我正在阅读关于散列排序比较的性能，快速排序如下面的Nutshell中的Algorithims。
https://www.safaribooksonline.com/library/view/algorithms-in-a/9780596516246/ch04s08.html
有26个桶，一旦n> 256，Hash排序开始翻两倍 性能随着问题的大小增加一倍，显示出多少桶 导致O（n ^ 2）表现。
n 26 buckets 676 buckets quick sort
256 0.000051 0.000062 0.000045
512 0.000108 0.000093 0.000098
注意，n是输入的数量，时间以秒为单位。
我的问题作者是什么意思＆＃34;灰烬排序开始使其性能翻两番，因为问题规模增加了一倍＆＃34;从上面的数据？，以及如何用很少的桶，它是O（n ^ 2）
答案 0 :(得分：0)
有两种不同类型的哈希表：打开和关闭。看来你指的是开放。
在一个打开哈希表中，k＆＃34;桶＆＃34; （或＆＃34;插槽＆＃34;），每个存储桶通常实现为（单个）链接列表。空槽包含空指针。当多个条目散列到同一个槽（冲突）时，它们会在检查重复后附加到链表中[通常不会再次计算重复]。对于插入，对于退化情况，时间复杂度可以是O（1）到O（n）[见下文]。
让我们考虑一个带有n个条目和k个槽的开放哈希表。有可能导致退出的情况导致O（n）进行 单 查找，例如当所有条目都散列到同一个插槽时，散列表的行为就像一个无序的链表。如果n>＆gt;，即使散列函数或多或少均匀地将数据分开。 k然后单个查找的时间复杂度 是O（n / k），但由于k是常数，因此它与O（n）相同。
我可以设想O（n ^ 2）行为的唯一方法是在 多个 查找的上下文中。我认为，这是查看哈希表时间复杂度的非标准方法。但是，如果我的观点是在n次插入后查看一批n次查找，在退化的情况下，我认为批次复杂性可以被视为O（n ^ 2）。
BTW，避免第二次退化情况的一种常见方法是，当n增长大于（初始）k时，将插槽（桶）的数量加倍并重新散列。调整散列（调整大小）散列的操作需要O（n）时间，并且需要动态散列函数，该函数可以使其输出范围加倍。此操作随着时间的推移摊销，导致O（log（n））摊销插入 - 优点是可以保留O（1）摊销查询。