铲斗分类分析

Question

  

一个简单的例子是桶排序。对于铲斗排序工作，额外   必须提供信息。输入a1，a2 ,. 。 。 ，必须   仅由小于m的正整数组成。 （明显   对此的扩展是可能的。）如果是这种情况，那么   算法很简单：保持一个名为count的数组，大小为m，即   初始化为全0。因此，count有m个单元或桶   最初是空的。当读取ai时，将计数[ai]增加1.毕竟   读取输入，扫描计数数组，打印出一个表示   排序列表。该算法采用O（m + n）;如果m是O（n），那么   总数是O（n）。

     

虽然这个算法似乎违反了下限，但事实证明   它不是因为它使用比简单操作更强大的操作   比较。通过递增适当的桶，算法   基本上在单位时间内进行m方式比较。这是类似的   用于可扩展散列的策略。这显然不在   已证明下限的模型。

关于上段的问题

1. 作者的意思是“它使用比简单比较更强大的操作”？
2. 通过递增适当的存储桶，算法如何执行m-way比较？那么什么是m-way比较？
3. 上面的bucket排序策略如何与可扩展散列相关？任何人都可以给出一个可扩展散列的例子吗？

谢谢！

Answer 1

1. count[arr[i]]更强大'然后比较，因为它是 实际上是*(count + arr[i])。每个比较op有2个可能 值：true / false，而此op具有更广泛的值范围， [所有可能的地址！]因此它更“强大”
2. 通过增加元素，算法“知道”后来有多少 在这个'桶'中的元素，以及后来：只是'溢出' 桶的内容。作者的m-way比较意味着， 我假设与m个可能的输出进行“比较”，如上所述。
3. 这基本上是一个哈希，你将元素哈希到范围 [0,m]。这里的重要性和区别是：两个要素是 当且仅当它们相同时，哈希值相同。这个 当然，只有使用相同的哈希元素才能实现 [或更少]范围然后是图像。