05算法-线性时间排序

简介

本文主要介绍决策树模型，推导了基于比较的排序算法的最快速度，然后给出了一种在特定条件下的线性时间复杂度的排序算法。

decision-tree model

这里决策树就不多做介绍，其本质就是通过比较来给出所有排序结果的模型。基于比较的算法，merge sort, insertion sort, quick sort, heap sort这一类算法，都可以用决策树模型来描述
根据推论，一颗完整的决策树，需要$>=n!$的叶子（这里可以使用排列组合的知识，要想构建一个数列完整的决策关系，至少需要$n!$次比较）
因此使用完全二叉树去构建这个决策树，得到的树的深度肯定是最小的。就有$n!<=2^h$
上面的公式是可以证明基于比较的排序算法，最快为nlgn

Counting sort

counting sort是有一定前提的，就是对于$A[i](1<=i<=n)$，都有$1<A[i]<k$。伪代码如下：

for j = 1 to k
   C[j] = 0
for i = 1 to n
   C[A[i]] = C[A[i]] +1
for j = 2 to k
   C[j] = C[j]+C[j-1]
for i = n to 1
   B[C[A[i]]] = A[i]
   C[A[i]] = C[A[i]]-1

其running time is$\Theta (n+k)$

//我们假设给我们的数据都是在5到20之间的
const offset int = 5
func CountingSort(A []int)  []int{
	len := len(A)
	temp := make([]int, 16)
	for i:=0; i<len; i++ {
		A[i] -= offset
		temp[A[i]]++
	}
	for i:=1; i<16; i++ {
		temp[i] = temp[i]+temp[i-1]
	}
	for i:=0; i<16; i++ {
		temp[i]--
	}
	ans := make([]int, len)
	for i:=len-1; i>=0; i--{
		ans[temp[A[i]]] = A[i]+offset
		temp[A[i]]--
	}
	return ans
}