算法导论--第六章--堆排序

6.1 认识堆

1.（二叉）堆是一个数组，他可以被看成一个近似的完全二叉树。表示堆的数组A包括两个属性：A.Length给出数组元素的个数（数组的长度，有的元素中可能没有存值），A.heap-size表示有多少个堆元素存储在该数组中。这里0=<A.heap-size=<A.Length：就是说，虽然A[1..A.Length]可能都存有数据，但只有A[1..A.heap-size]中存放的时堆中的有效数据。

2.树的根节点是A[1]。这样给定一个节点下表 i ，很容易表示其父节点、左孩子、右孩子分别为：return A[i/2] 向下取整、return 2*i、return 2*i + 1.

3.堆氛围最大堆和最小堆。最大堆中除了根节点外，所有的元素都要满足：A[PARENT(i)]>=A[i]；最小堆正好相反，除了根节点外多有节点 i 都有A[PARENT(i)] =< A[i]。在排序中我们使用的是最大堆。最小堆通常用于构造优先队列。

4.树的高度定义为根节点到叶节点最长简单路径上边的数目；所以一个节点的高度为该节点到叶子节点最长简单路径上边的数目。该堆的高度为lgN。堆上的一些基本操作至多与树的高度成正比，即时间复杂度为LgN。

6.2  维护堆的性质

1.MAX-HEAPIFY过程是用于维护最大堆性质的重要过程。他的输入为一个数组A和一个下表 i ，期中 i 表示新节点插入堆的位置。调用的时候，我们假定根节点的LEFT(I)、RIGHT(I)的二叉树都是最大堆，但A[i]有可能小于其孩子，这就违背了最大堆的性质。此时我们让A[i] 逐层下降，来维护最大堆的性质。

2.MAX-HEAPIFY过程的伪代码如下：时间复杂度为LgN，即树的高度  h

MAX-HEAPIFY(A,i )

1，l = LEFT(i)

2，r = RIGHT(i)

3，if l =< A.heap-size and A[l] >A[i]    //先和左孩子节点比较大小，注意到叶子节点截止

largest = l

       else largest = i

4，if r=< A.heap-size and A[r]>A[largest]//与右孩子节点比较

largest = r

5，if largest is not equal i    //largest   的值不是 i 说明A[i] 破坏了最大堆的性质，交换并递归调用MAX-HEAPIFY(A,i)

exchange A[i] with A[largest]

MAX-HEAPIFY(A,largest)

6.3  建堆   时间复杂度O(h)

一个拥有n个节点的堆，画出其完全二叉树后知道，子数组A[n/2 + 1..n]中的元素都是树的叶子节点，所以我们不需要维护。下面通过BUILD-MAX-HEAP对树中的其他节点都调用一次MAX-HEAPIFY，既可以得到一个最大堆（通过一步步维护堆的性质，来建堆）

BUILD-MAX-HEAP(A)

1，A.heap-size = A.length

2，for i = A.length/2   downto 1  //从第一个不是叶子节点的节点开始，进行建堆（即逐步维护）。刚开始看成是一个最大堆，然后再一个一个的来维护

MAX-HEAPIFY(A,i)

6.4 通过前面的建堆，现在我们可以在此基础上进行排序。即构建最小堆。构建好的最小堆就是我们想要的从小到大的排序序列。  时间复杂度 O(nlgn)

HEAPSORT(A)

1, BUILD-MAX-HEAP(A)

2, for i=A.lenght downto 2

2，exchange A[1] with A[i]//将最大堆上面最后一个元素和对顶元素进行交换，逐步的交换

4，A.heap-size = A.heap-size -1

5,  MAX-HEAPIFY(A，1)   //因为每次都是讲堆顶元素换成新的数据，有可能破坏了最大堆的性质，所以我们需要进行维护。

至此，我们通过建最大堆，然后通过虚拟的摘堆，就可以将其进行堆排序！