Question

鉴于此排序算法，您如何表达其时间复杂度？

~~Originally presented here~~ (partial archive)。

#!/bin/bash
function f() {
sleep "$1"
echo "$1"
}
while [ -n "$1" ]
do
    f "$1" &
    shift
done
wait

example usage:
./sleepsort.bash 5 3 6 3 6 3 1 4 7

Answer 1

O(max(input)+n)

由于大多数排序算法与数据无关，因此复杂性似乎很难表达。它们的时间与数据量有关，而不是数据本身。

FWIW，正如here所指出的，这不是一种可靠的数据排序算法。

Answer 2

似乎没有人解决的一点是sleep是如何实现的。最终，它们最终会出现在某个调度程序中，操作复杂性将取决于所使用的调度算法。例如，如果将sleep作为事件放在优先级队列中，您可能会得到等同于heapsort的东西，其复杂度为 O（n log n）。天真的调度算法可能会导致 O（n ^ 2）。

Answer 3

我认为paxdiablo距离最近，但不是正确的原因。时间复杂性忽略了真实硬件上的问题，例如高速缓存大小，内存限制以及在这种情况下有限数量的进程和调度程序的操作。

基于Wikipedia page for Time complexity我会说答案是你无法确定运行时的复杂性，因为如果定义为：

通常通过计算算法执行的基本操作的数量来估计时间复杂度，其中基本操作花费固定的时间量来执行。因此，算法所花费的时间量和基本操作的数量最多相差恒定因子。

然后我们不能谈论这个算法的运行时复杂性，因为基本操作所花费的时间差别很大，所花费的时间差异会超过一个常数因子。

Answer 4

该算法的时间复杂度和流程复杂度均为O(braindead)。

如果数据集中有足够大的值，您将等待答案，直到太阳爆炸。

如果数据集大小足够大，你将

（1）达到你的工艺限制;和
（2）发现早期睡眠将在后者开始之前完成，这意味着集合(2,9,9,9,9,9,...,9,9,1)不会正确排序1和2。

在这种情况下，时间复杂度无关紧要。你不能得到任何不如“错误”的优化。

可以使用复杂性分析来比较算法，因为数据集大小会发生变化，但是当算法首先变得荒谬时，不能这样做： - ）

Answer 5

虽然看起来像线性，但我认为复杂性仍然是O（log（n）* max（输入））。

当我们谈论渐近时间复杂度时，它意味着当n增长无限大时需要花费多少时间。

基于比较的排序算法不能比O（n * log（n））更快，而Sleep-Sort实际上是基于比较的：

进程睡眠n秒并唤醒。操作系统需要从所有睡眠过程中找到最少的剩余睡眠时间，并且如果它是关于时间的话，将其唤醒。

这将需要一个优先级队列，它需要O（logN）时间插入一个元素，O（1）找到最小元素，O（logN）删除最小元素。

当n变得非常大时，唤醒进程需要1秒以上的时间，这会使其大于O（n）。

Answer 6

如果您阅读该主题，您会看到您的问题已经得到解答。时间复杂度为O(max(input))，操作复杂度（操作次数）为O(n)。

Answer 7

我和Jordan在一起，除了我认为挂钟时间复杂度更好地表示为O（2 ^ m），其中m是每个项目的大小，而不是O（max（输入））。 / p>

如果每个项目的大小为m，则最大项目的整数值为2 ^ m（减去1，但没有人关心这一点）。通过构造，算法要求设置时间小于1，即常数。

因此挂钟时间复杂度为O（2 ^ m），操作计数复杂度为O（n）。

考虑到建立时间的修改算法可能具有挂钟时间复杂度O（2 ^ m + n）。例如，它可以记录开头的当前时间，计算base_time = start_time + k*len(list)（对于某些适当的常数k），然后使线程休眠直到时间base_time+i。那么k*len(list)显然是O（n），而i与前面一样是O（2 ^ m），总共为O（2 ^ m + n）。

睡眠排序的时间复杂度是多少？

7 个答案: