线性时间排序和选择

        在上一篇的排序中提到的算法，在排序的最终结果中各元素的次序依赖于它们之间的比较，我们把这类排序算法称为比较排序。下面总结三种线性时间复杂度的排序算法：计数排序，基数排序和桶排序，这三种算法是用运算而不是比较来确定排序顺序的。

线性时间排序

计数排序

        假设n个输入元素中的每一个都是在0到k之间内的一个整数，其中k为某个整数，当k=Ο(n)时，排序的运行时间是θ(n)。计数排序的思想是：对每一个输入元素x，确定小于x的元素个数，利用这一信息，就可以直接把x放到它在输出数组中的位置上了。 计数排序是稳定的。

        伪代码：假设输入是一个数组A[1..n]，B[1..n]存放排序的输出，C[0..k]存放A中每个元素的个数

counting_sort(A,B,k)

let C be a new array

for i = 0 to k

       C[i] = 0

// step1 :C[i] now contains the number of elements equal to i

for j = 1 to A.length

       C[A[j]] = C[A[j]] + 1

// step2 :C[i] now contains the number of elements less than or equal to i

for i = 1 to k

        C[i] = C[i] + C[i - 1]

// step3 :ouput each element at the particular position of B from the A's tail with C

for j = A.length to 1

        B[C[A[j]]] = A[j]

        C[A[j]] = C[A[j]] - 1

通过以下数组的变化能更好理解上面的代码：

数组A

1	2	3	4	5	6	7	8
2	5	3	0	2	3	0	3

通过代码中step1的运算（C[A[j]] = C[A[j]] + 1）得出以下数组C

数组C

0	1	2	3	4	5
2	0	2	3	0	1

通过代码中step2的运算（C[i] = C[i] + C[i - 1]）数组C的值发生变化

数组C

0	1	2	3	4	5
2	2	4	7	7	8

通过代码中step3的运算，依次输出A的元素到数组B

以下以A[8] = 3为例：根据数组C可知，3的前面有7个小于或等于它的数，因此把3放在输出数组B第7个位置，同时将数组C里C[3]的值减1

数组B

1	2	3	4	5	6	7	8
						3

数组C

0	1	2	3	4	5
2	2	4	6	7	8

基数排序

        基数排序是对给定的n个d位数，从最低有效位开始每一数位进行排序，经过d轮 稳定排序后，到最高位排序完毕后，即是一个有序的n个d位数。如果d位数的每个数位有k个可能的取值，使用的稳定排序耗时为θ(n+k)，则可以在θ(d(n+k))时间内完成基数排序。

        伪代码：

radix_sort(A, d)

     for i = 1 to d

        use a stable sort to sort array A on digit i

桶排序

        与计数排序假设输入排序属于一个小的区间内的整数不同，桶排序假设输入数据服从均匀分布，由随机过程产生，将元素均匀独立的分布在[0,1)区间上。

桶排序将[0,1)区间划分为n个 大小相同的子区间，或称为桶。然后将n个输入元素分别放到各个桶中（因为输入数据是均匀独立的分布在[0,1)区间上，所以一般不会出现很多数据落在同一个桶中的情况），先对桶中元素进行排序，然后按照次序将每个桶中元素列出来。

A	B
0.78	0
0.17	1	0.12	0.17
0.39	2	0.21	0.23	0.26
0.26	3	0.39
0.72	4
0.94	5
0.21	6	0.68
0.12	7	0.72	0.78
0.23	8
0.68	9	0.94

        伪代码：根据以上表格，假设A是输入数组，B为桶数组，B中存放链表

bucket_sort(A)

n = A.length

let B[0..n-1] be a new array

for i = 0 to n-1

let B[i] be an empty list

for i = 1 to n

insert A[i] into list B[nA[i]] // nA[i]向下取整

for i = 0 to n-1

sort list B[i]

concatenate the lists B[0],B[1],..B[n-1] together in order

选择（中位数和顺序统计量）

        在一个由n个元素组成的集合中，第i个 顺序统计量是该集合中第i小的元素。中位数即是它所属元素的“中点元素”（但n为奇数时，中位数位于i=(n+1)/2处；当n为偶数时，存在两个中位数，分别位于i = n/2和i= n/2 + 1处）。

        以下讨论从一个由n个互异的元素构成的集合中选择第i个顺序统计量的问题。我们可以在O(nlgn)时间内通过堆排序或归并排序对数据排序后找出第i个元素即可，下面介绍一种 不需要排序的 期望是线性时间的分治算法。

        一篇对快速排序中，在一趟排序（ramdomized_partition：每次选择pivot位置时通过随机过程取得）后会找出一个pivot，该pivot左边的值均小于pivot位置的值，右边的值均大于pivot位置的值，基于ramdomized_partition，比较一趟排序后的pivot值与i的大小，决定在大数边数组选择第i - pivot小的数，或者在小数边数组继续选择第i小的数。

       伪代码：返回数组A[p..r]中第i小的元素

randomized_select(A,p,r,i)

if p == r

return A[p]

q = ramdomized_partition(A,p,r)

k = q - p + r

if k == i

return A[q]

else if k < i

return randomized_select(A,q+1,r,i - k)

else 

return randomized_select(A,p,q - 1,i)

同样一道来自庞果英雄会的一道题，可以利用以上的选择算法。

要建立一个信号基站服务n个村庄，这n个村庄用平面上的n个点表示。假设基站建立的位置在(X,Y)，则它对某个村庄(x,y)的距离为max{|X – x|, |Y – y|}， 其中| |表示绝对值，我们的目标是让所有村庄到信号基站的距离和最小。 基站可以建立在任何实数坐标位置上，也可以与某村庄重合。 输入： 给定每个村庄的位置x[],y[]，x,y都是整数，满足：-1000000000 < x,y < 1000000000 村庄个数大于1，小于101。 输出： 所有村庄到信号基站的距离和的最小值。

提示：max{|a|, |b|} = (|a + b| + |a - b|)/2（a与b之间的距离d(a,b) = |a + b| + |a - b|，称为曼哈顿距离）