9.3堆排序

选择排序

void Selection_Sort( ElementType A[], int N )
{
    for( i=0; i<N; i++ ) {
        MinPosition = ScanForMin( A, i, N-1 );
        //从A[i]到A[N-1]中找到最小元，并将其位置赋给MinPosition
        Swap( A[i], A[MinPosition] );
        //将未排序部分的最小元换到有序部分的最后位置
    } 
}

• 无论如何：$T=\Theta (N^2)$

堆排序

• 算法1

 void Heap_Sort( ElementType A[], int N )
 {
     BuildHeap(A);//O(N)
     for( i=0; i<N; i++ )
         TmpA[i] = DeleteMin(A);//O(logN)
     for( i=0; i<N; i++ ) //O(N)
         A[i] = TmpA[i];
 }

• T(N) = O( N logN )

• 需要额外O(N)空间，并且复制元素需要时间。

• 算法2

void Heap_Sort( ElementType A[], int N )
{
    for( i=N/2; i>=0; i-- )// BulidHeap
        PercDown( A, i, N );
    for( i=N-1; i>0; i-- ) {
        Swap( &A[0],&A[i] );//DeleteMax
        PercDown( A, 0, i);
    }
}

• 定理：堆排序处理N个不同元素的随机排列的平均比较次数是$2NlogN-O(NloglogN)$。

• 虽然堆排序给出最佳平均时间复杂度，但实际效果却不如用Sedgewick增量序列的希尔序列。

• 堆排序是不稳定的。

• 堆排序最适合解决什么样的问题？

  • 堆具有非常好的push和pop特性，适合做数据存储器，而且大顶小顶特性有保证数据顺序的重整。
  • 在大数据里寻求小数据

void Swap( ElementType *a, ElementType *b )
{
     ElementType t = *a; *a = *b; *b = t;
}
  
void PercDown( ElementType A[], int p, int N )
{ /* 改编代码4.24的PercDown( MaxHeap H, int p )    */
  /* 将N个元素的数组中以A[p]为根的子堆调整为最大堆 */
    int Parent, Child;
    ElementType X;
 
    X = A[p]; /* 取出根结点存放的值 */
    for( Parent=p; (Parent*2+1)<N; Parent=Child ) {
        Child = Parent * 2 + 1;
        if( (Child!=N-1) && (A[Child]<A[Child+1]) )
            Child++;  /* Child指向左右子结点的较大者 */
        if( X >= A[Child] ) break; /* 找到了合适位置 */
        else  /* 下滤X */
            A[Parent] = A[Child];
    }
    A[Parent] = X;
}
 
void HeapSort( ElementType A[], int N ) 
{ /* 堆排序 */
     int i;
       
     for ( i=N/2-1; i>=0; i-- )/* 建立最大堆 */
         PercDown( A, i, N );
      
     for ( i=N-1; i>0; i-- ) {
         /* 删除最大堆顶 */
         Swap( &A[0], &A[i] ); /* 见代码7.1 */
         PercDown( A, 0, i );
     }
}