[Alg]排序算法之分布排序

[Alg]排序算法之分布排序

作者：屎壳郎

日期：Aug 2021

版次：初版

简介： 分布排序是与归并排序截然相反的处理思路，归并排序是逐步融合归并，而分布排序是分组然后合并，再分组再合并，所以分布排序又称为“桶排序”、“基数排序”或“数排 序”。它基于键值数字特性字分类，从而避免了比较操作。

1、引言

假设要对52张扑克牌排序，定义牌面键值顺序：
$$A<2<3<4<5<6<7<8<9<10<J<Q<K$$
定义花色键值顺序：
$$♣<♢<♡<♠$$
两张牌确定先后顺序的条件为（i）它的花色小于另一张，或者（ii）两个花色相同，但牌面值小于另一张。通常的排序方法类似于基数交换排序（见《[Alg]排序算法之交换排序》，先根据花色分成四堆，然后再根据牌面值调整每一堆中牌的顺序。

还有一种更快的方法处理这类排序！首先根据牌面值分成13堆，先对这13堆排好序，即$A<2<\cdots <K$；然后再根据花色分为4堆。然后合并到一起就得到排好序的结果。这个方法乍一看不显然。在第二步按花色分类时，如果两张牌进入不同的堆，说明花色不一样，会根据花色排序；如果两张牌具有一样的花色，那在第一步分类时已经排好序。同样的思想也可以应用到数字或字母类型的任意字典序的排序上。

设$N$个记录，分成$M$堆，每个堆的容量要保证能容纳$N$个记录，这就需要$M(N+1)$的空间，这就是大部分人拒绝这个算法的原因。

2、基数排序

下面介绍一种基于键值的基数，采用链表法的排序算法，姑且称之为基数排序。下面举一个以10进制为基数排序的例子。
$$503087512061908170897275653426154509612677765703$$

第一趟遍历，以个位数为基准分堆，结果如下：

完成后重新串连起来，见图中红色线（算法H）：

第二趟遍历，以十位数为基准分堆，结果如下：

第三趟遍历，以百位数为基准分堆，结果如下：

总结算法如下：

算法R：（基数排序）

设记录$R_1,R_2,\dots ,R_N$，包含链接地址。其对应的键值为：
$$(a_1,a_2,\dots ,a_p),0\le a_i<M.$$
$M$为基数，其键值可表示为:
$$a_1{M}^{p-1}+a_2{M}^{p-2}+\cdots +a_{p-1}M+a_p$$

• R1.[循环k] 在开始阶段，置$P\leftarrow LOC(R_N)$，把指针指向最后一项。然后$k=1,2,\dots ,p$，执行R2至R6，即完成一趟遍历。
• R2.[清空堆] 置$TOP[i]\leftarrow LOC(BOTM[i])$，$BOTM[i]\leftarrow \Lambda$ for $0\le i<M$。
• R3.[解析键值$k$位] 置$i\leftarrow a_{p+1-k}$，即取键值$k$有效位。
• R4.[调整链接] 置$LINK(TOP[i])\leftarrow P$，然后置$TOP[i]\leftarrow P$。
• R5.[移至下一个] 如果$k=1$（第一趟）并且$P=LOC(R_j)$且$j\ne 1$，置$P\leftarrow LOC(R_{j-1}$并返回R3。如果$k>1$，置$P\leftarrow LINK(p)$且$P\ne \Lambda$，返回R3。
• R6.[执行串连程序] 置$P\leftarrow BOTM[0]$，作为链表头，重新串连链表。

算法H：（串连链表）

• H1.[初始化] 置$i\leftarrow 0$。
• H2.[指向堆的顶端] 置$P\leftarrow TOP[i]$。
• H3.[下一堆] $i\leftarrow i+1$。如果$i=M$，置$LINK(P)\leftarrow \Lambda$并结束。
• H4.[是空堆吗？] 如果$BOTM[i]=\Lambda$，返回H3。
• H5.[把堆链起来] 置$LINK(P)\leftarrow BOTM[i]$。返回H2。

在《[Alg]排序算法之计数排序》中，讲了一个非常天才的分布统计排序，可以结合上述的基数排序使用，但前提是基数排序必须从最高有效位向低有效位分类。因为分布统计排序不是一个稳定的排序算法，而基数排序后续的分类基于前面排序的结果的，分布排序的不稳定性会破坏这个前提。但从最高有效位开始，就可以消除这种隐患，从最高位开始还有另一个好处，就是我们不用完全使用基数排序，可以只派前$p$位，剩余的可以采取其它排序算法来处理，以提高效率。

下面谈谈基数排序和基数交换排序的区别：

• 1、基数交换排序是从最高有效位开始的，基数排序是从低位向高位（当然从高为向低位也可以）；
• 2、两种排序算法都不需要比较键值；
• 3、基数交换排序是分成两组，而基数排序分组是可变的（人为选定，可以2，4，8，16都行）；
• 4、基数排序的运行时间是固定的$O(N\lg K)$，而基数交换排序依赖于基数的分布情况而不依赖于键值$K$的大小$O(N\lg N)$。
• 5、基数交换排序不需要额外的链接。

还有一种情况要特别注意，就是计算机采取补码时，如果键值不是unsigned int类型，在最后处理时会有所不同。以$M=256$为例，最后串起各堆的顺序应该为：
$$(10000000{)}_2,(10000001{)}_2,\dots ,(11111111{)}_2,(00000000{)}_2,(00000001{)}_2,\dots ,(01111111{)}_2$$