（算法是你的谎言）二、非比较排序算法

在数据结构中，我们学习了几种排序，但是现在我想我们呢要更深入的学习排序，我们可以把排序的时间在升级一个层次
其中，一部分图片来源于哈佛算法公开课。

---

• 排序算法上的这几种排序都有一个名字：比较排序
• 时间复杂度都是大于Θ(NlgN)
• 接下来我们希望排序的时间可以在线性时间层级内
• 这些排序算法称之为：线性时间排序

---

1.决策树推导

（1）决策树的定义

• 决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。
• 在这里可以先用二叉树的理解代替决策树
• 若将a1,a2,…,a_n做比较
• 对于任意i，j其中i，j属于{1，2，···，n}
• 若a_i<a_j，则左子树显示后续的比较
• 若a_i>a_j，则右子树显示后续的比较

（2）决策树模型

• 该模型是一个输入n个数的模型
• 每次比较两个元素，并将算法是为拆分
• 该模型包含所有可能的比较结果
• 它并不是答案，而是一个过程，需要数据在该模型里面按照指令往下走
• 算法的运行时间：正比于所走路径的长度
• 算法最坏的运行时间：正比于树的高度

（3）决策树排序的下限

• 其下限是：Ω(NlgN)
• 证明
  
• 其中，h是树的高度，n是需要排序数的数量

---

2.计数排序

（1）规定

• 通常来说，其输入是一个数列，我们需要限定它的范围,总共有k个整数
• 因为这是一种时间换空间的做法

（2）步骤

• 先遍历一次，找出待排序队列的最大最小，根据其差值申请数组空间
• 遍历元素，出现一次，记录其元素值对应的数组自加1
• 在数组的第n个位置加和前面的n-1个数组的值
• 按照数组最后一个位置分配空间，排序
  
  （3）分析
• 第一步时间复杂度：Θ(k)
• 第二步时间复杂度：Θ(n)
• 第三步时间复杂度：Θ(k)
• 第四步时间复杂度：Θ(n)
• 总共为Θ(n+k)
• 这也就是基数排序不流行的主要因为，当k过大，会导致效率很低很低，其次是因为，他不能排序浮点数
• 但这不影响它很稳定

---

其中排序的稳定性指：

• 保证了相等元素的顺序，称之为相对顺序
• 在图示中，我们有三个2，在排序完后，2的顺序维持之前的顺序

---

3.基数排序

（1）定义

• 数字位置归纳

（2）步骤

• 确定数组中最大元素的位数，确定执行轮次
• 创建10个桶，从0至9
• 按照元素个位、十位、百位···的顺序进行大小排序
• 每一次排序如下图所示
  
  （3）分析
• 假设有n个数，每个数有b位
• 在二进制中，其取值范围位0~2^b-1
• 我们将b位分为r块，r时计算机一次性处理的位数
• 如果计算机处理时是按照8个数字进行处理，那么对于32位操作系统来说，需要处理4轮
• 基数排序是借用计数排序的思想的
• 那么处理一次需要用Θ(n+2^r)
• 总共要处理b/r次
• 所以其时间是下图：
  
  当然，这个算法也是稳定的。