为什么桶排序的时间复杂度是 O(n^2) 而不是 O(log(n) * n^2)？

问题描述

import math

def insertionSort(arr):
    for i in range(len(arr)-1):
        for j in range(i+1,len(arr)):
            if arr[j] < arr[i]:
                arr[j],arr[i] = arr[i],arr[j]
    return arr


def bucketSort(arr):    
    no_of_buck =  round(math.sqrt(len(arr)))
    bucketArr = [[] for _ in range(no_of_buck)]
    n = len(bucketArr)
    maximumVal = max(arr)

    for i in arr:
        appropriate_bucket = math.ceil(i * n / maximumVal)
        bucketArr[appropriate_bucket-1].append(i)
    
    for i in bucketArr:
        i = insertionSort(i)
    
    arr = []
    for i in bucketArr:
        arr.extend(i)

    print(arr)

插入排序本身是一个 O(n^2) 操作，外循环上升到元素数量的平方根，即 O(sqrt(n))，所以它应该是 O(log(n) * n^2 )

解决方法

插入排序本身是一个 O(n^2) 操作，外循环上升到元素数量的平方根，即 O(sqrt(n))，所以它应该是 O(log(n) * n^2 )

您已经给出了为什么时间复杂度可能是 O(n^2.5) 而不是 O(log(n) * n^2) 的论点，尽管有一个相对简单的原因它们不是严格的上限（宽松的上限没有错，但不那么有趣，并且在某些情况下可能被视为错误）。

项目总数仍然只有kubectl get nodes -o custom-columns=NAME:.metadata.name,ZONE:.metadata.labels.'topology\.kubernetes\.io/region' kubectl get nodes -o custom-columns=NAME:.metadata.name,ZONE:.metadata.labels."topology\.kubernetes\.io/region" 。

在最坏的情况下，所有项目都在一个桶中，这就是 O(n²) 时间复杂度的来源。项目在桶上的所有其他分布都更好。桶不能全部很大，这是您的论点隐含的假设。

这是一个示例，说明为什么“乘以嵌套循环的时间复杂度”这一经验法则只是一条经验法则。