Ⅱ.Sorting and Order Statistics 1.Heapsort

Ⅱ.Sorting and Order Statistics

Introduction

这一部分将着重介绍排序问题的算法：

输入：一个n个数的序列$<a_1,a_2,...,a_n>$。

输出：输入序列的一个排列（重排）$<a_1^{\prime },a_2^{\prime },...,a_n^{\prime }>$,使得$a_1^{\prime }\le a_2^{\prime }\le ...\le a_n^{\prime }$。

输入通常是一个n元素的数组，但是可能是用链表等方式描述。

在实际应用中，待排序的数很少是单独的数值

Heapsort

时间复杂度是$O(nlgn)$。相同于插入排序的是，堆排序同样具有空间原址性：任何时候都只需要常数个额外的元素空间存储临时数据。

Heaps

• 近似于完全二叉树

• 堆的数组包括两个属性,length给出数组元素的个数,heap-size给出在数组中有多少个有效的堆元素；

  因此在堆数组A中,可能A[1…A.length]都有数据，但只有A[1…heap-size]中存放的堆的有效元素

• 堆的根节点是A[1]

• 父节点$Parent(i)return\lfloor i/2\rfloor$ 右移一位

  左节点$LEFT(i)return2i$ 左移一位

  右节点$RIGHT(i)return2i+1$ 左移一位并加一

• 二叉堆有两种情况，最大堆和最小堆

• 最大堆：除根节点外，所有的结点i满足$A[Parent(i)]\ge A[i]$

  最小堆同理

• 定义高度为该节点到叶节点的最长简单路径长度

• 堆的高度为$\theta (lgn)$，堆上的基本结构花费的时间最多为$O(lgn)$

维护堆的性质

这一部分我们着重介绍堆的一些基本操作

MAX-HEAPIFY(A,i)

保证最高处最大

A[i]有可能小于其孩子，这个就是一个修复的过程

进行交换的时间代价为$\theta (1)$,而子树的大小至多为2n/3(最坏的情况发生在树的最底层恰好半满的情况)，那么运行时间的表达式为:
$$T(n)\le T(2n/3)+\theta (1)$$
解得递归式的解为$T(n)=O(lgn)$，这里建议不能一下子得到解的同学返回第一章复习，课后题都要做的呀。

建堆

子数组$A(\lfloor n/2\rfloor +1..n)$中的元素都是叶节点，或者说我们有这么多叶节点，没必要调用这些数量的结点，他们都在底层，没有后代与之交换

利用MAX-HEAPIFY把一个大小为A.length的数组转换为最大堆

n次调用，每次logn,因此时间复杂度是$O(nlgn)$，但是这个上界虽然正确，但不是渐进紧确的。

下面证个渐进的:

• 堆的每层最多包含$\lceil n/2^{h+1}\rceil$个结点

又MAX-HEAPIFY的代价是$O(h)$，我们可以将BUILD-MAX-HEAP的总代价表示为：

等价为：

线性时间足以建一个最大堆

类似的，我们得到最小堆算法

堆排序算法

不断从尾部向头部调用

时间复杂度为$O(nlgn)$

Priority queue

一种用来维护由一组元素构成的集合S的数据结构，其中的每一个元素都有一个相关的值，称为关键值(key)。最大优先队列支持一下操作：

1. INSERT(S,x):把元素x插入集合S中。这一种操作等价于 S = S ⋃ { x } S=S\bigcup \{x\} S=S⋃{x}
2. MAXIMUM(S):返回S中具有最大关键字的元素
3. EXTRACT-MAX(S):去掉并返回S中的具有最大关键字的元素
4. INCREASE-KEY(S,x,k):将元素x的关键字值增加到k，这里的k值默认不小于x的原关键字值

最大优先队列可以用来共享计算机系统的作业调度，当一个作业完成或被中断后，选出具有最高优先级的作业来执行

最小优先队列可以被用于事件驱动的模拟器。具体看以后内容吧。

比如事件驱动模拟器中，优先队列的元素对应着应用程序中的对象。通常，我们需要确定哪个对象对应一个给定的优先队列元素，因此，用堆来实现优先队列是，需要在堆中的每个元素里存储对应对象的句柄。

接下来我们还是来了解一些基础操作的实现吧：

复杂度为$\theta (1)$

时间复杂度为$O(lgn)$

时间复杂度为$O(lgn)$，因为在最底层更新到根节点的路径长度为$O(lgn)$

在包含n个元素的堆上，MAX-HEAP-INSERT的运行时间为$O(lgn)$时间内完成。

#################################################
拖了好久才更新，到了假期按理说变闲了，但是要学的东西实在不少啊