【算法与数据结构】之堆排序

优先队列

优先队列的主要操作：

• 入队
• 出队（取出优先级最高的元素）

例子：在N个元素中选出前M个元素？（比如，在100万个元素中选出前100名）
排序，NlogN
优先队列，NlogM（维护一个容量为M的最小堆，遍历完100万个数组之后，形成的最小堆中的M个元素就是最小的）

总共N个请求，使用普通数组或者顺序数组，最差情况O(n^2)
使用堆，O(nlogn)
 

二叉堆

最大堆两个特点：

1. 二叉树上任何一个节点都不大于其父节点，（并不能说明，层数越高，值就越大）
2. 是一颗完全二叉树。除了最后一层外，其他层的节点数必须是最大值，最后一层，节点数虽然可以不是最大值，但是所有节点必须集中在左侧，

用数组存储二叉堆，

节点规律：

• 已知父节点i，则left child(i) = 2*i, right child = 2 * i + 1
• 已知 子节点i，则父节点parent(i) = i / 2
   

二叉堆中插入元素(ShiftUp)

步骤：

1. 将元素插入二叉堆的最底层，
2. ShiftUp调整，将插入元素与其父节点比较，一步步向上转换（转换规则：如果该节点比其父节点还大，就往上换）
    

二叉堆中弹出元素(ShiftDown)

步骤：

1. 把根节点弹出来，把最底下的元素拿出来放入根节点，
2. ShiftDown调整，将根节点元素一步步向下转换（转换规则：比较左右孩子的大小，如果根节点比最大的子孩子还大，则将其与最大的孩子换位置）
    

堆排序——复杂度O(nlogn)

可以借助二叉堆来实现，思路是：

1. 将任意数组依次insert到最大堆O(logn)（也可以使用Heapify操作，将数组形成最大堆，复杂度O(n)）
2. 再从最大堆中依次弹出，就能得到排好序的降序序列；
   （想要得到升序序列，利用最小堆即可）
    

Heapify（将数组构造成堆）——复杂度O(n)

这是一个将给定数组，形成最大堆的方法，
将n个元素逐个插入到一个空堆中，复杂度是O(nlogn)，而heapify过程，复杂度只有O(n)。
具体操作是：

1. 将元素顺序塞入最大堆中去，
2. 对于所有的叶子节点，本身就是一个最大堆，不用进行处理；从第一个不是叶子节点的节点（从n/2的位置开始，逆序降到1） 开始， 逐级向上处理，将叶子节点的父节点当做一个最大堆，这时候只需执行ShiftDown操作，将小的根节点往下转换，一直递归到最底层结束。

【分析】：
将n个元素逐个插入到一个空堆中，算法复杂度是O(nlogn)，

 

原地堆排序

步骤： 拿出最大堆顶端的最大值，与最后一个元素交换，最大元素已经归位，count–，拿出此时的顶端值，使用ShiftDown调整顶端值，使得剩余元素依然是一个最大堆，继续拿出顶端的最大值，与最后一个元素交换，使用ShiftDown调整，依次类推。

对于这个二叉堆的节点编号（根节点为0号），父节点与子节点的关系为：
parent(i) = (i -1) /2
left child(i) = 2 * i + 1
right chid(i) = 2 * i + 2

索引堆

在堆中存放的是索引，数组本身没有发生改变。比较大小的时候，比较的是data数据，但是构建索引堆的时候，堆中存放的是data数据对应的下标。元素交换的时候，也只是交换索引即可。

• 构建一个索引堆
• 实现索引堆的插入，弹出元素功能
• 实现元素交换的功能（将原数组中第i个位置的元素替换成一个新的值item）：需要先找到这个元素在索引堆中的位置（需要遍历索引数组，复杂度O(n)），然后分别进行ShiftUp & ShiftDown

索引堆的改进——反向查找

构造reverse数组，reverse数组中存放的是数组的下标在indexes中的位置。
使之与indexes数组互为逆序，即indexes[i] = j , reverse[j] = i
indexes[reverse[i]]=i reverse[i]本身的定义就是表示索引i在indexes中的位置，因此indexes[reverse[i]]=i
reverse[indexes[i]] = i indexes[i]表示i这个位置的索引是谁，reverse表示这个索引在indexes中的位置，

堆的应用

多路归并排序

d叉堆（d>2）