ACM教程 - 堆排序

简介: ACM教程 - 堆排序

定义

堆是一种叫做完全二叉树的数据结构。这里我们用到两种堆,其实也算是一种。

  • 大顶堆:每个节点的值都大于或者等于它的左右子节点的值。
  • 小顶堆:每个节点的值都小于或者等于它的左右子节点的值。

image.png

Ps:小顶堆有误,节点3 和 节点2 换下位置!

如上所示,就是两种堆。如果我们把这种逻辑结构映射到数组中,就是下边这样

9 5 8 2 3 4 7 1
1 2 5 4 3 8 9 7

这个数组 arr 逻辑上就是一个堆。从这里我们可以得出以下性质(重点)

  1. 对于大顶堆:arr[i] >= arr[2i + 1] && arr[i] >= arr[2i + 2]
  2. 对于小顶堆:arr[i] <= arr[2i + 1] && arr[i] <= arr[2i + 2]
  • 稳定性:根据 相等元素 在数组中的 相对顺序 是否被改变,排序算法可分为「稳定排序」和「非稳定排序」两类。
  • 就地性:根据排序过程中 是否使用额外内存(辅助数组),排序算法可分为「原地排序」和「异地排序」两类。一般地,由于不使用外部内存,原地排序相比非原地排序的执行效率更高。
  • 自适应性:根据算法 时间复杂度 是否 受待排序数组的元素分布影响 ,排序算法可分为「自适应排序」和「非自适应排序」两类。「自适应排序」的时间复杂度受元素分布影响,反之不受其影响。
  • 比较类:比较类排序基于元素之间的 比较算子(小于、相等、大于)来决定元素的相对顺序;相对的,非比较排序则不基于比较算子实现。

图解

image.png

4 5 8 2 3 9 7 1

以该数组为例,构建最大堆实现从小到大排序,几个要点如下

  1. 一开始构建最大堆,从最后一个非叶子节点开始直到根节点进行自底向上(从下到上,从右到左)
  2. 轮到自己节点时(当前作为父节点来看待),分别比较自己的左子节点和右子节点,最终判断出最大的节点,如果最大节点是自己本身,不交换;否则自己节点和最大节点进行交换
  3. 如果第 2 点不存在交换(跳过第 3 点),否则继续将换下去的子节点(原本是父节点,没错吧),继续往下维护同样的比较操作,直到没有节点了为止image.png
  • 以上构建最大堆完毕,接下来开始真正的堆排序,第一次构建完,根节点一定是最大值,换到最后 1 个叶子节点,此时最后 1 个节点到了根节点,再进行维护堆,就又会产生第 2 个最大值,然后再次将该根节点交换到倒数第 2 个叶子节点,依此类推。完毕(因为篇幅有限,只罗列解释中关键几个中间过程图例)

image.pngimage.pngimage.pngimage.png

性质

  • 时间复杂度
  • 最佳 O(nlogn)
  • 平均 O(nlogn)
  • 最差 O(nlogn)
  • 空间复杂度
  • 最差 O(1)
  • 稳定性:不稳定
  • 就地性:原地
  • 自适应性:非自适应
  • 比较类:比较

Java

publicclassHeapSort {
// 入口在这publicstaticvoidheapSort(int[] arr) {
if (arr==null||arr.length==0) {
return;
        }
intlen=arr.length;
// 构建大顶堆,这里其实就是把待排序序列,变成一个大顶堆结构的数组buildMaxHeap(arr, len);
// 交换堆顶和当前末尾的节点,重置大顶堆for (inti=len-1; i>0; i--) {
swap(arr, 0, i);
len--;
heapify(arr, 0, len);
        }
    }
privatestaticvoidbuildMaxHeap(int[] arr, intlen) {
// 从最后一个非叶节点开始向前遍历,调整节点性质,使之成为大顶堆for (inti= (len-1) /2; i>=0; i--) {
heapify(arr, i, len);
        }
    }
privatestaticvoidheapify(int[] arr, inti, intlen) {
// 先根据堆性质,找出它左右节点的索引intleft=2*i+1;
intright=2*i+2;
// 默认当前节点(父节点)是最大值。intlargestIndex=i;
if (left<len&&arr[left] >arr[largestIndex]) {
// 如果有左节点,并且左节点的值更大,更新最大值的索引largestIndex=left;
        }
if (right<len&&arr[right] >arr[largestIndex]) {
// 如果有右节点,并且右节点的值更大,更新最大值的索引largestIndex=right;
        }
if (largestIndex!=i) {
// 如果最大值不是当前非叶子节点的值,那么就把当前节点和最大值的子节点值互换swap(arr, i, largestIndex);
// 因为互换之后,子节点的值变了,如果该子节点也有自己的子节点,仍需要再次调整。heapify(arr, largestIndex, len);
        }
    }
privatestaticvoidswap (int[] arr, inti, intj) {
inttemp=arr[i];
arr[i] =arr[j];
arr[j] =temp;
    }
}
目录
相关文章
|
人工智能 算法
ACM算法训练【双指针算法合集】
思路: 找到i,j的单调性,统一向后移动,使时间复杂度为O(2n) 枚举i,每次看j是否需要向后走,得到最长的长度
91 1
ACM算法训练【双指针算法合集】
|
算法 C++
ACM算法训练【快速排序】
ACM算法训练【快速排序】
56 0
ACM算法训练【快速排序】
|
算法
ACM算法训练【归并排序】
ACM算法训练【归并排序】
64 0
ACM算法训练【归并排序】
|
搜索推荐 算法 Java
ACM教程 - 选择排序
ACM教程 - 选择排序
135 0
ACM教程 - 选择排序
|
搜索推荐 算法 Java
ACM教程 - 插入排序
ACM教程 - 插入排序
135 0
ACM教程 - 插入排序
|
搜索推荐 算法 Java
ACM教程 - 冒泡排序
ACM教程 - 冒泡排序
157 0
ACM教程 - 冒泡排序
|
搜索推荐 算法 Java
ACM教程 - 希尔排序
ACM教程 - 希尔排序
186 0
ACM教程 - 希尔排序
ACM模板——排序 - 归并排序
ACM模板——排序 - 归并排序
110 0
ACM模板——排序 - 归并排序
|
算法 Java Python
ACM 选手图解 LeetCode 最大二叉树
ACM 选手图解 LeetCode 最大二叉树
ACM 选手图解 LeetCode 最大二叉树
|
算法 Java Python
ACM 选手图解 LeetCode 相同的树
ACM 选手图解 LeetCode 相同的树
ACM 选手图解 LeetCode 相同的树