算法学习之排序算法：堆排序

最新推荐文章于 2022-12-14 19:56:24 发布

懒人李冰

最新推荐文章于 2022-12-14 19:56:24 发布

阅读量1.7k

点赞数

分类专栏：数据结构数据结构与算法分析文章标签：堆排序排序算法

本文链接：https://blog.csdn.net/To_Be_IT_1/article/details/39402375

版权

数据结构同时被 2 个专栏收录

50 篇文章 1 订阅

订阅专栏

数据结构与算法分析

20 篇文章 8 订阅

订阅专栏

要了解堆排序，首先要了解堆的概念，因为本文主要研究堆排序的算法，此处对数据结构堆只是给出概念：n个元素的序列{k1,k2,...kn}，当且仅当满足如下关系时，称之为堆。

k[i] <= k[2i]且k[i] <= k[2i+1] （或k[i] >= k[2i]且k[i] >= k[2i+1]）

比如：序列96、83、27、38、11、09（或12、36、24、85、47、30、53、91）都是堆。

如果将堆对应的一维数组看成是一个二叉树，则堆的含义表明：完全二叉树中所有非终端结点的值均不大于（或不小于）其左、右孩子结点的值。将上面的一维数组形式的堆改写成二叉树形式的堆如下：

96 12

/ \ / \

83 27 36 24

/ \ / / \ / \

38 11 9 85 47 30 53

由上面给出的一维数组的堆和二叉树堆例子可以看出，若序列{k1,k2,...kn}是堆，则堆顶元素（或完全二叉树的根）必为序列中n个元素的最小值（或最大值）。

堆排序的过程：若在输出堆顶的最小值之后，使得剩余n-1个元素的序列重又简称一个堆，则得到n个元素中的次小值。依次反复执行，使能得到一个有序序列。

实现堆排序需要解决两个问题：

1、由一个无序序列建成一个堆。

2、在输出堆顶元素之后，调整剩余元素成为一个新的堆。

下面以序列{49、38、65、97、76、13、27、49}为例，分析如何进行建初始堆以及输出堆顶元素后如何调整建新堆。

从一个无序序列建堆的过程就是一个反复“筛选”的过程。若将此序列看成是一个完全二叉树，则最后一个非终端结点是第[n/2]个元素，由此“筛选”只需从第[n/2]个元素开始。以构造“最小值堆”为例：

/ \ 图a：因为n/2向下取整是4，第4个元素的值是97，

38 65 在最小值堆中非终端结点的值应该小于它

/ \ / \ 的左右孩子的值，此处97>49，因此将97与49交换。

97 76 13 27 得到图b。

（a）

/ \ 图b：按照顺序筛选第3个元素65，

38 65 因为65>13，所以将65与13交换，得到图c。

/ \ / \

49 76 13 27

（b）

/ \ 图c：按照顺序筛选第2个元素38，

38 13 因为38不大于其左右孩子，则筛选序列不变，得到图d。

/ \ / \

49 76 65 27

（c）

/ \ 图d：按照顺序筛选第1个元素49，

38 13 因为49>13，所以交换之，

/ \ / \ 又因为交换后的元素49仍然大于27，

49 76 65 27 继续与27进行交换，得到图e，即为构造的堆。

（d）

/ \ 图e：构造的堆。

38 27

/ \ / \

49 76 65 49

（e）

构造出新堆之后，就可以选取堆顶的元素作为最小值，然后重新调整输出堆顶元素之后的剩余元素成为一个新的堆。从而取出次小值。仍然以上面构造出的堆为例：

/ \ 图a：取出构造的堆顶元素13作为排序后

38 27 有序序列的第一个元素：{13}。

/ \ / \ 输出堆顶元素13之后，以堆中最后一个元素97替代之。

49 76 65 49 得到图b。

(a）

/ \ 图b：将97置于根结点之后，它的左右子树（图中的绿色与红色标记）

38 27 仍然为堆。仅需要自上之下调整，使整个数为堆即可。首先以堆

/ \ / \ 顶元素和其左右子树根结点的值比较，由于右子树根结点的值

49 76 65 49 小于左子树根结点的值且小于根结点的值，则将27和97交换之。

得到图c。

(b)

/ \ 图c：由于97替代了27之后破坏了右子树的“堆”，则需要进行和上述

38 97 相同的调整，直至叶子结点，得到图d。

/ \ / \

49 76 65 49

(c)

/ \ 图d：此时的二叉树是一个堆，堆顶为n-1个元素中的最小值。取出

38 49 该n-1个元素中的最小值（n个元素中的次小值）。

/ \ / \ 重复前面的步骤，依次得到最小的值。从而完成堆排序。

49 76 65 97

13 27

(d)

注意：堆排序方法对记录数较少的文件并不值得提倡，但对n较大的文件还是很有效的。堆排序在最坏的情况下，其时间复杂度为O(nlogn)。相对于快速排序来说，这是堆排序的最大优点。另外，堆排序仅需一个记录大小供交换用的辅助存储空间。

示例代码（C语言描述）：

/*********************************************************************
Author：李冰 date：2014-9-19
Email：libing1209@126.com
*********************************************************************/
typedef int HeapType;

#define LT(a, b) ((a) < (b))

//交换数据
void Swap(HeapType *a, HeapType *b)
{
	HeapType tmp = *a;
	*a = *b;
	*b = tmp;
}

//已知H[s,m]中记录的关键字H[s]之外均满足堆的定义，
//本函数调整H[s]的关键字，使H[s…m]成为一个大顶堆
void HeapAdjust(HeapType *H, int s, int m)
{
	HeapType rc = H[s];

	for(int j = 2 * s; j < m; j *= 2){  //沿关键字较大的孩子结点向下筛选
		if(j < m && LT(H[j], H[j + 1]))   //j为关键字较大的记录的下标
			++j;	
		if(!LT(rc, H[j]))           //rc应插入在位置s上
			break;

		H[s] = H[j];

		s = j;
	}

	H[s] = rc;                   //插入

}

void HeapSort(HeapType H[], int length)
{
	for(int i = length / 2; i > 0; i--)
		HeapAdjust(H, i - 1, length);   //把H[0…length-1]建成大顶堆


	for(int i = length; i > 1; i--){
		Swap(&H[0], &H[i - 1]);	//将堆顶记录和当前未经排序子序列H[0…i-1]中
                               //最后一个记录相互交换
		HeapAdjust(H, 0, i - 2);     //将H[0…i-2]重新调整为大顶堆
	}
}

测试代码如下：

int main(int argc, char **argv)
{
	HeapType H[] = {49,38,65,97,76,13,27,49};
	int length = sizeof(H) / sizeof(H[0]);

	HeapSort(H, length);
	for(int i = 0; i < length; i++){
		printf("%d ", H[i]);	
	}
	putchar('\n');

	return 0;
}

输出结果为：

13 27 38 49 49 65 76 97

懒人李冰

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
算法学习之排序算法：堆排序

要了解堆排序，首先要了解堆的概念，因为本文主要研究堆排序的算法，此处对数据结构堆只是给出概念：n个元素的序列{k1,k2,...kn}，当且仅当满足如下关系时，称之为堆。k[i] （或k[i] >= k[2i]且k[i] >= k[2i+1]）比如：序列96、83、27、38、11、09（或12、36、24、85、47、30、53、91）都是堆。如果将堆对应的一维数
复制链接

扫一扫