首页 > Java > java教程 > 正文

栈中特定范围整数的高效排序:基于计数排序的线性时间算法

花韻仙語
发布: 2025-07-17 19:48:02
原创
301人浏览过

栈中特定范围整数的高效排序:基于计数排序的线性时间算法

本文探讨了如何在给定栈中,高效地对特定范围(1-4)内的整数进行排序,并保持升序。通过应用计数排序(Counting Sort)算法,我们实现了线性时间复杂度O(N)的解决方案,避免了传统比较排序的局限性,并优化了空间使用,确保了算法的简洁性和高性能。

引言:问题背景与挑战

在处理数据结构中的排序问题时,我们经常面临各种约束。一个典型场景是:给定一个包含20个整数的栈,要求对其进行排序,但只保留其中值在1到4范围内的整数,并使这些保留下来的整数最终在栈中按升序排列。此外,操作限制是每次只能移动一个值。

传统的比较排序算法(如快速排序、归并排序)通常适用于通用场景,但在面对特定值范围和数据结构限制时,可能无法达到最优效率。对于本问题,由于待排序的数值范围非常小且固定(1到4),这为采用非比较型排序算法提供了机会,从而实现更高的性能。

计数排序(Counting Sort)原理

计数排序是一种非比较型排序算法,其核心思想是统计数组中每个元素出现的次数,然后根据这些计数信息将元素放置到正确的位置。它特别适用于整数排序,尤其当整数的取值范围(K)相对较小或与元素总数(N)相近时,能展现出优于比较排序的性能。

对于本问题,我们不需要传统的计数排序中计算累积频率的步骤,因为我们不是要将所有元素排序到一个新数组中,而是要将特定范围内的元素重新组织到原始栈中。算法的核心在于两个阶段:频率统计和栈重建。

针对栈排序的优化算法步骤

考虑到问题的特定需求(只保留1-4范围内的值,并按升序排列),我们可以对计数排序进行优化。

步骤一:构建频率直方图

此阶段的目标是遍历原始栈,统计在目标范围 [1, 4] 内的每个整数出现的频率。

  1. 初始化频率存储: 创建一个数组(或哈希表)来存储每个目标整数的出现次数。由于目标范围是1到4,一个大小为 max - min + 1 的整型数组是最佳选择,其中 min 为1,max 为4。数组的索引可以直接映射到对应的数值(通过简单的偏移)。
  2. 遍历并统计: 从栈中逐个弹出元素。对于每个弹出的元素,检查它是否在 [1, 4] 的范围内。如果符合,则将其对应的频率计数加一。超出此范围的元素将被忽略,从而实现过滤。

示例: 如果栈中包含 [5, 3, 2, 1, 3, 5, 3, 1, 4, 7],经过此步骤后,频率直方图可能为:

  • 1: 2次
  • 2: 1次
  • 3: 3次
  • 4: 1次

步骤二:按序重建栈

此阶段的目标是根据频率直方图,将符合条件的整数按升序重新推入栈中。由于栈的特性是“后进先出”(LIFO),为了使最终栈底部是1、顶部是4(即从栈顶到栈底是4,3,2,1),我们需要从最大值开始逆序推入。

序列猴子开放平台
序列猴子开放平台

具有长序列、多模态、单模型、大数据等特点的超大规模语言模型

序列猴子开放平台 0
查看详情 序列猴子开放平台
  1. 逆序遍历频率: 从目标范围的最大值(4)开始,向下遍历到最小值(1)。
  2. 重复推入: 对于当前遍历到的每个值 i,根据其在频率直方图中记录的次数,重复将 i 推入栈中,直到该值的计数为零。

通过这种逆序推入的方式,当所有元素都推入完成后,栈的底部将是所有的1,接着是2,然后是3,最后顶部是4。这样,当从栈中弹出元素时,它们将按1, 2, 3, 4的升序出现。

代码实现示例

以下是使用Java语言实现上述优化计数排序的示例代码。我们推荐使用数组作为频率直方图,因为它在固定小范围整数场景下性能更优且更直观。

import java.util.ArrayDeque;
import java.util.Deque;
import java.util.HashMap;
import java.util.Map;

public class StackSorter {

    /**
     * 使用数组实现计数排序,对栈中特定范围的整数进行排序。
     * 推荐使用 ArrayDeque 代替 legacy 的 java.util.Stack。
     *
     * @param stack 待排序的栈
     * @param min 目标范围的最小值
     * @param max 目标范围的最大值
     * @return 排序后的栈,只包含指定范围内的元素,且按升序排列(栈底到栈顶)
     */
    public static Deque<Integer> sortStackWithCountingSort(Deque<Integer> stack, int min, int max) {
        // 步骤一:构建频率直方图
        // freq 数组的索引对应 (值 - min),例如 freq[0] 存储 min 的频率
        int[] freq = new int[max - min + 1]; 

        while (!stack.isEmpty()) {
            int next = stack.pop(); // 弹出栈顶元素
            // 检查元素是否在目标范围内
            if (next >= min && next <= max) {
                freq[next - min]++; // 对应值的频率加一
            }
        }

        // 步骤二:按序重建栈
        // 从目标范围的最大值开始,逆序推入,以确保栈底是最小值,栈顶是最大值
        for (int i = freq.length - 1; i >= 0; i--) {
            int valueToPush = i + min; // 将索引转换回实际值
            while (freq[i] > 0) {
                stack.push(valueToPush); // 推入元素
                freq[i]--; // 对应频率减一
            }
        }
        return stack;
    }

    /**
     * 另一种实现方式:使用 HashMap 作为频率存储。
     * 功能相同,但对于小范围整数,数组通常更高效。
     */
    public static Deque<Integer> sortStackWithCountingSortHashMap(Deque<Integer> stack, int min, int max) {
        Map<Integer, Integer> freqMap = new HashMap<>();

        while (!stack.isEmpty()) {
            int next = stack.pop();
            if (next >= min && next <= max) {
                freqMap.merge(next, 1, Integer::sum); // 计算频率
            }
        }

        for (int i = max; i >= min; i--) {
            int count = freqMap.getOrDefault(i, 0); // 获取频率,若无则为0
            while (count > 0) {
                stack.push(i);
                count--;
            }
        }
        return stack;
    }

    public static void main(String[] args) {
        // 示例用法
        Deque<Integer> stack = new ArrayDeque<>();
        stack.push(5);
        stack.push(3);
        stack.push(2);
        stack.push(1);
        stack.push(3);
        stack.push(5);
        stack.push(3);
        stack.push(1);
        stack.push(4);
        stack.push(7);

        System.out.println("Original Stack (top to bottom): " + stack);

        // 使用数组实现的计数排序
        Deque<Integer> sortedStackArray = sortStackWithCountingSort(stack, 1, 4);
        System.out.println("Sorted Stack (Array Impl, top to bottom): " + sortedStackArray);
        // 验证排序结果(从栈顶弹出)
        System.out.print("Popping elements (Array Impl): ");
        while (!sortedStackArray.isEmpty()) {
            System.out.print(sortedStackArray.pop() + " ");
        }
        System.out.println("\n");

        // 重置栈用于HashMap示例
        stack.push(5); stack.push(3); stack.push(2); stack.push(1); stack.push(3);
        stack.push(5); stack.push(3); stack.push(1); stack.push(4); stack.push(7);

        // 使用HashMap实现的计数排序
        Deque<Integer> sortedStackHashMap = sortStackWithCountingSortHashMap(stack, 1, 4);
        System.out.println("Sorted Stack (HashMap Impl, top to bottom): " + sortedStackHashMap);
        // 验证排序结果(从栈顶弹出)
        System.out.print("Popping elements (HashMap Impl): ");
        while (!sortedStackHashMap.isEmpty()) {
            System.out.print(sortedStackHashMap.pop() + " ");
        }
        System.out.println();
    }
}
登录后复制

算法复杂度分析

  • 时间复杂度:

    • 步骤一(构建频率直方图): 需要遍历原始栈中的所有N个元素。对于每个元素,进行常数时间的操作(弹出、范围检查、数组/HashMap更新)。因此,此步骤的时间复杂度为O(N)。
    • 步骤二(按序重建栈): 需要遍历目标值范围K次(从max到min),并在每个值上重复推入其频率次数。总的推入操作次数等于保留下来的元素总数(最多N个)。因此,此步骤的时间复杂度为O(K + N'),其中N'是保留下来的元素数量。
    • 总时间复杂度: O(N + K)。由于本问题中K(范围大小,即4)是一个常数,因此总时间复杂度可以简化为 O(N),即线性时间复杂度。这比任何基于比较的排序算法(通常为O(N log N))都要高效。
  • 空间复杂度:

    • 频率直方图: 需要一个大小为 max - min + 1 的数组或HashMap来存储频率。由于 max - min + 1 也是一个常数(4),因此额外空间复杂度为 O(K),可以视为 O(1),即常数空间复杂度。

注意事项与最佳实践

  1. java.util.Stack 的弃用: 在Java中,java.util.Stack 类是历史遗留类,不推荐在新代码中使用。它继承自 Vector,是一个同步的、基于数组的列表,其API设计并不完全符合栈的抽象。更推荐的做法是使用 Deque 接口的实现类,如 ArrayDeque 或 LinkedList,它们提供了更高效且符合栈操作的 push(), pop(), peek() 方法。本教程中的代码示例已采用 ArrayDeque。
  2. “每次只能移动一个值”的遵守: 计数排序算法通过逐个弹出栈元素进行频率统计,然后逐个推入元素进行栈重建,完全符合“每次只能移动一个值”的限制。
  3. 适用性: 计数排序在此类问题中表现出色,但它依赖于待排序元素是整数且范围相对较小。如果元素是浮点数、字符串或整数范围非常大,则计数排序可能不再适用或效率低下。

总结

针对给定栈中特定范围整数的排序问题,计数排序提供了一个极其高效的解决方案。通过将问题分解为频率统计和按序重建两个清晰的步骤,我们能够以线性时间复杂度O(N)完成排序,同时仅使用常数级别的额外空间O(1)。这种方法不仅在性能上远超传统的比较排序算法,也巧妙地遵守了每次只能移动一个值的操作限制。理解并应用这类针对特定场景优化的算法,是提升程序性能的关键。

以上就是栈中特定范围整数的高效排序:基于计数排序的线性时间算法的详细内容,更多请关注php中文网其它相关文章!

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号