堆排序

算法思想：

 

堆：数据结构是一种数组对象，它可以被视为一种完全二叉树。Length[A]是数值中元素的个数，heap-size[A]是存放在A中堆的元素个数。就是说，A[1...heapSize[A]]中的元素属于堆，其后面的元素不属于堆。

 

大顶堆：除了叶子节点外，每个父节点的值均大于左右子节点的值。小顶堆类似。

 

堆排序时，首先需要将输入数组构造成一个最大堆：如代码中Build_MaxHeap函数。该函数从最底层的父节点开始不断调整堆，直到根节点。调整堆函数参见Max_Heapify，某个节点经该函数调整后，以该节点为根的子树都会保持着大顶堆的性质。如此就可以构建成一个大顶堆。之后，由于树根是堆中元素最大的值，我们交换树根和堆中最后一个元素的值，并去掉最后一个元素。然后调整交换后的堆，使其仍为大顶堆，如此循环。我们就可以得到正确的顺序

 

算法代码：

#filename Heap_Sort.py 堆排序

#保持堆的性质，使堆成为最大堆
def Max_Heapify(srcArray, i, heapSize):
    # srcLength = len(srcArray)
    #获得左右的子节点的位置
    leftChildPos = i*2 + 1
    rightChildPos = (i+1)*2
    largest = i

    #调整堆
    if leftChildPos < heapSize and srcArray[leftChildPos] > srcArray[i]:
        largest = leftChildPos
    if rightChildPos < heapSize and srcArray[rightChildPos] > srcArray[largest]:
        largest = rightChildPos
    if largest != i:
        temp = srcArray[i]
        srcArray[i] = srcArray[largest]
        srcArray[largest] = temp
        Max_Heapify(srcArray, largest, heapSize)
        
######################end##########################
#建堆
def Build_MaxHeap(srcArray):
    srcLength = len(srcArray)
    for i in range((srcLength-1)/2, -1, -1):
        Max_Heapify(srcArray, i, srcLength)
        
#############################################
#堆排序
def Heap_Sort(srcArray):
    Build_MaxHeap(srcArray)
    heapSize = len(srcArray)
    for i in range(len(srcArray)-1, 0, -1):
        temp = srcArray[i]
        srcArray[i] = srcArray[0]
        srcArray[0] = temp
        heapSize -= 1
        Max_Heapify(srcArray, 0, heapSize)
        
###################################################
#测试
if __name__ == '__main__':
    srcArray = [4, 1, 3, 2, 16, 9, 10, 14, 8, 7]
    print 'Before Sorted'
    print srcArray
    Build_MaxHeap(srcArray)
    Heap_Sort(srcArray)
    print 'After Sorted'
    print srcArray

算法结果：

>>> ================================ RESTART ================================>>> Before Sorted[4, 1, 3, 2, 16, 9, 10, 14, 8, 7]After Sorted[1, 2, 3, 4, 7, 8, 9, 10, 14, 16]>>>  

算法复杂度：O(nlgn)