堆排序详解(c语言）

一.堆

1.什么是堆

堆是一种数据结构，属于二叉树的特殊情况（完全二叉树）
堆总体可以分成两大类：大堆和小堆
大堆：要求任意一个父亲>=孩子
小堆：要求任意一个父亲<=孩子
我们可以看一下几张图判别一下：

相信大家已经有了答案：图一：大堆 图二：小堆 图三：不是堆（图三不是完全二叉树） 图四：属于一般的堆，但既不是大堆也不是小堆

2.堆的存储与建立

2.1 堆的存储

我们一般把堆存储到数组中，但是非完全二叉树就不适合用数组结构存储，只适合于用链式结构
我们举个例子：

可以看见非完全二叉树存起来数组中有空缺的位置，这也是不适合的原因之一

反之，我们可以发现堆不仅可以一层一层的进入数组，我们更是可以找到父亲节点与孩子节点之间下标的对应关系：

这是规律关系，并不是绝对关系，主要取决于编程者本身，比如说你不想下标为0的数组位置存节点，而是从下标为1的位置存节点，那么父子节点下标所具有的规律可能就发生了变化，但是大差不差。

2.2 堆的建立

说了这么多，那么大堆和小堆该如何建立起来呢？
我们采取两种方式来建立大堆（小堆类似）

a.向上调整算法建大堆

void AdjustUp(int *a,int child);

我们先把它的接口给出来，这个待传参的数组，我们假设为：

int a[5]={4,3,2,1,9}

我们发现除了画红圈的元素，其他的元素组成的本身就是一个大堆，那么我们从9这个元素开始进行调整是不是就能把他都变成一个大堆呢？

经过两次调整，我们惊奇的发现，整个堆都变成了一个大堆，但是我们调整的前提是除了那个最后一个元素之外，其他元素必须构成大堆，最后一个元素相当于插入大堆，再进行向上调整。那我们是不是可以默认第一个元素自己构成大堆，把数组从第二个元素依次插入，依次调整，以上是建立堆的思路，那我们先写一个向上调整算法。

void AdjustUp(HPDataType* a, int child)
{
	int parent = (child - 1) / 2;
	while (child > 0)                  
	{
		if (a[parent] > a[child])
		{
			Swap(&a[parent], &a[child]);
			child = parent;             
			parent = (child - 1) / 2;   
		}
		else
		{
			break;
		}

	}
}

接下来我结合我举的例子解释一下:

之后循环结束堆调整完毕
接下来就开始建堆：

for (int i = 1; i < n; i++)
	{
		AdjustUp(a, i);
	}

默认第一个元素自己构成大堆，把数组从第二个元素依次插入，依次调整，以上是建立堆的思路,

如果不理解的话可以随意设置一个待建堆数组进行分析

b. 向下调整算法建大堆

void AdjustDown(int *a,int size,int parent);

与向上调整算法类似，但是向下调整算法更加的常用，并且时间复杂度更低。因为后面的堆排序也要用到向下调整算法，因此要熟练掌握
向下调整算法建堆是比较有意思的，向下调整建堆也需要父亲节点的左右孩子都是堆，但从上往下不太容易处理，所以该算法建堆需要先找到最后一个节点的父亲
，从后面开始建堆

向下调整算法

void AdjustDown(HPDataType* a,int size, int parent)
{
	int child = parent * 2 + 1;  //假设child是左孩子，那么child+1就是右孩子
	while (child<size)
	{
		if (child+1<size&&a[child] < a[child + 1])   
		{
			child++;
		}
		if (a[parent] < a[child])
		{
			Swap(&a[parent], &a[child]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}

向下调整算法建堆：

for(int i=(n-1-1)/2;i>=0;i--)
{
     AdjustDown(a,n,i);
}

从上图可以看出，每次只处理一个圈里的问题，最后就迎刃而解了，而每一个红圈里使用的自然是向下调整算法。
这里解释一下i的初始值，(n-1)是最后一个节点（孩子）的下标，它的父亲下标是（n-1-1）/2。

二.堆排序代码及原理

实现堆排序很简单，在此之前我们必须要知道实现升序应该建立大堆还是小堆呢？
与想象的不同，实现升序应该建立大堆
试想一下，如果我们建立了小堆，我们确实找到了最小的数，但是这个数位于数组下标为0的位置，也许我们可以采取下面这种不太可靠的措施:
把最小的数存入另一个数组，把剩下的数重新建堆找到次小的数放入数组…这个方法问题很明显：1.消耗太大了 2.说好的排序，我们好像并没有直接对原数组排序，只是以升序的方式将元素存入另一个数组，违背了排序的初衷
因此这里建立大堆是比较合适的：
大堆的优势在哪里呢?
在于最大的元素在数组头上，我们可以将最后一个元素与数组头交换，这就实现了最大的元素在最后面，试想一下，头上的元素不好处理，尾上的元素还不好处理吗？我们可以将元素个数减一，不处理最后一个元素，因为最后一个元素相当于排好序了，

void HeapSort(int* a, int n)
{
	// 建大堆
	// O(N*logN)
	/*for (int i = 1; i < n; i++)
	{
		AdjustUp(a, i);
	}*/

	// O(N)
	for (int i = (n-1-1)/2; i >= 0; --i)
	{
		AdjustDown(a, n, i);
	}

	int end = n - 1;
	while (end > 0)
	{
		Swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		--end;
	}
}

以上便是堆排序的代码及解释，主要还是要知道升序建大堆，降序建小堆。而堆排序主要就是分为建堆和选数两个过程。

三.堆排序的时间复杂度

堆排序的时间复杂度是O（n*logn）
（具体计算等八大排序写完，再一起写计算过程）

编程路上，愿你越走越远，收获满载而归。