Go语言学习笔记【15】 排序算法之堆排序、桶排序、基数排序

【声明】

非完全原创，部分内容来自于学习其他人的理论。如果有侵权，请联系我，可以立即删除掉。

一、堆排序

1、方法和复杂度

1.1、核心思想

• 利用堆这种数据结构所设计的一种排序算法。堆是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点
• 根据这个特点，先将待排序的序列构造成一个小顶堆，则堆顶就是序列中最小的元素
• 取出堆顶元素，用最后一个元素填充堆顶，然后重新构建小顶堆
• 重复上面过程，取出来的元素就是一个从小到大的有序序列

1.2、主要方法

1.2.1、筛选法

（1）构建小顶堆：按照完全二叉树的规则，将元素依次填充到树上的结点；然后根据下往上，从右往左得顺序，根据小顶堆的规则比较子结点和父结点进行调整，直到整棵树都满足小顶堆的要求
（2）取出堆顶元素，剩余元素重新构建小顶堆
（3）重复（2），直到序列只剩下一个元素，则取出来的序列就是有序序列

1.2.2、插入法

主要区别在于初始创建堆的过程。筛选法是先用元素依次填满二叉树，然后根据规则进行调整；而插入法：

• 假设二叉树是空的，先将第一个元素作为根结点
• 从后面取一个待插入的结点，将被插入元素与其父节点进行比较，若大于父节点，则与父节点交换交换后继续向上检查，直到根结点
• 重复上一个步骤，直到所有元素插入到完全二叉树中并调整成小顶堆

1.3、特点及构建堆的分析

（1）特点：

• 对于小顶堆有：arr[i] <= arr[2i + 1] && arr[i] <= arr[2i + 2]
• 对于大顶堆有：arr[i] >= arr[2i + 1] && arr[i] >= arr[2i + 2]

（2）分析

注意：数组最后一个元素是一个叶子结点，因此以此为突破口，可以查找其父结点。
当完全二叉树除了叶子结点之外，其他结点均有左右子结点时，树的结点总个数为奇数，以此分析：

• 若数组长度为偶数，则最后元素是左叶子结点，得：2*dad + 1 == len(arr)-1 ==> dad = len(arr)/2 -1
• 若数组长度为奇数，则最后元素是右叶子结点，得：2*dad + 2 == len(arr)-1 ==> dad = [len(arr)-1] /2 - 1

因此，最后一个元素的父结点索引是len(arr)/2-1，而该结点也是最后一个非叶子结点

1.3、稳定性

该算法不能保证相等元素的相对顺序，属于非稳定排序。原因是，父结点和子节点进行交换时，可能会将后面的元素交换到前面去，从而破坏稳定性

举例：假如数组{5, 7, 6, 4, 3, 4}。则小顶堆构建时，第一次交换就破坏了稳定性。

1.4、时间复杂度

具体分析见：堆排序算法描述及时间复杂度分析

1.4.1、初始化堆的时间复杂度

最好情况：当按照顺序排列出的完全二叉树完全满足堆的规则时，父结点只需要和左右子结点比较大小，不需要进行元素交换，其时间复杂度为 $O(N)$
最坏情况：当每次调整堆进行检查时，父节点每次都需要和子结点交换位置，且子节点也需要不停往下检查换位，直到叶子结点。设当前结点的深度为k，则该层的结点最多有 $2^{k-1}$。设堆的高度为 $h=lo{g}_{2}N$，则当前结点最坏情况需要移动到最后一层，则移动的次数为h - k。而每一层需要和左、右节点比较，因此每层需要比较2次。那么最坏情况下的时间复杂度为：

$T[N]=$ ${\sum }_{k=1}^{h-1}{2}^{k-1}\ast 2\ast (h-k)$= ${\sum }_{k=1}^{h-1}{2}^k(h-k)$
$=(h-1)2^1+(h-2)2^2+(h-3)2^3+..+2^{h-1}\ast 1$
由于 $2T[N]=(h-1)2^2+(h-2)2^3+(h-3)2^4+..+2^h\ast 1$， 因此
T [ N ] = 2 0 + 2 1 + 2 2 + 2 3 + . . + 2 h − 2 ∗ h − 1 T[N]=2^0+2^1+2^2+2^3+..+2^h-2*h-1 T[N]=2