【算法导论】堆排序

简介:         堆排序像合并排序一样,时间复杂度为O(nlogn);像插入排序一样,是一种原地排序(在任何时候只有常数个元素存储在数组外)。         二叉堆的概念:是一种数组对象,可以被视为一棵完全二叉树,树的每一层都是填满的,最后一层可能除外。

        堆排序像合并排序一样,时间复杂度为O(nlogn);像插入排序一样,是一种原地排序(在任何时候只有常数个元素存储在数组外)。

        二叉堆的概念:是一种数组对象,可以被视为一棵完全二叉树,树的每一层都是填满的,最后一层可能除外。

        二叉树有两种:最大堆和最小堆。最大堆:父节点不小于子节点。最小堆:父节点不大于子节点。在堆排序中我们使用最大堆;最小堆通常在构造优先队列时使用。

        进行堆排序分为三个模块:1.保持最大堆性质;2.建堆;3:进行排序。

        1.保持最大堆性质即使以i为根的子树成为最大堆

            可以由下图为例:

         

   具体程序如下

/*****************************************\
 输入:原始数组arrayA 父节点的下标i             
 功能:使以i为根的子树成为最大堆
 时间复杂度:lgn即树的层数
\*****************************************/

void MaxHeapify(int* arrayA,int n,int i)//i为父节点的在数组的下标
{
	
	int Length=n;
	
	int l=2*i;//l为左子节点的在数组的下标
	int r=l+1;//r为右子节点的在数组的下标
	int largest=0;
	int temp=0;

	if((l<Length)&&(arrayA[l]>arrayA[i]))
       largest=l;
	else
		largest=i;
	if((r<Length)&&(arrayA[r]>arrayA[largest]))
	    largest=r;
	if(largest!=i)
	{
		temp=arrayA[i];
		arrayA[i]=arrayA[largest];
		arrayA[largest]=temp;
		MaxHeapify(arrayA,n,largest);
	}
}

    2.建堆:使数组arrayA中的元素成为最大堆

     


具体程序如下

/*****************************************\
 输入:原始数组arrayA              
 功能:使数组arrayA中的元素成为最大堆
 时间复杂度:nlgn
\*****************************************/
void BuildMaxHeap(int* arrayA,int n)
{
	for(int i=n/2;i>0;i--)
		MaxHeapify(arrayA,n,i);
}

3.堆排序

   主要思想是将每次的堆的顶节点与最末的叶节点进行交换,然后重新根据最大堆性质使得顶节点(根)成为最大值,如此循环。

   

具体程序如下:

/*****************************************\
 输入:原始数组arrayA              
 功能:进行从小到大的排序
 时间复杂度:nlgn
\*****************************************/
void HeapSort(int* arrayA,int n)
{
	int temp=0;
	int Length=n;
	for(int i=Length-1;i>=2;i--)
	{
		temp=arrayA[1];
		arrayA[1]=arrayA[i];
		arrayA[i]=temp;
		n--;
		MaxHeapify(arrayA,n,1);
	   
	}
}

下面将三个步骤综合起来,总的排序算法程序如下

#include<iostream>
#include<ctime> 
using namespace std;

void MaxHeapify(int* arrayA,int n,int i);//保持最大堆的性质
void BuildMaxHeap(int* arrayA,int n);//构造堆
void HeapSort(int* arrayA,int n);//进行堆排序

void main()
{

	int arrayA[11]={0,4,1,3,2,16,9,10,14,8,7};//第一个空间不用,是为了方便下标计算

	int Length=sizeof(arrayA)/sizeof(int);//数组的长度

	BuildMaxHeap(arrayA,Length);//利用数组arrayA建立最大堆

	cout<<"原序列为:";
    for(int i=0;i<Length;i++)
		cout<<arrayA[i]<<" ";
	cout<<endl;

	HeapSort(arrayA,Length);

	cout<<"排序好的序列为:";
	for(int i=0;i<Length;i++)
		cout<<arrayA[i]<<" ";
	cout<<endl;



}

/*****************************************\
 输入:原始数组arrayA 父节点的下标i             
 功能:使以i为根的子树成为最大堆
 时间复杂度:lgn即树的层数
\*****************************************/

void MaxHeapify(int* arrayA,int n,int i)//i为父节点的在数组的下标
{
	
	int Length=n;
	
	int l=2*i;//l为左子节点的在数组的下标
	int r=l+1;//r为右子节点的在数组的下标
	int largest=0;
	int temp=0;

	if((l<Length)&&(arrayA[l]>arrayA[i]))
       largest=l;
	else
		largest=i;
	if((r<Length)&&(arrayA[r]>arrayA[largest]))
	    largest=r;
	if(largest!=i)
	{
		temp=arrayA[i];
		arrayA[i]=arrayA[largest];
		arrayA[largest]=temp;
		MaxHeapify(arrayA,n,largest);
	}
}


/*****************************************\
 输入:原始数组arrayA              
 功能:使数组arrayA中的元素成为最大堆
 时间复杂度:nlgn
\*****************************************/
void BuildMaxHeap(int* arrayA,int n)
{
	for(int i=n/2;i>0;i--)
		MaxHeapify(arrayA,n,i);
}


/*****************************************\
 输入:原始数组arrayA              
 功能:进行从小到大的排序
 时间复杂度:nlgn
\*****************************************/
void HeapSort(int* arrayA,int n)
{
	int temp=0;
	int Length=n;
	for(int i=Length-1;i>=2;i--)
	{
		temp=arrayA[1];
		arrayA[1]=arrayA[i];
		arrayA[i]=temp;
		n--;
		MaxHeapify(arrayA,n,1);
	   
	}
}

注意:我是在vs2008上运行的,与vc 6.0有点区别,主要是循环体中的循环变量的作用域,出错体现在循环变量的重复定义上。例如:在vs2008或vs2010上,程序为:

#include<stdio.h>
void main()
{
int i=0;
for(int i=0;i<5;i++)
printf("%d ",i);
}

则在VC 6.0上需改为:

#include<stdio.h>
void main()
{
int i=0;
for(i=0;i<5;i++)
printf("%d ",i);
} 



原文:http://blog.csdn.net/tengweitw/article/details/9152899

作者:nineheadedbird


目录
相关文章
|
6月前
|
算法 Python
数据结构算法--4堆排序
堆排序过程概述:建立大根堆,将堆顶最大元素移出并替换为末尾元素,调整保持堆性质,重复此过程直至堆为空,实现排序。时间复杂度为O(nlogn)。Python中可用heapq模块进行堆操作。
|
7月前
|
机器学习/深度学习 人工智能 算法
数据结构与算法:堆排序和TOP-K问题
朋友们大家好,本节内容来到堆的应用:堆排序和topk问题
数据结构与算法:堆排序和TOP-K问题
|
7月前
|
存储 人工智能 算法
深入浅出堆排序: 高效算法背后的原理与性能
深入浅出堆排序: 高效算法背后的原理与性能
119 1
|
2月前
|
算法 搜索推荐
数据结构与算法学习十八:堆排序
这篇文章介绍了堆排序是一种通过构建堆数据结构来实现的高效排序算法,具有平均和最坏时间复杂度为O(nlogn)的特点。
73 0
数据结构与算法学习十八:堆排序
|
2月前
|
算法 搜索推荐
算法之堆排序
本文介绍了堆排序算法的原理和实现,通过构建最大堆或最小堆,利用堆的性质进行高效的排序,并提供了具体的编程实现细节和示例。
23 0
算法之堆排序
|
2月前
|
算法 Java Go
深入了解堆排序算法
深入了解堆排序算法
26 1
|
7月前
|
移动开发 算法 前端开发
前端算法之堆排序
前端算法之堆排序
42 1
|
6月前
|
搜索推荐 算法 Java
Java中的快速排序、归并排序和堆排序是常见的排序算法。
【6月更文挑战第21天】Java中的快速排序、归并排序和堆排序是常见的排序算法。快速排序采用分治,以基准元素划分数组并递归排序;归并排序同样分治,先分割再合并有序子数组;堆排序通过构建堆来排序,保持堆性质并交换堆顶元素。每种算法各有优劣:快排平均高效,最坏O(n²);归并稳定O(n log n)但需额外空间;堆排序O(n log n)且原地排序,但不稳定。
49 3
|
6月前
|
搜索推荐 算法
【C/排序算法】:堆排序和选择排序
【C/排序算法】:堆排序和选择排序
35 0
|
6月前
|
存储 算法 C语言
数据结构和算法——堆排序(选择排序、思路图解、代码、时间复杂度、堆排序及代码)
数据结构和算法——堆排序(选择排序、思路图解、代码、时间复杂度、堆排序及代码)
38 0