数据结构与算法十二:堆排序

一、什么是堆排序

1.堆,堆排序

对于“”我们可以理解为具有以下性质的完全二叉树

  • 每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆
  • 每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆

堆排序是利用堆这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为O(nlogn),它也是不稳定排序。

在排序时,一般升序采用大顶堆,降序采用小顶堆。

2.大顶堆

我们可以看到,层数从小到大,节点的数字是越来越小的,映射到数组有:{50,45,40,20,25,35,30,10,15}

特点是arr[i] >= arr[2*i+1] && arr[i] >= arr[2*i+2]

3.小顶堆

image-20200714202759899

跟大顶堆相反,层数从小到大,节点的数字是越来越大,映射到数组:{10,15,50,45}

特点是:arr[i] <= arr[2*i+1] && arr[i] <= arr[2*i+2]

二、堆排序的思路分析

1.概述

  • 将待排序序列构造成一个大顶堆,此时,整个序列的最大值就是堆顶的根节点。
  • 将其与末尾元素进行交换,此时末尾就为最大值。
  • 然后将剩余n-1个元素重新构造成一个堆,这样会得到n个元素的次小值。如此反复执行,便能得到一个有序序列了。
  • 遍历构建大顶堆,在这过程中元素的个数逐渐减少,直到最后得到一个有序序列了.

2.举个例子

对数组{4,6,8,5,9}进行排序。

第一遍排序

  1. 我们从最后一个非叶子结点开始排序。第一个非叶子结点为arr.length/2-1=5/2-1=1,也就是元素6.,我们对他进行对比并调整位置;

  2. 在{6,4}中,5比6小,而9比6大,所以9和6交换位置;

    image-20200716171927431

  3. 接着找到第二个非叶子节点4,由于9是{9,4,8}这个树中最大的,故9与4交换位置

    image-20200716172640232

  4. 由于9与4交换位置打乱了原先{9,6}这棵树顺序,所以继续对新树{4,6}进行排序

    image-20200716172926921

  5. 由此得到了一个大顶堆,然后将堆顶元素9与末尾元素4进行交换,得到数组{4,9}

    image-20200716173427122

至此,第一遍排序已经完成,我们确定了最大元素9的位置

第二遍排序

第二遍排序开始时,最大元素9的位置已经确定,实际上要排序的数组变成了{4,5}

  1. 继续从6开始比较,{6,5}排序正常,所以接着比较{4,8},8是最大的,所以与4交换位置

    image-20200716184743652

  2. 由此得到了一个大顶堆,然后将堆顶元素8与末尾元素5进行交换,得到数组{8,4}

    image-20200716184933083

至此,第一遍排序已经完成,我们确定了最第二大元素8的位置

第三遍~第n遍排序

第二遍排序开始时,最大元素9和第二大元素8的位置已经确定,实际上要排序的数组变成了{5,4}

重复比较-排序-交换堆顶和队尾元素位置这一过程,直到最终获得有序数列

image-20200716185250532

三、代码实现

/**
 * @Author:CreateSequence
 * @Date:2020-07-16 16:53
 * @Description:堆排序
 */
public class HeapSort {

    /**
     * 对数组进行堆排序
     * @param arr
     * @return
     */
    public static int[] sort(int[] arr) {
        //将无序数组构建成一个大/小顶堆
        //有几个非叶子节点就排序几次
        for (int i = arr.length / 2 - 1; i >= 0; i--) {
            sortHeap(arr,i,arr.length);
        }

        int temp = 0;
        //交换数组头尾元素,将最大的元素排沉到队尾
        for (int i = arr.length - 1; i > 0; i--) {
            //交换头尾元素
            temp = arr[0];
            arr[0] = arr[i];
            arr[i] = temp;

            //1.交换完后,此时最大的元素在arr[0],最小的元素在arr[i],即确定了本次排序范围最大的数
            //2.然后对0~i-1的范围进行排序,重新获得的数组最小的元素在arr[0],最大的元素在arr[i-1]
            sortHeap(arr,i);
            
            //3.接着进入下一次循环,重复步骤1,2,每次循环排序范围都缩小一位
        }

        return arr;
    }

    /**
     * 将以非叶子节点i为根节点的树调整为一个大顶堆
     * @param arr 要调整的数组
     * @param i 非叶子结点在数组中的下标
     * @param length 要调整的数组长度
     */
    public static int[] sortHeap(int[] arr,int i,int length) {
        if (arr == null || arr.length == 0) {
            throw new RuntimeException("数列必须至少有一个元素!");
        }

        //获取根节点值
        int temp = arr[i];

        //从左节点开始遍历
        for (int j = i * 2 + 1; j < length; j = j * 2 + 1) {
            //比较左右节点大小,将j指向值大的节点
            if (j + 1 < length && arr[j + 1] > arr[j]) {
                j = j + 1;
            }
            //比较将左右节点与父节点大小
            if (arr[j] > temp) {
                //如果子节点大于父节点,交换两节点位置
                arr[i] = arr[j];
                //然后继续从该子节点向下遍历
                i = j;
            }else {
                break;
            }
        }

        //结束循环时,arr[i]已经存放了以原arr[i]为根节点的树的最大值
        arr[i] = temp;

        return arr;
    }

}

相关文章

背景:计算机内部用补码表示二进制数。符号位1表示负数,0表...
大家好,我们现在来讲解关于加密方面的知识,说到加密我认为不...
相信大家在大学的《算法与数据结构》里面都学过快速排序(Qui...
加密在编程中的应用的是非常广泛的,尤其是在各种网络协议之...
前言我的目标是写一个非常详细的关于diff的干货,所以本文有...
对称加密算法 所有的对称加密都有一个共同的特点:加密和...