一、简介:
- 堆排序是利用【堆】这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为 O(nlogn),它也是不稳定排序。
- 堆是具有以下性质的完全二叉树:每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆。注意:没有要求结点的左孩子的值和右孩子的值的大小关系。
- 堆是具有以下性质的完全二叉树:每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆。注意:没有要求结点的左孩子的值和右孩子的值的大小关系。
- 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。
1、大顶堆举例说明:
2、小顶堆举例说明:
堆排序核心思想:
以顺序存储的方式,以大(小)顶堆的思想来操作数组,以实现有序序列的构建。
具体步骤:
- 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。(升序用大顶堆,降序用小顶堆)
for (int i = arr.length / 2 - 1; i >= 0; i--) {// i:有几个非叶子节点
adjustHeap(arr, i, arr.length);
}
- 以升序为例,在大顶堆中,将堆顶与末尾元素交换,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,直至整个序列有序。
for (int j = arr.length - 1; j > 0; j--) {// 一共5个数,实际上只需要调4个数就够了
// 交换
temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr, 0, j);
}
案例图解:
要求:给你一个数组{4,6,8,5,9},要求使用堆排序法,将数组升序排序。
步骤一 构造初始堆。将给定无序序列构造成一个大顶堆。
原始的数组[4,6,8,5,9]
1)假设给定无序序列结构如下
代码:
package com.huey.tree;
import java.util.Arrays;
public class HeapSort {
public static void main(String[] args) {
// 要求对数组进行升序排序(大顶堆)
int arr[] = { 4, 6, 8, 5, 9 };
heapsort(arr);
}
// 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~");
//
// // 分布完成
// adjustHeap(arr, 1, arr.length);
// System.out.println("第一次:" + Arrays.toString(arr));// 4,9,8,5,6
//
// adjustHeap(arr, 0, arr.length);
// System.out.println("第二次:" + Arrays.toString(arr));// 9,6,8,5,4
// 完成最终代码:
// 1. 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。(升序用大顶堆,降序用小顶堆)
for (int i = arr.length / 2 - 1; i >= 0; i--) {// i:有几个非叶子节点
adjustHeap(arr, i, arr.length);
}
System.out.println("数组=" + Arrays.toString(arr));// 此时,已经是个大顶堆了
// 2. 以升序为例,在大顶堆中,将堆顶与末尾元素交换,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,直至整个序列有序。
for (int j = arr.length - 1; j > 0; j--) {// 一共5个数,实际上只需要调4个数就够了
// 交换
temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr, 0, j);
}
System.out.println("数组=" + Arrays.toString(arr));
}
// 将一个数组(二叉树),调整成一个大顶堆
/**
* 功能: 把索引 i 对应的非叶子结点为根的子树调整成大顶堆(局部) 调整成大顶堆的过程如下:
* *****************************************************************
* 从第一个非叶子节点开始,从左至右,从上至下,先i = 0,再 i = 1,再i = 2.
* ***************************************************************** 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 表示非叶子节点在数组中的索引
* @param length 表示对多少个元素进行调整,length 是在逐渐的减少
*/
public static void adjustHeap(int arr[], int i, int length) {
int temp = arr[i];// 先取出当前元素的值,保存在一个临时变量
// 开始调整
// 说明
// 1.k = i * 2 + 1 ,k是i节点的左子节点
for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {
// 【下标1传入】这里的for 循环,上面参数传进来第一次是1,即第一个非叶子节点下标为1,故先调整下标为1的子树为大顶堆;
// 循环变量k,变为3,k++指向右子节点,判断k所在元素和当前子树父节点,即下标为1的节点的大小关系。
// k指向的节点为9,父节点为6,9>6,将9赋给父节点,随后退出for,将父节点的值赋给原来9的位置,即交换。
// for循环,步长更新为7,不符,退出for。此时数组46859 => 49856
// ************************************************************
// 【下标0传入】k初始为1,经比较将下标3节点的9赋值给下标0节点;
// k更新为3,发现下标3节点5<6(下标4),k++指向下标4
// 将下标4节点的6赋值给下标1节点的4;
// k更新为7,步长更新为7,不符,退出for。并将下标0的父节点值4,赋给下标i,即刚才比较的子节点中,较大的节点(下标为4)
// 即完成了一个大顶堆的构建。
// 总结:先交换根节点(下标0)与其较大的子节点,随后由于交换子树发生变化,不满足大顶堆。故再次调整子树,实现大顶堆。
// 此时数组49856 => 96854
if (k + 1 < length && arr[k] < arr[k + 1]) {// 说明左子节点的值小于右子节点的值
k++;// 指向右子节点
}
// 结束上面if后,得到k指向的节点是两个子节点中最大的。
if (arr[k] > temp) {// 如果子节点大于父节点
arr[i] = arr[k];// 把较大的值赋给当前节点(父节点)
i = k;// !!!!!!i 指向k 继续循环
} else {
break;// !!上面说明子节点比父节点大,所以需要交换,这里else表示子节点都小于等于父节点,无需改动。
}
}
// 当for循环结束后,我们已经将以i 为父节点的树的最大值,放在了 最顶(局部)。
arr[i] = temp;// 将tmep 值放到调整后的位置。
}
}
测试结果:
速度测试:
堆排序:O(nlogn).
8百万数据试试看:
平均1~2s.
再试试8千万个随机数据排序: