6.4-堆排序算法/6.5-优先队列

6.4 堆排序算法

1、如何实现堆排序？

（1）观察：BUILD-MAX-HEAP将输入数组A[1…n]建成最大堆，其中n=A.length，根结点A[1]必定是最大的元素。
（2）过程：我们只要将A[1]和A[n]互换，然后将A[n]排出这棵树（通过n–来实现），再将剩余元素组成的新的树通过MAX-HEAPIFY重新构建成一个最大堆。
（3）后续：不断（2）过程即可。

2、伪代码

HEAPSORT(A)
1 BUILD-MAX-HEAP(A)						//将数组转换为最大堆
2 for i = A.length downto 2 			
3 		exchange A[1] with A[i]			//将A[1]和A[i]交换
4		A.heap-size = A.heap-size - 1	//减小A.heap-size
5 		MAX-HEAPIFY(A,1)				//调用该函数使剩余元素依旧组成最大堆

3、案例

图1 描述了HEAPSORT(A)的工作过程：
（a）执行第一行BUILD-MAX-HEAP(A)，产生一个最大堆。
（b）~（j）每次执行后续几行，将最大的数字（黑色阴影）排出，并将剩余部分（浅色阴影）重新整合为最大堆，标识当前的i。
（k）最终数组A的排序结果。

6.5 优先队列

一、引入

这里介绍堆的一个常见的应用：作为优先队列。

二、概念相关

1、概念：优先队列是一种用来维护由一组元素构成的集合S的数据结构，其中每一个元素都有一个相关的值，称为关键字。
2、一个最大优先队列支持的操作：
（1）INSERT(S,X)：把元素X插入到集合S中。
（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。
INCREASE-KEY(S,x,k)：把元素x的关键字值增加到k，这里假设k的值不小于x的关键字值。
最小优先队列则类似

三、案例

1、通过HEAP-MAXIMUM来实现MAXIMUM操作，在θ(1)的时间内。

HEAP-MAXIMUM(A)
1 return A[1]

2、通过HEAP-EXTRACT-MAX实现EXTRACT-MAX操作：

HEAP-EXTRACT-MAX
1 if A.heap-size < 1				//验证队列里是否还有元素
2 	error "heap underflow"
3 max = A[1]						//引入变量max记录A[1]的值
4 A[1] = A[A.heap-size]				//将A[n]赋值给A[1]
5 A.heap-size = A.heap-size - 1		//将n--	
6 MAX-HEAPIFY(A,1)					//将剩余部分恢复为最大堆
7 return max						//返回最大值

这个过程时间复杂度为O(lg n)，因为除了时间复杂度为O(lg n)的MAX-HEAPIFY操作之外，其他操作都只需花常数阶的时间。

3、通过HEAP-INCREASE-KEY实现INCREASE-KEY操作：

（1）伪代码：

HEAP-INCREASE-KEY(A,i,key)
1 if key < A[i]	//判断key是否小于A[i]，小于就没法进行INCREASE操作
2		error "new key is smaller than current key"
3 A[i] = key	
//如果A[i]大于父结点，那么就要将其与父结点交换值以满足最大堆性质
4 while i > 1 and A[PARENT(i)] < A[i]	
5 		exchange A[i] with A[PARENT(i)]
6 		i = PARENT(i)

这个过程的时间复杂度为O(lg n)，因为在算法第3~6行中类似MAX-HEPIFY的操作需要该时间。
（2）案例：

（a）图中为最大堆，下标i结点用深色阴影显示。
（b）将该关键字增加到15。
（c）经过一次4~6行的迭代，i与父结点交换位置。
（d）经过再一次迭代，使得整棵树满足最大堆性质，程序结束。

4、通过MAX-HEAP-INSERT实现INSERT操作

MAX-HEAP-INSERT(A,key)
1 A.heap-size = A.heap-size + 1	//增加一个-∞的叶结点来扩大最大堆
2 A[A.heap-size] = -∞	
//通过调用HEAP-INCREASE-KEY来为新结点设置对应的关键字，同时保持最大堆的性质
3 HEAP-INCREASE-KEY(A,A.heap-size,key)

在包含n个元素的堆上，MAX-HEAP-INSERT的运行时间为O(lg n)。