文章目录
选择排序
复习提示
选择排序的基本思想是：每一趟(如第 i 趟)在后面 n-i+1(i=1,2,…,n-1)个待排序元素中选取关键字最小的元素，作为有序子序列的第i个元素，直到第n-1趟做完，待排序元素只剩下1个，就不用再选。选择排序中的堆排序是历年统考考查的重点。
1.简单选择排序
1.1基本思想
根据上面选择排序的思想，可以很直观地得出简单选择排序算法的思想：
假设排序表为 L[1..n]，第 i 趟排序即从 L[i..n] 中选择关键字最小的元素与 L(i) 交换，
每一趟排序可以确定一个元素的最终位置，这样经过n-1趟排序就可使得整个排序表有序。
1.2简单选择排序算法代码
简单选择排序算法的代码如下:
void SelectSort(ElemType A[],int n){
for(int i=0;i<n-l;i++){ //一共进行 n-1 趟
int min=i; //记录最小元素位置
for(int j=i+1;j<n;j++) //在A[i..n-1]中选择最小的元素
if(A[j]<A[min]) min=j; //更新最小元素位置
if(min!=i) swap(A[i],A[min]); //封装的swap()函数共移动元素3次
}
}
1.3性能分析
简单选择排序算法的性能分析如下：
空间效率：仅使用常数个辅助单元，所以空间效率为O(1)。
时间效率：从上述伪码中不难看出，
- 在简单选择排序过程中，元素移动的操作次数很少，不会超过 3(n-1)次，最好的情况是移动0次，此时对应的表已经有序；
- 但元素间比较的次数与序列的初始状态无关，始终是 n(n-1)/2 次，因此时间复杂度始终是 O(n²)。
稳定性：
- 在第 i 趟找到最小元素后，和第 i 个元素交换，可能会导致第 i 个元素与含有相同关键字的元素的相对位置发生改变。
- 例如，表 L={2,2,1}，经过一趟排序后 L={1,2,2)，最终排序序列也是L={1,2,2}，显然，2与2的相对次序已发生变化。
- 因此，简单选择排序是一种不稳定的排序算法。
适用性：简单选择排序适用于顺序存储和链式存储的线性表，以及关键字较少的情况。
2.堆排序
2.1堆的定义
堆的定义如下，n个关键字序列 L[1..n]称为堆，当且仅当该序列满足：
① L(i)>=L(2i)且L(i)>=L(2i+1)或
② L(i)<=L(2i)且L(i)<=L(2i+1)
- 其中每个节点都有一个值，通常称为键值（key），并且满足堆属性：
- 在最大堆中，父节点的键值总是大于或等于任何一个子节点的键值；
- 在最小堆中，父节点的键值总是小于或等于任何一个子节点的键值。
- 堆可以用数组来表示，具体的表示方式取决于堆是最大堆还是最小堆。
- 在堆中，根节点的键值是堆中所有节点键值中最大或最小的值
2.2堆的性质与特点
可以将堆视为一棵完全二叉树，
- 满足条件①的堆称为大根堆(大顶堆)，大根堆的最大元素存放在根结点，且其任意一个非根结点的值小于或等于其双亲结点值。
- 满足条件②的堆称为小根堆(小顶堆)，小根堆的定义刚好相反，根结点是最小元素。图 8.5所示为一个大根堆。
2.3基本思想
堆排序的思路很简单：首先将存放在 L[1..n]中的n个元素建成初始堆，因为堆本身的特点(以大顶堆为例)，所以堆顶元素就是最大值。
输出堆顶元素后，通常将堆底元素送入堆顶，此时根结点已不满足大顶堆的性质，堆被破坏，将堆顶元素向下调整使其继续保持大顶堆的性质，再输出堆顶元素。
如此重复，直到堆中仅剩一个元素为止。可见，堆排序需要解决两个问题：
① 如何将无序序列构造成初始堆?
② 输出堆顶元素后，如何将剩余元素调整成新的堆?
2.4初始建堆的操作
堆排序的关键是构造初始堆。
- n个结点的完全二叉树，最后一个结点是第
个结点的孩子。
- 对以第
- 之后向前依次对以各结点 (
- 交换后可能会破坏下一级的堆，于是继续采用上述方法构造下一级的堆，直到以该结点为根的子树构成堆为止。
- 反复利用上述调整堆的方法建堆，直到根结点。
如图 8.6 所示，
- 初始时调整 L(4)子树，09<32，交换，交换后满足堆的定义;
- 向前继续调整 L(3)子树，78< 左右孩子的较大者 87,交换，交换后满足堆的定义;
- 向前调整 L(2)子树，17<左右孩子的较大者 45，交换后满足堆的定义；
- 向前调整至根结点 L(1)，53<左右孩子的较大者 87，交换，交换后破坏了 L(3)子树的堆，
- 采用上述方法对 L(3)进行调整，53< 左右孩子的较大者 78，交换，至此该完全二叉树满足堆的定义。
2.5输出堆顶元素后调整堆的比较次数的分析
输出堆顶元素后，将堆的最后一个元素与堆顶元素交换，此时堆的性质被破坏，需要向下进行筛选。
将 09和左右孩子的较大者 78 交换，交换后破坏了L(3)子树的堆，
继续对 L(3)子树向下筛选，将 09 和左右孩子的较大者65 交换，
交换后得到了新堆，调整过程如图8.7所示。
2.6建立大根堆算法代码
下面是建立大根堆的算法:
void BuildMaxHeap(ElemType A[],int len){
for(int i=len/2;i>0;i--) //从 i=[n/2]~1，反复调整堆
HeadAdjust(A,i,len);
}
void HeadAdjust(ElemType All,int k,int len){
//函数 Headadjust 对以元素k为根的子树进行调整
A[0]=A[k]; //A[0]暂存子树的根结点
for(int i=2*k;i<=len;i*=2){ //沿 key 较大的子结点向下筛选
if(i<len && A[i]<A[i+1])
i++; //取key较大的子结点的下标
if(A[0]>=A[i]) break; //筛选结束
else{
A[k]=A[i]; //将A[i]调整到双亲结点上
k=i; //修改k值，以便继续向下筛选
}
}
A[k]=A[0]; //被筛选结点的值放入最终位置
}调整的时间与树高有关，为 O(h)。
在建含n个元素的堆时，关键字的比较总次数不超过 4n,时间复杂度为 O(n)，这说明可以在线性时间内将一个无序数组建成一个堆。
2.7堆排序算法代码
下面是堆排序算法:
void HeapSort(ElemType A[],int len){
BuildMaxHeap(A,len); //初始建堆
for(int i=len;i>1;i--){ //n-1趟的交换和建堆过程
Swap(A[i],A[1]); //输出堆顶元素(和堆底元素交换)
HeadAdjust(A,1,i-1); //调整，把剩余的i-1个元素整理成堆
}2.8堆的插入操作及比较次数的分析
同时，堆也支持插入操作。对堆进行插入操作时，先将新结点放在堆的末端，再对这个新结点向上执行调整操作。大根堆的插入操作示例如图8.8所示。
2.9堆在海量数据中选出最小k个数的应用及效率分析
堆排序适合关键字较多的情况。
例如，在1亿个数中选出前100个最大值。
首先使用一个大小为 100 的数组，读入前 100 个数，建立小顶堆，而后依次读入余下的数，若小于堆顶则舍弃,否则用该数取代堆顶并重新调整堆，待数据读取完毕，堆中100个数为所求。
2.10性能分析
堆排序算法的性能分析如下：
空间效率：仅使用了常数个辅助单元，所以空间复杂度为O(1)。
时间效率：建堆时间为 O(n)，之后有n-1次向下调整操作，每次调整的时间复杂度为 O(h)，
所以在最好、最坏和平均情况下，堆排序的时间复杂度为O(nlog₂n)。
稳定性：进行筛选时，有可能把后面相同关键字的元素调整到前面，所以堆排序算法是一种不稳定的排序算法。
- 例如,表L={1,2,2),构造初始堆时可能将2交换到堆顶,此时L={2,1,2}，最终排序序列为 L={1,2,2}，显然，2与2的相对次序已发生变化。
适用性：堆排序仅适用于顺序存储的线性表。
知识回顾
282
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
