Algorithm O（1）空间中的计数排序

我有下面的计数排序，但是空间复杂度对我来说太高了，我正在寻找一种在空间复杂度为O（1）的情况下实现它的方法

目前，该算法正在分配O（k）空间。

---

假设

k我在这里假设
A
是您的输入数组，
B
是您的输出数组。因此，
|A |=|B |
。我进一步假设
k
是我们可能遇到的最大值数（例如，如果
A
只包含从1到k或从0到k-1的正数）。如果您在提问时指定此类细节，这将对我们有所帮助，但我猜这或多或少就是您所问的问题。：）

因为我们有一个非常方便的附加约束，
k请告诉我们
A
，
B
和
k
代表什么？反向工程：A是输入数组，k是A中的最大值，B是输出数组。我相信计数排序本质上是O（k）空间。如果您需要更少的空间，那么您需要（A）了解有关输入的更多细节，或者（B）使用完全不同的算法<等等，让我想想。使用A和B可能会有一些技巧。。。。啊!！是的，我们可以使用
B
作为临时的暂存空间，也许可以跳过G的使用。计算运行时复杂性和O（1）空间复杂性的排序将使世界变得更幸福。有没有理由假设k@phoxis是他/她在问题中说的。对不起，我错过了这一部分。在这种情况下，当输入大小有界时，它在任何情况下都变成O（1）。@phoxis是的，这是非常正确的，但这里我们没有常数
|A |
，至少从OP的信息来看是这样的。由于
k
以
|A |=n
为界，而不是以常量值为界，因此在OP的代码中，空间复杂度将是
O（k）=O（n）
，如果我们对
k
@phoxis一无所知，确实是的，通常需要排序算法来生成新的排序数组，或者对输入数组执行就地排序。OP的算法（在理论世界中）提供了这两个方面，这是一个不同寻常的事实，我认为这是为了强烈提示学生利用这个“空闲”内存来“欺骗”系统：）在一般情况下，空间复杂度肯定不是常数，而是取决于
k
和
n
，取决于实施情况。
MyCountingSort(A, B, k)
    for i = 0 to k
       do G[i] = 0
    for j = 0 to length[A]
        do G[A[j]] = G[A[j]] + 1
    for i = 1 to k
       do G[i] = G[i] + G[i-1]
    for j = length(A) to 1
       do B[G[A[j]]] = A[j]
       G[A[j]] = G[A[j]] - 1