Big o 试论试次与基数排序的有效性

基数排序的时间复杂度为O（kn），其中n是要排序的键数，k是键长度。类似地，trie中插入、删除和查找操作的时间复杂度为O（k）。然而，假设所有元素都是不同的，k>=log（n）不是吗？如果是这样，这意味着基数排序的渐近时间复杂度为O（nlogn），等于快速排序的时间复杂度，而trie操作的时间复杂度为O（logn），等于平衡二叉搜索树的时间复杂度。当然，常数因子可能会有显著差异，但渐近时间复杂性不会有显著差异。这是真的吗？如果是，基数排序和尝试是否比其他算法和数据结构有其他优势

编辑：

---

Quicksort及其竞争对手执行O（nlogn）比较；在最坏的情况下，每次比较将花费O（k）时间（键仅在最后检查的数字处不同）。因此，这些算法需要O（knlogn）时间。根据同样的逻辑，平衡二叉搜索树操作需要O（klogn）时间。

大O表示法不是这样使用的，即使基数排序的k>=logn，O（kn）意味着如果n加倍，处理时间将加倍，依此类推，这就是应该使用大O表示法的方式

基数排序的一个优点是它的最坏情况是O（kn）（快速排序的O（n^2）），所以基数排序比快速排序更能抵抗恶意输入。如果使用按位运算（以2的幂为基，并对较小的阵列使用带插入排序的就地msd基数排序），它的实际性能也会非常快

同样的参数也适用于尝试，它们可以抵抗恶意输入，因为在最坏的情况下，插入/搜索是O（k）。哈希表在O（1）中执行插入/搜索，但使用O（k）哈希，在最坏的情况下使用O（N）插入/搜索。此外，尝试可以更有效地存储字符串

---

检查

基数排序的渐近时间复杂度为O（NlogN），这也是Qucik排序的时间复杂度。基数排序的优点是它的最佳、平均和最坏情况性能相同，其中快速排序的最坏情况性能为O（N^2）。但它需要两倍于快速排序所需的sapce。所以，如果空间复杂性不是问题，那么基数排序是更好的选择