堆排序
基本介绍
- 堆排序是利用堆这种数据结构二设计的一种排序算法,堆排序是一种选择排序,他的最好最坏,平均复杂度都为O(nlogn), 它也是不稳定排序
- 堆是具有一下性质的完全二叉树:每个节点的值都大于或者等于其左右孩子节点的值,称为大顶堆,没有要求结点的左孩子的值和右孩子的值的关系
- 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
大顶堆举例说明
堆排序的基本思想:
- 将待排序序列构造成一个大顶堆
- 此时,整个序列的最大值就是堆顶的根节点
- 将其与末尾元素进行交换, 此时末尾就为最大值
- 然后将剩余的n-1个元素重新构造一个堆,这样会得到n个元素的次小值,如此反复执行,便可以得到一个有序序列
可以看到在构建大顶堆的过程中, 元素的个数逐渐减少, 最后就得到一个有序序列了.
简单的思路
- 将无序序列构建成一个堆,根据升序降序需求选择大顶堆或小顶堆
- 将堆顶与末尾元素进行交换,将最大元素"沉"到数组末端
- 重新调整结构,使其满足堆定义,然后继续交换堆顶元素与当前末尾元素,反复执行调整+交换步骤,直到整个序列有序
代码实现
将一个数组(二叉树), 调整成一个大顶堆
//将一个数组(二叉树), 调整成一个大顶堆
/**
* 功能: 完成 将 以 i 对应的非叶子结点的树调整成大顶堆
* 举例 int arr[] = {4, 6, 8, 5, 9}; => i = 1 => adjustHeap => 得到 {4, 9, 8, 5, 6}
* 如果我们再次调用 adjustHeap 传入的是 i = 0 => 得到 {4, 9, 8, 5, 6} => {9,6,8,5, 4}
* @param arr 待调整的数组
* @param i 表示非叶子结点在数组中索引
* @param lenght 表示对多少个元素继续调整, length 是在逐渐的减少
*/
public static void adjustHeap(int arr[], int i, int lenght) {
int temp = arr[i];//先取出当前元素的值,保存在临时变量
//开始调整
//说明
//1. k = i * 2 + 1 k 是 i结点的左子结点
for(int k = i * 2 + 1; k < lenght; k = k * 2 + 1) {
if(k+1 < lenght && arr[k] < arr[k+1]) { //说明左子结点的值小于右子结点的值
k++; // k 指向右子结点
}
if(arr[k] > temp) { //如果子结点大于父结点
arr[i] = arr[k]; //把较大的值赋给当前结点
i = k; //!!! i 指向 k,继续循环比较
} else {
break;//!
}
}
//当for 循环结束后,我们已经将以i 为父结点的树的最大值,放在了 最顶(局部)
arr[i] = temp;//将temp值放到调整后的位置
}
//编写一个堆排序的方法
public static void heapSort(int arr[]) {
int temp = 0;
System.out.println("堆排序!!");
for(int i = arr.length / 2 -1; i >=0; i--) {
adjustHeap(arr, i, arr.length);
}
/*
* 2).将堆顶元素与末尾元素交换,将最大元素"沉"到数组末端;
3).重新调整结构,使其满足堆定义,然后继续交换堆顶元素与当前末尾元素,反复执行调整+交换步骤,直到整个序列有序。
*/
for(int j = arr.length-1;j >0; j--) {
//交换
temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr, 0, j);
}
//System.out.println("数组=" + Arrays.toString(arr));
}
完整代码
package com.nie.Bzhan.tree;
import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;
public class BinaryTreeDemo {
public static void main(String[] args) {
int arr[] = {4, 6, 8, 5, 9};
Date date = new Date();
SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss:sss");
System.out.println(format.format(date));
heapSort(arr);
System.out.println(Arrays.toString(arr));
}
public static void heapSort(int arr[]) {
int temp = 0;
System.out.println("堆排序");
//将无序序列构建成一个堆, 大堆 或者小堆
for (int i = arr.length / 2 - 1; i >= 0; i--) {
adjustHeap(arr, i, arr.length);
}
for (int j = arr.length - 1; j > 0; j--) {
//交换
temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr, 0, j);
}
}
//降一个数组(二叉树) 调整为一个大顶堆
/**
* @param arr 待调整的数组
* @param i 非叶子节点在数组中索引
* @param length 表示对多少和元素的继续调整 length在逐渐减少
*/
public static void adjustHeap(int arr[], int i, int length) {
int temp = arr[i];//先取出当前的元素的值,保存在临时变量中
//开始调整
//说明
for (int k = 2 * i + 1; k < length; k = k * 2 + 1) {
if (k + 1 < length && arr[k] < arr[k + 1]) {
//说明左子节点的值小于右子节点
k++;
}
if (arr[k] > temp) {//如果子节点大于夫节点
arr[i] = arr[k];//把较大的值赋给当前节点
i = k;//!! i指向k 继续循环比较
} else {
break;//!
}
}
//当for循环结束后 我们已经将以i位父节点的树的最大值,放在了顶部
arr[i] = temp;//将temp值放在调整后的位置
}
}
总结:
平均时间复杂度O(nlogn)
最好情况 O(nlogn)
最坏情况 O(nlogn)
空间复杂度 O(1)
排序方式 in-place
稳定性 不稳定
图解: