堆排序基本思路

最新推荐文章于 2022-10-03 22:17:40 发布
最新推荐文章于 2022-10-03 22:17:40 发布
阅读量376 收藏
点赞数
文章标签： 数据结构与算法
原文链接：https://my.oschina.net/u/4177395/blog/3102142
版权

堆排序的基本思路：

　　a.将无需序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆;

　　b.将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端;

　　c.重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，反复执行调整+交换步骤，直到整个序列有序。

转载于:https://my.oschina.net/u/4177395/blog/3102142

chisenna4965
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
堆排序算法c语言实现
10-25
学习堆排序时自己编的代码，里面有自动生成随机数的代码段方便大家测试
堆排序的基本思路和实现
Hobo_hua的博客
08-18 1102
堆排序 堆排序的基本思想是： 1、将待排序序列构造成一个大顶堆（升序大顶堆，降序小顶堆） 2、此时，整个序列的最大值就是堆顶的根结点 3、将其与末尾元素进行交换，此时末尾就为最大值 4、如何将剩余n-1个元素重写构造成一个堆，这样就会得到n个元素的次小值。 如此反复执行，便能得到一个有序序列 代码实现 public static void heapSort(int[] arr) { //找到第一个非叶子结点 （arr.lentgh / 2 - 1 的索引处就是第一个非叶子结点） //排成一个大顶堆
堆排序的基本思路
阿楠的博客
01-29 253
堆排序 虽然树还没弄懂，但是这个算法中用到的完全二叉树还是很容易懂的。 我们将堆排序的算法分为两部分，一部分是排序算法，另一部分是构造堆的算法。 void HeapAdjust(SqList* L, int s, int m) { // 调整堆内元素排序位置，将双亲结点和孩子结点中元素值最大的赋值给根结点 int temp, j; temp = L->Array[s]; for (j = 2 * s; j <= m; j *= 2) { // 沿较大孩子结
堆排序
01-20
想要了解堆排序，最好先掌握堆的基本操作。 思路 思考取出堆元素的操作，每取出一个元素，堆里面的元素就减少一个，但是存储堆元素的数组空间大小是不变的。所以可以把一个元素从堆取出后，将其存储在堆中最后一个...
【排序知多少】堆排序详解
01-08
堆排序的思路 堆排序（Heap Sort）就是利用堆进行排序的方法。他的基本思想是，将待排序的序列构造成一个大顶堆，此时，整个序列的最大值就是对定的根节点。将他移走（其实就是将其余对数组的末尾元素交换，此时末尾...
挑战七大排序算法-04堆排序
01-07
堆排序的基本思路： a.将无需序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆; b.将堆顶元素与末尾元素交换，将最大元素”沉”到数组末端; c.重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾...
堆排序详解升序和降序Java版本
最新发布
12-28
堆排序的思路主要就是建堆和排序两部分组成。堆排序是基于⼆叉树的，那么我们⾸先得知道⼆叉树得基本特性。我们在堆排序中定义这样⼀种完整⼆叉树，其中每个结点的值都⼤于等于它的孩⼦，那么我们就称之为最⼤堆，...
C++选择排序算法实例详解
01-21
1.排序思路 从第i趟开始，从当前无序区arr[i…n-1]中选出最小元素arr[k]，将它与有序区的最后一个元素，也就是无序区的第一个元素交换。每趟排序后，有序区增加一个元素，无序区减少一个元素，且有序区中所有元素均...
堆排序思路
bureau123的博客
09-29 509
原理   堆排序顾名思义，就是利用堆这种数据结构来进行排序，堆是一个完全二叉树，关于什么是完全二叉树可以参考完全二叉树和满二叉树，并且满足父节点总是大于子节点或者小于子节点，父节点大于子节点的叫大顶堆，小于子节点的叫小顶堆。   要实现由小到大排序，就得建立大顶堆，反之小顶堆。堆排序实现思路如下： 2.1、初始化数组，创建大顶堆。 1. 大顶堆的创建从下往上比较，不能直接用无序数组从根节点比较，否则有的不符合大顶堆的定义。 2.2、交换根节点和倒数第一个数据，现在倒数第一个数据就是最大的。 2.3、重新建
堆排序(思路详细介绍)
weixin_44153921的博客
11-25 585
文章目录概述完全二叉树介绍构建最小堆比较思路遍历思路测试整体代码输出结果 概述 堆排序算法的时间复杂度为nlog2n，最坏最好情况下都是nlog2n，空间复杂度为o(1),是不稳定的排序算法。 完全二叉树介绍 通过下图映射关系，可以知道数组中元素索引和满二叉树具体位置的对应关系 构建最小堆 比较思路 比较顺序-不断和子节点进行比较 如果比子节点都小就停止 否则相互替换，继续和底部子节点比较，直到没有子节点 // parent*2+1 parent*2+2 public static
堆排序思路和理解
weixin_44020556的博客
07-09 174
堆排序思路: 1.先把数组中的元素依次传入构造为大根堆 2.交换根节点(数组第一个元素)和末尾的叶节点(数组最后一个元素) 3. 调整此时交换后的乱序大根堆 4. 调整完毕后，重复2，3步骤 5. 总结: 通过每次将大根堆中的栈顶元素和末尾元素交换，达到将该栈顶元素排好序的目的，依次 循环。 6. 要注意的点: 6-1 注意边界值的控制，设置区间[0, heapSize)为大根堆的范围，以此...
堆排序具体思路以及实现（图解）
qq_44423388的博客
10-03 504
堆排序： 可以将数据看做一个完全二叉树，然后将其调整为大跟堆（升序），此时，根节点就可以保证是数据中的最大值， 接下来，将根节点与最后一个节点交换，这时可以将最后一个节点剔除出排序（因为最后一个节点值已经有序），完全二叉树的节点个数 -= 1， 直到这颗完全二叉树的节点个数为1时，则完全有序。
堆排序算法思路详解
weixin_34033624的博客
05-11 156
堆排序是一种常见的排序算法，其时间复杂度为O(logN)，重要思想为建堆取极值，根据需求进行排序，如下图：值得思考的是，二次建堆的过程中，实际上是没有必要将所有元素都进行下调，只需要将根进行下调：实现代码如下：template<classT>//建立仿函数模板满足排序需求 structCompMax { booloperator(...
堆排序：思路与实现
kross
11-09 259
学习了一下堆排序的思想，分享一下我的理解。 首先介绍一些概念。 堆(heap)，最大堆(max heap)，最小堆(min heap) 堆是一种特别的树状结构，普通的树结构，没有对子节点也特别的规定，但堆是一颗完全的树，除了最底层，上面的每一层都是满的。 如果一个堆中所有的节点，它有用子节点的话，并且这个节点大于它的子节点，那么这个堆就是最大堆。 如果一个堆中所有的节点，它有用子节点的话，并且这个...
堆排序的基本思想及实现
JSUITDLWXL的博客
04-15 2532
堆排序基本介绍： 1.堆排序是利用堆这种数据结构而设计的一种排序算法，堆排序是一种选择排序，它的最好，最坏，平均时间复杂度均为O(nlogn),它也是不稳定排序 2.堆是具有以下性质的完全二叉树：每个结点的值都大于或等于其左右孩子结点的值， 称为大顶堆，注意：没有要求结点的左孩子的值和右孩子的值的大小关系 3.每个结点的值都小于或等于其左右孩子结点的值，称为小顶堆 堆排序的核心思想： 将待排序序列构造成一个大顶堆 此时，整个序列的最大值就是堆顶的根节点 将其与末尾元素进行交换，此时.
堆排序思路讲解
Daryl的博客
01-22 248
农历腊月二十八，快过年喽，咱们来聊聊堆排序吧。 堆的物理存储结构是一维数组，逻辑存储结构是完全二叉树。 堆是一棵无序树。 堆排序是利用了堆这个数据结构而设计的一种排序算法，是一种选择排序，最好，最坏，平均时间复杂度都是 O(nlogn)，是不稳定的排序。 （不稳定的排序是指 如果有两个相同的数字，在排序之后位置发生了变化，即为不稳定的排序） 下面是堆的结构： 大顶堆和小顶堆 大顶堆：每个结点的值都...
介绍一下堆排序
05-31
堆排序（Heap Sort）是一种基于完全二叉树的排序算法，它的核心思想是通过建立一个二叉堆（heap）来实现排序。 堆是一种数据结构，它满足以下两个条件： 1. 堆是一棵完全二叉树（除了最后一层，其他层都是满的，最后一层从左到右排列）。 2. 堆中的每个节点都要满足堆的性质，即父节点的值大于（或小于）它的子节点的值，根据父节点的值与子节点的值的大小关系，堆被分为大根堆和小根堆。 堆排序的基本思路是将待排序的序列构建成一个大根堆或小根堆，然后将堆顶元素与堆底元素交换位置，再对剩余的元素重新构建堆，重复此过程直到所有元素都排好序。 堆排序的时间复杂度为O(nlogn)，空间复杂度为O(1)，它是一种不稳定的排序算法，因为在交换堆顶元素和堆底元素时可能会破坏相同元素的相对位置关系。 下面是一个简单的堆排序实现代码： ```python def heap_sort(arr): n = len(arr) # 构建大根堆 for i in range(n // 2, -1, -1): heapify(arr, n, i) # 逐个取出堆顶元素，放到末尾，重新构建堆 for i in range(n - 1, 0, -1): arr[0], arr[i] = arr[i], arr[0] heapify(arr, i, 0) def heapify(arr, n, i): # 将以i为根节点的子树调整为大根堆 largest = i left = 2 * i + 1 right = 2 * i + 2 if left < n and arr[left] > arr[largest]: largest = left if right < n and arr[right] > arr[largest]: largest = right if largest != i: arr[largest], arr[i] = arr[i], arr[largest] heapify(arr, n, largest) ``` 其中，heapify函数用于将以i为根节点的子树调整为大根堆，heap_sort函数用于构建堆和排序。

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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