堆排序基本介绍
- 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,它的最坏,最好,平均时间复杂度均为O(nlogn),它是不稳定排序(相同的两个值排序后的先后顺序可能发生变化)。
- 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 ,如图1。 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。
- 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 ,如图2。
- 升序可以选择使用大顶堆,降序可以选择使用小顶堆
- 根节点就是这个堆中最大(大顶堆)或最小(小顶堆)的那个元素。
- 堆排序用到了完全二叉树的顺序存储结构(即数组),所以顺序存储并不是完全无用,在这里会发挥大作用。
tips:一定要理解大顶堆、小顶堆、完全二叉树以及完全二叉树的顺序存储结构才能理解堆排序,这个是前提哟!!!
![18722707-9655d0609e3829bb](https://i-blog.csdnimg.cn/blog_migrate/441cd96ed47708c5bd9b5f3378723c4a.png)
图1:大顶堆示例
![18722707-5df137bbbc90b69a](https://i-blog.csdnimg.cn/blog_migrate/e8142df41db1161157c47f1a4effef21.png)
图2:小顶堆示例
堆排序基本思路
- 以升序排序来讲,先将数组arr(0 ~ arr.length-1)调整成一个堆。
1.1 怎么调整?从0~arr.length-1的元素中的最后一个非叶子节点开始调整,这个叶子节点的下标是arr.length/2-1,设为x;
1.2 这个叶子节点的左子节点的下标2x+1,设为leftChild;右子节点的下标识2x+2** ,设为rightChild。然后比较 arr[leftChild] 和 arr[rightChild] 的大小,假设 arr[leftChild] 更大,将 arr[leftChild] 再与 arr[x] 比较,如果 arr[leftChild]>arr[x],将 arr[leftChild]和arr[x] 交换,使以x为根节点的这棵子树满足大顶堆的特点。
1.3 x - -,重复1.2,直到x==0 。 - 将数组 arr 调整成一个大顶堆后,堆的根节点,即 arr[0] 是数组中最大的那个数,将 arr[0]与arr[length-1] 交换,这时最大的元素就被交换到了数组尾部。
- 交换了 arr[0]与arr[length-1] 后,原本调整好的堆的顺序就乱了,所以需要重新调整以 arr[0] 作为根节点的树,将其调整成一个新得大顶堆,不过这时候参与调整的元素不在是 0 ~ arr.length-1 ,而是 0 ~ arr.length-2,因为此时数组尾部已经是最大的那个数了,不需要在参加排序。重新调整成大顶堆后将 arr[0] 与 arr[length-2] 交换。交换后原本调整好的堆结构又变化了,这时又重新调整以 arr[0] 为根节点的树堆结构,不过参与调整的元素为 0 ~ length-3 ,调整好后又交换 arr[0] 与 arr[length-3]。然后又以 arr[0] 为根节点调整成大顶堆....这样不断调整、交换、调整、交换,直到要参与调整的元素是0~0。
介绍了这些,可能你还没怎么理解,建议自己写几个数来画画图,结合下面的代码,进一步理解堆排序,因为这的确不好说。
代码实现
/**
* @author chenzhiyuan
* @date 2019-10-17 23:39
*/
public class HeapSort {
public static void heapSort(int[] nums) {
// 从最后第一个非叶子节点开始将其对应的子树都调整成大顶堆
// for循环结束,整个nums对应的完全二叉树就是一个大顶堆
// 此时最大的元素就是nums[0]
for (int i = nums.length / 2 - 1; i >= 0; i--) {
adjuctHeap(nums, i, nums.length);
}
for (int i = nums.length - 1; i > 0; i--) {
// 将nums[0]沉到数组尾部(nums[i])
swap(nums, 0, i);
// 交换位置后,重新调整以nums[0]为根节点的树,参与调整的数据为0~i,i在不断递减,直到为0
adjuctHeap(nums, 0, i);
}
}
/**
* 将以nums[root]作为根节点的子树调整为大顶堆
*
* @param nums 待排序的数组
* @param root 表示当前要调整成大顶堆的子树的根节点的下标,注意不一定是整个nums对应的树的根,还可能是子树的根
* @param length 参与调整的元素的个数,也就是思路介绍中第一次是对0~nums.length的元素调整,第二次是以0~nums.length-1的元素调整...
*/
private static void adjuctHeap(int[] nums, int root, int length) {
for (int k = root * 2 + 1; k < length; k = k * 2 + 1) {
// 比较左右孩子的大小,root * 2 + 1是左孩子的下标
if (k + 1 < length && nums[k] < nums[k + 1]) {
k++;
}
// 比较根节点和和nums[k]的大小
if (nums[k] > nums[root]) {
swap(nums, root, k);
// 重置root为k
root = k;
} else {
break;
}
}
}
public static void swap(int[] nums, int i, int j) {
int temp = nums[i];
nums[i] = nums[j];
nums[j] = temp;
}
}
测试耗时
// 创建随机数
public static int[] createNum(int size, long seed) {
int[] nums = new int[size];
Random random = new Random(seed);
for (int i = 0; i < nums.length; i++) {
nums[i] = random.nextInt(1000);
}
return nums;
}
// 测试5轮
public static void testTime(int size) {
// 使用不同的种子,使每一轮测试的随机数不一样
// 种子也可以用于其他排序,因为Random是个伪随机数类,
// 只要种子相同,两个Random对象产生的随机数也一样,
// 利用这个特点在测试其他排序时,使用种子一样,他们排序的数据
// 也一样
int[] seeds = new int[]{9999, 8888, 7777, 6666, 5555};
int[] nums = createNum(size, seeds[0]);
long start = System.currentTimeMillis();
heapSort(nums);
long end = System.currentTimeMillis();
System.out.println("耗时:" + (end - start) + "ms");
nums = createNum(size, seeds[1]);
start = System.currentTimeMillis();
heapSort(nums);
end = System.currentTimeMillis();
System.out.println("耗时:" + (end - start) + "ms");
nums = createNum(size, seeds[2]);
start = System.currentTimeMillis();
heapSort(nums);
end = System.currentTimeMillis();
System.out.println("耗时:" + (end - start) + "ms");
nums = createNum(size, seeds[3]);
start = System.currentTimeMillis();
heapSort(nums);
end = System.currentTimeMillis();
System.out.println("耗时:" + (end - start) + "ms");
nums = createNum(size, seeds[4]);
start = System.currentTimeMillis();
heapSort(nums);
end = System.currentTimeMillis();
System.out.println("耗时:" + (end - start) + "ms");
}
结果如下:
>二十万数据
耗时:56ms
耗时:49ms
耗时:38ms
耗时:40ms
耗时:36ms
>一千万数据
耗时:2037ms
耗时:1747ms
耗时:1937ms
耗时:1705ms
耗时:1703ms