排序算法之堆排序
来源:互联网 发布:业绩数据分析 编辑:程序博客网 时间:2024/05/22 14:07
堆的定义
堆实际上是一棵完全二叉树。分大顶堆和小顶堆
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
算法
大顶堆:arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2]
小顶堆:arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2]
如图
一般用数组来表示堆
根结点在角标0处
i结点的父结点下标就为(i-1)/2
i结点的左子结点下标为2*i+1
i结点的右子结点下标为2*i+2
如图
二叉树
所有的分支结点都存在左子树和右子树,并且所有的叶子结点都在同一层上称为满二叉树
除最后一层外,每一层上的结点数均达到最大值,且最后一层叶子结点一定集中在左部连续位置称为完全二叉树
如图
堆排序
堆排序是一种利用堆的性质的树形选择排序。
堆排序工作原理
第一步:构造初始堆。将给定无序序列构造成一个大顶堆(一般升序采用大顶堆,降序采用小顶堆)
第二步:将堆顶元素与末尾元素进行交换,使末尾元素最大。然后将剩余n-1个元素重新调整成一个大顶堆,再将堆顶元素与末尾元素交换,得到第二大元素…如此反复执行调整、交换,只到整个序列有序
堆排序实例步骤
第一步:建立无序序列初始堆结构图
第二步:从第一个非叶子结点从下至上,从右至左调整结构(第一个非叶子结点角标 arr.length/2-1=6/2-1=2,也就是下面角标为2的结点3)
因非叶子结点3只有一个叶子结点4,所以只需要比较3和4的大小,3<4则3与4进行位置交换,如图
第三步:再从倒数第二个非叶子结点从下至上,从右至左调整结构(倒数第二个非叶子结点角标 arr.length/2-1=6/2-1-1=1,也就是下面角标为1的结点7)
因非叶子结点7有两个叶子结点8、5。所以需要先比较8、5的大小,8>5然后再拿8与7比较,8>7则8与7进行位置交换,如图
第四步:再从倒数第三个非叶子结点从下至上,从右至左调整结构(倒数第三个非叶子结点角标 arr.length/2-1=6/2-1-1-1=0,也就是下面角标为0的结点2)
因非叶子结点2有两个叶子结点8、4。所以需要先比较8、4的大小,8>4然后再拿8与2比较,8>2则先跟新角标0的值为8,先临时记住2这个值,因角标1有两个叶子结点,所以角标1的值先不变,先比较出角标1的两个叶子结点较大值为7,再拿7与临时记住的2这个值比较,7>2所以最终2赋值到角标3上,7赋值到角标1上,如图
此时将一个无需序列构造成了一个大顶堆,即每个结点的值都大于或等于其左右孩子结点的值
第五步:将堆顶元素与末尾元素进行交换,使末尾元素最大,如图
第六步:将剩余n-1个元素重新调整成一个大顶堆,再将堆顶元素与末尾元素交换,得到第二大元素…如此反复执行调整、交换,只到整个序列有序,如图
Java代码
public class HeapSort { public static void main(String[] args) { int[] arr = {2, 7, 3, 8, 5, 4}; sort(arr); System.out.println("排序后结果是"); System.out.println(Arrays.toString(arr)); } public static void sort(int[] arr) { //1.构建大顶堆 for (int i = arr.length / 2 - 1; i >= 0; i--) { //从第一个非叶子结点从下至上,从右至左调整结构 adjustHeap(arr, i, arr.length); } //2.调整堆结构+交换堆顶元素与末尾元素 for (int j = arr.length - 1; j > 0; j--) { swap(arr, 0, j);//将堆顶元素与末尾元素进行交换 adjustHeap(arr, 0, j);//重新对堆进行调整 System.out.println(Arrays.toString(arr)); } } /** * 调整大顶堆 */ public static void adjustHeap(int[] arr, int i, int length) { int temp = arr[i];//先取出当前元素i for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {//从i结点的左子结点开始,也就是2i+1处开始 //k+1<length 防止角标越界 //arr[k]<arr[k+1] 如果左子结点小于右子结点,k指向右子结点 if (k + 1 < length && arr[k] < arr[k + 1]) { k++; } //如果子节点大于父节点,将子节点值赋给父节点(子节点值先不变,直到循环完毕后才赋值) if (arr[k] > temp) { arr[i] = arr[k]; i = k;//记录最新最小坐标,用于交换值 } else { break; } } arr[i] = temp;//i值已经变成k值,把最小值放到最下边 } /** * 交换元素 */ public static void swap(int[] arr, int a, int b) { int temp = arr[a]; arr[a] = arr[b]; arr[b] = temp; }}
打印结果
[7, 5, 4, 2, 3, 8][5, 3, 4, 2, 7, 8][4, 3, 2, 5, 7, 8][3, 2, 4, 5, 7, 8][2, 3, 4, 5, 7, 8]排序后结果是[2, 3, 4, 5, 7, 8]
算法分析
时间复杂度
堆排序的时间复杂度为O(nlogn)。由于堆排序对原始记录的排序状态并不敏感,因此它无论是最好、最坏和平均时间复杂度均为O(nlogn)。
空间复杂度
堆排序仅需一个记录大小的供交换用的辅助存储空间。
稳定性
由于记录的比较与交换是跳跃式进行,因此堆排序是一种不稳定的排序算法。
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之 堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- 排序算法之堆排序
- IoT应用/装置数量飞速成长认识LPWAN发展刻不容缓
- 微信小程序打电话
- 错误:Attempt to invoke interface method 'boolean java.util.List.add(java.lang.Object)' on a null
- WPF与Prism一并学习(四)
- 欢迎使用CSDN-markdown编辑器
- 排序算法之堆排序
- 欢迎使用CSDN-markdown编辑器
- 【Scikit-Learn 中文文档】优化估计器的超参数
- 北京数据分析师行业数据分析
- Java实现获取前、后N天日期的函数分享
- 九、python中的匿名函数
- IE edge浏览器强制修改了电话样式,有没有办法解决?
- 前端js免费的CDN网站
- Android签名与校验过程详解