【算法笔记】堆和堆排序

1.如何理解“堆”？

堆是一种特殊的树;
只要满足下面两点的就是堆：

1. 堆是一个完全二叉树
2. 堆中的每一个节点的值都必须大于等于（或小于等于）自子树中的每个节点的值；
   大顶堆:对于每个节点的值都大于子树中每个节点的值的堆；
   小顶堆:对于每个节点的值都小于子数中每个节点的值的堆；
   对于同一组数据我们可以构建出不同形态的堆，如下图：
   

2.如何实现一个“堆”？

完全二叉树比较适合用数组来存储。用数组来存储完全二叉树是非常节省存储空间的。
举个驻足存储堆的例子如下图:

数组中下标为 i 的节点的左子节点，就是下标为 i∗2 的节点，右子节点就是下标为 i∗2+1 的节点，父节点就是下标为 2i​ 的节点。

1. 往堆中插入一个元素

往堆中插入一个元素后，任然需要满足上面所说的那两个堆的特性；
往堆中插入插入的元素放到最后，通过调整时期重新满足堆的特性的过程，叫做“堆化”（heapify）;
堆化非常简单，就是顺着节点所在的路径，向上或者向下，对比，然后交换。
让新插入的节点与父节点对比大小。如果不满足子节点小于等于父节点的大小关系，我们就互换两个节点。一直重复这个过程，直到父子节点之间满足刚说的那种大小关系。具体过程如下图：

具体代码实现如下:

public class Heap {
  private int[] a; // 数组，从下标1开始存储数据
  private int n;  // 堆可以存储的最大数据个数
  private int count; // 堆中已经存储的数据个数

  public Heap(int capacity) {
    a = new int[capacity + 1];
    n = capacity;
    count = 0;
  }

  public void insert(int data) {
    if (count >= n) return; // 堆满了
    ++count;
    a[count] = data;
    int i = count;
    while (i/2 > 0 && a[i] > a[i/2]) { // 自下往上堆化
      swap(a, i, i/2); // swap()函数作用：交换下标为i和i/2的两个元素
      i = i/2;
    }
  }
 }

2. 删除堆顶元素

核心思想：
把最后一个节点放到堆顶，然后利用同样的父子节点对比方法；对于不满足父子节点大小关系的，互换两个节点，并且重复整个过程；直到父子节点之间满足大小关系为止。这就是从上往下堆化的方法；
具体过程如下图:

实现代码如下:

public void removeMax() {
  if (count == 0) return -1; // 堆中没有数据
  a[1] = a[count];
  --count;
  heapify(a, count, 1);
}

private void heapify(int[] a, int n, int i) { // 自上往下堆化
  while (true) {
    int maxPos = i;
    if (i*2 <= n && a[i] < a[i*2]) maxPos = i*2;
    if (i*2+1 <= n && a[maxPos] < a[i*2+1]) maxPos = i*2+1;
    if (maxPos == i) break;
    swap(a, i, maxPos);
    i = maxPos;
  }
}

一个包含 n 个节点的完全二叉树，树的高度不会超过 log2​n。堆化的过程是顺着节点所在路径比较交换的，所以堆化的时间复杂度跟树的高度成正比，也就是 O(logn)。插入数据和删除堆顶元素的主要逻辑就是堆化，所以，往堆中插入一个元素和删除堆顶元素的时间复杂度都是 O(logn)。

3 如何基于堆实现排序

借助于堆这种数据结构实现的排序算法，就叫作堆排序。这种排序方法的时间复杂度非常稳定，是 O(nlogn)，并且它还是原地排序算法。
堆排序的过程大致分解为两个大步骤：建堆和排序

1. 建堆

首先将数组原地建成一个堆；
原地：不借助两外一个数组，就在原数组上操作；
建堆的过程有两种思路：

1. 第一种建堆思路的处理过程是从前往后处理数组数据，并且每个数据插入堆中时，都是从下往上堆化。
2. 第二种实现思路，是从后往前处理数组，并且每个数据都是从上往下堆化。
   下面这个图是第二种的实现思路：叶子节点往下推化，只能自己跟自己比较，所以直接从第一个非叶子节点开始，下图第一个非叶子节点是8和19；依次推化就行；
   

代码实现如下：

private static void buildHeap(int[] a, int n) {
  for (int i = n/2; i >= 1; --i) {
    heapify(a, n, i);
  }
}

private static void heapify(int[] a, int n, int i) {
  while (true) {
    int maxPos = i;
    if (i*2 <= n && a[i] < a[i*2]) maxPos = i*2;
    if (i*2+1 <= n && a[maxPos] < a[i*2+1]) maxPos = i*2+1;
    if (maxPos == i) break;
    swap(a, i, maxPos);
    i = maxPos;
  }
}

在这段代码中，我们对下标从 n/2​ 开始到 1 的数据进行堆化，下标是 n​/2+1 到 n 的节点是叶子节点，我们不需要堆化。实际上，对于完全二叉树来说，下标从 n​/2+1 到 n 的节点都是叶子节点。

建堆的时间复杂度就是 O(n)。

2. 排序

1 排序的原理

建好堆后，数组中的数据已经是按照大顶堆的特性来组织的；数组中的第一个元素就是堆顶，也就是最大的元素；
排序的过程像上面的“删除堆顶元素”的操作；当堆顶元素移除之后，我们把下标为n的元素放到堆顶，然后将剩下的n-1个元素重新构建成堆。堆化完成之后，再取堆顶的元素，放到下标是n-1的位置；一直重复整个过程，知道最后堆中只剩下下标为1的元素，排序的工作就完成了。
下图是排序的整个过程图：

代码实现如下:

// n表示数据的个数，数组a中的数据从下标1到n的位置。
public static void sort(int[] a, int n) {
  buildHeap(a, n);
  int k = n;
  while (k > 1) {
    swap(a, 1, k);
    --k;
    heapify(a, k, 1);
  }
}

2 排序时间复杂度分析

整个堆排序的过程，都只需要极个别临时存储空间，所以堆排序是原地排序算法。堆排序包括建堆和排序两个操作，建堆过程的时间复杂度是 O(n)，排序过程的时间复杂度是 O(nlogn)，所以，堆排序整体的时间复杂度是 O(nlogn)。
堆排序不是稳定的排序算法，因为在排序的过程，存在将堆的最后一个节点跟堆顶节点互换的操作，所以就有可能改变值相同数据的原始相对顺序；

注意: 堆中的数据是从数组下标为 1 的位置开始存储。那如果从 0
开始存储，实际上处理思路是没有任何变化的，唯一变化的，可能就是，代码实现的时候，计算子节点和父节点的下标的公式改变了。

4 为什么快速排序要比堆排序性能好？

1. 堆排序数据访问的方式没有快速排序友好；
   对于快速排序来说，数据是顺序访问的。而对于堆排序来说，数据是跳着访问的。 比如，堆排序中，最重要的一个操作就是数据的堆化。比如下面这个例子，对堆顶节点进行堆化，会依次访问数组下标是 1，2，4，8 的元素，而不是像快速排序那样，局部顺序访问，所以，这样对 CPU 缓存是不友好的。
2. 对于同样的数据，在排序过程中，堆排序算法的数据交换次数要多于快速排序
   对于基于比较的排序算法来说，整个排序过程就是由两个基本的操作组成的，比较和交换（或移动）。快速排序数据交换的次数不会比逆序度多。
   堆排序的第一步是建堆，建堆的过程会打乱数据原有的相对先后顺序，导致原数据的有序度降低。比如，对于一组已经有序的数据来说，经过建堆之后，数据反而变得更无序了

5 总结

堆是一种完全二叉树。它最大的特性是：每个节点的值都大于等于（或小于等于）其子树节点的值。因此，堆被分成了两类，大顶堆和小顶堆;

堆中比较重要的两个操作是插入一个数据和删除堆顶元素。这两个操作都要用到堆化。插入一个数据的时候，我们把新插入的数据放到数组的最后，然后从下往上堆化；删除堆顶数据的时候，我们把数组中的最后一个元素放到堆顶，然后从上往下堆化。这两个操作时间复杂度都是 O(logn)。

堆排序包含两个过程，建堆和排序。我们将下标从 2n​ 到 1 的节点，依次进行从上到下的堆化操作，然后就可以将数组中的数据组织成堆这种数据结构。接下来，我们迭代地将堆顶的元素放到堆的末尾，并将堆的大小减一，然后再堆化，重复这个过程，直到堆中只剩下一个元素，整个数组中的数据就都有序排列了。