堆排序的简单实现及最大堆的插入、删除操作

什么是堆?

优先队列:特殊的队列,取出元素的顺序是依照元素的优先权(关键字)大小,而不是进入队列的先后顺序。

堆的定义如下:具有n个元素的序列(h1,h2,…,hn),当且仅当满足(hi>=h2i,hi>=2i+1)或(hi<=h2i,hi<=2i+1)(i=1,2,…,n/2)时称之为堆。

由堆的定义可以看出,堆顶元素(即第一个元素)必为最大项(大顶堆)。完全二叉树可以很直观地表示堆的结构。堆顶为根,其它为左子树、右子树。初始时把要排序的数的序列看作是一棵顺序存储的二叉树,调整它们的存储序,使之成为一个堆,这时堆的根节点的数最大。
在这里插入图片描述

堆结构特性:

①用数组表示的完全二叉树;
②任一节点的关键字是其子树所有节点的最大值(或最小值)。

完全二叉树满足以下条件:

①所有叶子结点都出现在k或k-1层,而且从1到k-1层都必须达到最大节点数;
②第k层可以不是满的,但第k层的所有节点都必须集中在最左边;
③叶结点必须出现在最下层或次下层
在这里插入图片描述

最大堆的操作:

①插入:
算法:将新增节点插入到其父节点到根节点的有序序列中,每次插入都要与其父节点比较,如果大于父节点,则互换位置;
②删除:
从最大堆中取出键值为最大的元素,并删除一个节点,用最大堆的最后一个元素从根节点开始向上过滤下层节点。

最大堆的建立:

将已经存在的N个元素按最大堆的要求存放在一维数组中。

方法一:
通过插入操作,将N个元素一个个相继插入到一个初始为空的堆中去,其时间复杂度最大时为O(NlogN);
方法二:在线性时间下建立最大堆
①将N个元素按输入顺序存入,先满足完全二叉树的结构特性;
②调整各节点位置,以满足最大堆的有序特性。

调整算法:
①从最后一个节点的父节点(k=(array.length - 2) / 2)开始比较,是否大于左右孩子(左右孩子先进行比较,大的与父节点比较);
a.大–>位置不变
b.小–>交换位置
②当换完位置后此结点仍有子节点,重复①步骤;
③k–,循环重复①②步骤,直到K<0,结束循环。

堆排序:

最大堆建立好以后,每次将堆顶位置与末尾节点交换位置,并且保存在临时数组中,然后将剩余的(N-1)个元素继续调整成最大堆,直到所有元素有序。

代码实现:

public class Duipaixv {

	private int[] buildMaxHeap(int[] array) {
		for (int i = (array.length - 2) / 2; i >= 0; i--) {
			adjustDownToUp(array, i, array.length);
		}
		return array;
	}

	private void adjustDownToUp(int[] array, int k, int length) {
		int temp = array[k];
		for (int i = 2 * k + 1; i < length - 1; i = 2 * i + 1) {
			if (i < length && array[i] < array[i + 1]) { 
				i++;
			}
			if (temp >= array[i]) { 
				break;
			} else { 
				array[k] = array[i]; 
				k = i; 
			}
		}
		array[k] = temp; 
	}

	// 堆排序
	public int[] heapSort(int[] array) {
		array = buildMaxHeap(array); // 初始建堆,array[0]为第一趟值最大的元素
		for (int i = array.length - 1; i > 1; i--) {
			int temp = array[0]; 
			array[0] = array[i];
			array[i] = temp;
			adjustDownToUp(array, 0, i); 
		}
		return array;
	}

	// 删除堆顶元素操作
	public int[] deleteMax(int[] array) {

		array[0] = array[array.length - 1];
		array[array.length - 1] = -99999;
		adjustDownToUp(array, 0, array.length);
		return array;
	}

	// 插入操作:向大根堆array中插入数据data
	public int[] insertData(int[] array, int data) {
		array[array.length - 1] = data; 
		int k = array.length - 1; 
		int parent = (k - 1) / 2; 
		while (parent >= 0 && data > array[parent]) {
			array[k] = array[parent];
			k = parent;
			if (parent != 0) {
				parent = (parent - 1) / 2; 
			} else { 
				break;
			}
		}
		array[k] = data; 
		return array;
	}

	public void toString(int[] array) {
		for (int i : array) {
			System.out.print(i + " ");
		}
	}

	public static void main(String[] args) {
		// TODO 自动生成的方法存根
		Duipaixv hs = new Duipaixv();
		int[] array = { 87, 45, 78, 32, 17, 65, 53, 9, 122 };
		System.out.print("构建大根堆:");
		hs.toString(hs.buildMaxHeap(array));
		System.out.print("\n" + "删除堆顶元素:");
		hs.toString(hs.deleteMax(array));
		System.out.print("\n" + "插入元素63:");
		hs.toString(hs.insertData(array, 63));
		System.out.print("\n" + "大根堆排序:");
		hs.toString(hs.heapSort(array));
	}

}
  • 4
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
二叉排序树(Binary Search Tree,BST)和堆(Heap)是两种常见的数据结构,它们有以下区别: 1. 结构特点: - 二叉排序树:BST是一种二叉树,其中每个节点的值大于其左子树中的所有节点的值,小于其右子树中的所有节点的值。 - 堆:堆是一种完全二叉树,其中每个节点的值都大于或等于其子节点的值(最大堆),或者每个节点的值都小于或等于其子节点的值(最小堆)。 2. 插入删除操作: - 二叉排序树:在BST中插入删除节点的操作相对简单,只需按照特定规则找到合适的位置进行插入删除即可。 - 堆:堆的插入删除操作相对复杂,需要维护堆的性质。插入操作会将新元素放在堆的末尾,并通过上浮操作将其调整到合适位置;删除操作会将堆顶元素移除,并通过下沉操作将新的堆顶元素调整到合适位置。 3. 应用场景: - 二叉排序树:BST常用于实现动态集合,可以高效地支持查找、插入删除操作。它还可以用于实现有序遍历等操作。 - 堆:堆常用于实现优先队列,可以高效地找到最大或最小元素。它还可以用于排序算法(如堆排序)和图算法(如Dijkstra算法)等。 4. 时间复杂度: - 二叉排序树:在平衡的情况下,BST的查找、插入删除操作的平均时间复杂度为O(log n),但在最坏情况下可能退化为链表,时间复杂度为O(n)。 - 堆:堆的插入删除操作的时间复杂度为O(log n),其中n为堆中元素的个数。堆的查找操作不是其主要优势,时间复杂度为O(n)。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值