桶排序：
桶排序(Bucket Sort)假设输入数据服从均匀分布，然后将输入数据均匀地分配到有限数量的桶中，然后对每个桶再分别排序，对每个桶再使用插入排序算法，最后将每个桶中的数据有序的组合起来。前面了解到基数排序假设输入数据属于一个小区间内的整数，而桶排序则是假设输入是由一个随机过程生成，该过程将元素均匀的分布在一个区间[a,b]上。由于桶排序和计数排序一样均对输入的数据进行了某些假设限制，因此比一般的基于比较的排序算法复杂度低。
桶排序过程
1.初始化装入连续区间元素的n个桶，每个桶用来装一段区间中的元素。
2.遍历待排序的数据，将其映射到对应的桶中，保证每个桶中的元素都在同一个区间范围中。
3.对每个桶进行排序，最终将所有桶中排好序的元素连起来。
桶排序其中也蕴含着分治的策略，联想之前的计数排序，基数排序就像是桶排序的一个特例，一个数据一个桶。并且和散列(哈希，hash)似乎也有千丝万缕的关系。
代码实现：
private static class Node {
int key;
Node next;
}
public static void bucketSort(int keys[], int bucketsize) {
int size = keys.length;
Node[] bucket_table = new Node[bucketsize];
for (int i = 0; i < bucketsize; i++) {
bucket_table[i] = new Node();
bucket_table[i].key = 0;//链表第一个节点的key记录当前桶中的数据量
bucket_table[i].next = null;
}
for (int j = 0; j < size; j++) {
Node node = new Node();
node.key = keys[j];
node.next = null;
int index = keys[j] / 10; //计算各元素放入对应桶的编号 自行定义规则
Node p = bucket_table[index];
if (p.key == 0) {
bucket_table[index].next = node;
bucket_table[index].key++;
} else {
//链表插入排序
while (p.next != null && p.next.key <= node.key) p = p.next;
node.next = p.next;
p.next = node;
bucket_table[index].key++;
}
}
//输出排序结果
for (int b = 0; b < bucketsize; b++) {
for (Node k = bucket_table[b].next; k != null; k = k.next) {
System.out.print(k.key + " ");
}
}
}
桶排序的性能：
时间消耗包括两部分一部分为初始化桶，连接排好序的桶，其时间复杂度为O(n) 一般有m<n (m个桶)另一部分为对桶中的元素进行排序，这部分的复杂度，通过代码中的for和while循环直接看不太容易，这样考虑：每个桶里面有ni个元素，对ni个元素进行插入排序的耗时为O(ni^2)。
于是T(n)=O(n)+∑O(ni^2)，平均意义下认为ni=n/m，于是有T(n)=O(n)+m*O((n/m)^2)=O(n^2/m)+O(n)
当n=m时，T(n)=O(n)+O(n)=O(n)
对于每个桶采用其他的排序算法：m个桶，每个桶中的元素平均假设有n/m个，在上面进行基于比较的排序，复杂度不会低于n*O(n/m*lg(n/m))，平均意义下每个桶中的元素有n/m个，O(m * n/m *lg(n/m) = O(n*lg(n/m))，所以总的时间复杂度为T(n)=O(n+n*lg(n/m))
当m=n时时间复杂度为O(n)，此时和计数排序一样，桶数量越多，时间效率越高，然而桶数量越多占用空间也就越大。如上面后插链表，容易得到桶排序是稳定。