堆排序实现及分析

堆排序

代码实现（升序）

void Swap(int& a, int& b)
{
	int tmp = a;
	a = b;;
	b = tmp;
}
void AdjustDown(int* a, int n, int root)
{
	int parent = root;
	int child = parent * 2 + 1;
	while (child < n)
	{
		if ((child + 1 < n) && (a[child] < a[child + 1]))
		{
			child++;
		}
		if (a[child] > a[parent])
		{
			Swap(a[child], a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}
void HeapSort(int* a, int 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--;
	}
}
int main()
{
	int arr[] = { 1,0,2,9,3,8,4,7,5,6 };
	HeapSort(arr, sizeof(arr) / sizeof(arr[0]));
	for (int i = 0; i < sizeof(arr) / sizeof(arr[0]); i++)
	{
		cout << arr[i] << ' ';
	}
	return 0;
}

结果

分析

原理

堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积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。

分析思路

我们要学习堆排序，首先需要清楚什么是堆。
堆就是一种数据结构，一种逻辑结构为完全二叉树，而物理结构为顺序存储结构（即数组），这样父结点和子结点就可以通过一个关系式连接在一起了，这个关系式我们在后面分析代码时会讲，现在，我们只需要知道虽然堆实际结构为数组，但是我们仍然可以将父结点和子结点关联起来。
根据堆的性质（堆中某个结点的值总是不大于或不小于其父结点的值），将堆分为两类：大顶堆（某个结点的值总是不大于其父结点的值）、小顶堆（某个结点的值总是不小于其父结点的值）。
说到底，堆排序就是选择排序，找到最大的，放在最后，除最大的外，其他元素再组堆，再在其中找到次大的。对于组堆这个操作，我们组什么样的堆呢？
如果是升序，我们就组大顶堆；如果是降序，我就组小顶堆；当我们去分析代码时，你会恍然大悟的。那么如何构造大顶堆呢？我们来举个例子。
举例：有个数组：1 7 6 3 2 5
其逻辑结构：

我们发现，1 的左子树和右子树都已经大顶堆了，这时候我们需要一个向下调整算法，我们来模拟一下这个算法：
1 的孩子是 7 和 6；在其孩子中选出最大的，显而易见，就是 7，然后将 7 与 1 进行交换，变成：

我们接着跟踪这个 1；此时 1 的孩子 3 和 2；3大，然后让其与 1 进行比较，3 大于 1，交换。得到：

形成大顶堆。可是我们不得不说，（开始时，1 的左子树和右子树都是大顶堆，我们经过一次向下调整算法，形成了一个大顶堆）这种行为太巧合了。
所以，为了面对更为普遍的情况，我们进行了自低向下的建堆。比如：

像这样的树，我们进行一次向下调整算法即可形成大顶堆，逐次向上，体现了分治的思想。

分析代码

Ⅰ分析向下调整算法（函数AdjustDown）

传参来父结点，由公式得到左孩子的位置。
进入while循环，条件是：孩子的下标不能超出数组。

第一个if判断（判断两个孩子的大小）

条件（child + 1 < n）：防止寻找右孩子的时候超出数组，并且必须放在下一个条件前，先进行判断，因为下一个条件涉及到a[child + 1]；
条件（a[child] < a[child + 1）：如果成立，说明右孩子更大，则让child加一，则a[child]指的是右孩子，然后让a[child]与父结点进行比较，因为开始a[child]代表左孩子说明，我们默认左孩子更大。

第二个if判断（判断较大的孩子与父节点的大小）

如果孩子更大，那么交换父结点与子结点的大小，然后跟踪原来父结点的数据，直到它不会再交换为止。

Ⅱ堆排序的主体部分

第一个循环（for）（自低向上建堆）

我们可以知道最后一个孩子的下标，根据它的下标我们可以找到它的父结点的位置。开始这个父结点建堆。

第二个循环（while）

进行挑出最大值，放在最后，剩下元素的继续建堆，如此循环。

分析时间复杂度

我们想出满二叉树，最坏的情况莫过于每次都是从1层的节点最终被放到了最高层。

接下来：第二个while循环（重建堆）
重建堆次数：N - 1;
每次重建堆中比较次数：logN；
所以堆排序的时间复杂度为O(N*logN)。