桶排序	$\Theta (n^2)$	$\Theta (n)$（平均情况）

原地（in place）排序：输入数组中，只有常数个元素存放至该数组外的空间内。

原地排序算法：插入排序、堆排序、快速排序。

插入排序、合并排序、堆排序和快速排序都是比较排序：通过比较元素确定输入数组的排序顺序。

顺序统计学

在一个包含 $n$ 个数字的集合中，第 $i$ 个统计顺序是该集合中的第 $i$ 小的数字。
我们可以通过对输入进行排序，并对输出结果中的第 $i$ 个元素建立索引，选择第 $i$ 个顺序统计。

背景知识

在快速排序，桶排序和顺序统计算法的分析中，使用概率论，相关知识可参见附录C，以及在第5章中关于概率分析和随机算法的材料。

---

【算法导论】目录