数据结构和算法分析之排序算法--选择排序(堆排序)
来源:互联网 发布:路由器监控上网软件 编辑:程序博客网 时间:2024/06/14 07:08
选择排序–堆排序
堆排序是一种树形选择的排序,是对直接选择排序的有效改进。
(直接选择排序:第一次选择最小值,与第一位数交换,再从后面选择最小的,和第二位数交换……直至排序结束,共n-1次)
基本思想:
堆的定义如下:具有n个元素的序列(k1,k2,…,kn),当且仅当满足:
时称之为堆。由堆的定义可以看出,堆顶元素(第一个元素)必须为最小项(或最大项)。
若一一维数组存储一个堆,则堆对应一颗完全二叉树,且所有非叶结点的值均不大于(不小于)其子女的值,根结点(堆顶元素)的值是最小(或最大的)。如下:
(a)大顶堆序列:(96, 83,27,38,11,09)
(b)小顶堆序列:(12,36,24,85,47,30,53,91)
初始时把要排序的n个数的序列看作是一颗顺序存储的二叉树,调整他们的存储序列,使之成为一个堆,将堆顶元素输出,得到n个元素中最小(或者最大)的元素,这时堆的根结点的数最小(或者最大)。然后对后面(n-1)个元素重新调整使之成为堆,再次输出堆顶元素。依次类推,直到只有两个结点的堆,并对它们做比较,最后输出n个结点的有序序列。上述过程称之为堆排序。
因此,实现堆排序需要解决两个问题:
1、如何将n个待排序的数建成堆;
2、输出堆顶元素后,怎么调整剩余的n-1个元素,使之成为新堆;
下面就针对这两个问题进行讨论:
首先讨论第二个问题:输出堆顶元素后,对剩余n-1元素重新建成堆的调整过程。
1)设有m个元素的堆,输出堆顶元素后,剩下m-1个元素。将堆底元素送入堆顶(最后一个元素与堆顶进行交换),此时堆被破坏(根结点不满足堆的性质)。
2)将根结点与左右子树中较小的元素进行交换。
3)若与左子树交换:如果左子树堆被破坏,即左子树的堆被破坏,即左子树的根结点不满足堆的性质,重复方法(2);
4)若与右子树交换,如果右子树堆被破坏,即右子树的根结单不满足堆的性质。重复方法(2);
5)继续对不满足堆性质的子树进行上述交换操作,直至堆被建成。
称这个自根结点到叶子结点的调整过程为筛选,如下图:
再讨论对n个元素初始建堆的过程。
建堆方法:堆初始序列建堆的过程,就是一个反复筛选的过程。
1)n个结点的完全二叉树,则最后一个结点是第[n/2]个结点的子树。
2)筛选从第[n/2]个结点为根的子树开始,该子树成为堆。
3)之后向前依次对各节点为根的子树进行筛选,使之成为堆,直到根结点。
如图建堆初始过程:无序序列:(49,38,65,97,76,13,27,49)
算法的实现:
从算法描述来看,堆排序需要两个过程,一是建立堆,而是堆顶与堆的最后一个元素交换位置的筛选过程。所以堆排序两个函数组成。
1)建堆的渗透函数;
2)反复调用渗透函数实现排序的函数;
代码如下:
#include<iostream>using namespace std;void print(int a[], int n){ for(int j= 0; j<n; j++){ cout<<a[j] <<" "; } cout<<endl; } /** * 已知H[s…m]除了H[s] 外均满足堆的定义 * 调整H[s],使其成为大顶堆.即将对第s个结点为根的子树筛选, * * @param H是待调整的堆数组 * @param s是待调整的数组元素的位置 * @param length是数组的长度 * */ //筛选的过程就是把序列变成堆序列--大顶堆或小顶堆void HeapAdjust(int H[],int s, int length) { int tmp = H[s]; int child = 2*s+1; //左孩子结点的位置。(i+1 为当前调整结点的右孩子结点的位置) while (child < length) { if(child+1 <length && H[child]<H[child+1]) { // 如果右孩子大于左孩子(找到比当前待调整结点大的孩子结点) ++child ; //比较左右子孩子哪个较大,取大的值。 } if(H[s]<H[child]) { // 如果较大的子结点大于父结点 --结点取较大的值 H[s] = H[child]; // 那么把较大的子结点往上移动,替换它的父结点 s = child; // 重新设置s ,即待调整的下一个结点的位置 child = 2*s+1; } else { // 如果当前待调整结点大于它的左右孩子,则不需要调整,直接退出 break; } H[s] = tmp; // 当前待调整的结点放到比其大的孩子结点位置上 } print(H,length); } /** * 初始堆进行调整 * 将H[0..length-1]建成堆 * 调整完之后第一个元素是序列的最小的元素 */ void BuildingHeap(int H[], int length) { //最后一个有孩子的节点的位置 i= (length -1) / 2 //从最后一个结点开始筛选,筛选个数是树的一半 for (int i = (length -1) / 2 ; i >= 0; --i) HeapAdjust(H,i,length); } /** * 堆排序算法 互换元素 */ void HeapSort(int H[],int length) { //初始堆 BuildingHeap(H, length); //从最后一个元素开始对序列进行调整 for (int i = length - 1; i > 0; --i) { //交换堆顶元素H[0]和堆中最后一个元素 int temp = H[i]; H[i] = H[0]; H[0] = temp; //每次交换堆顶元素和堆中最后一个元素之后,都要对堆进行调整 HeapAdjust(H,0,i); } } int main(){ int H[10] = {3,1,5,7,2,4,9,6,10,8}; cout<<"初始值:"; print(H,10); HeapSort(H,10); //selectSort(a, 8); cout<<"结果:"; print(H,10); system("pause"); return 0;}
效率分析–堆排序
堆排序的时间复杂度,主要在初始化堆过程和每次选取最大数后重新建堆的过程。
1、初始化建堆过程时间:O(n);
推算过程,参考链接:http://blog.csdn.net/yuzhihui_no1/article/details/44258297
2、更改堆元素后重建堆时间:O(nlogn)
推算过程:
重建堆的过程需要循环n-1次,每次都是从根节点往下循环查找,所以每一次时间是logn,总时间为:logn(n-1)=nlogn-logn;
综上所述,时间复杂度为:O(nlogn)。
本文资料和代码参照:http://blog.csdn.net/hguisu/article/details/7776068/
特别鸣谢~
- 数据结构和算法分析之排序算法--选择排序(堆排序)
- 数据结构:排序算法之堆排序和选择排序
- 【数据结构和算法】排序算法之二:选择排序和堆排序
- 算法分析-选择排序(直接选择排序 & 堆排序)
- 排序算法-选择排序之堆排序
- 数据结构和算法系列6 七大排序之直接选择排序和堆排序
- 算法-排序-选择排序(直接选择和堆排序)
- java实现排序算法之选择排序(简单选择排序和堆排序)
- 数据结构 排序算法之选择排序算法
- 排序算法(1):简单选择排序和堆排序
- 数据结构和算法分析之排序算法--交换排序篇(冒泡排序和快速排序)
- 算法 排序算法之选择排序--直接选择排序和堆排序
- 【数据结构】常用比较排序算法(包括:选择排序,堆排序,冒泡排序,选择排序,快速排序,归并排序)
- 经典算法之选择排序(直接选择、堆排序)
- 数据结构之排序算法(一)-堆排序
- 数据结构排序算法之堆排序
- 数据结构&算法实践—【排序|选择排序】堆排序
- 排序算法之堆和堆排序
- 邝斌的ACM模板(后缀自动机)
- 百度地图导包设置
- iOS PNChart的学习和使用
- 1080ti 驱动安装 ubuntu16.04
- Python2移植Python3
- 数据结构和算法分析之排序算法--选择排序(堆排序)
- 百度地图android sdk的一个bug
- 关于String地址引用的问题
- 编写你的第一个Django应用, 第二部分
- HihoCoder 1527 题解
- JAVA环境变量配置
- Java BigDecimal与科学计数法(转String)的问题
- HttpClick+XListview
- 深入理解JVM(十一)——Java内存模型与线程