数据结构学习笔记 - 堆和堆排序

堆和堆排序

简介

堆, 是一种特殊的树
经典的应用场景, 堆排序, 原地的时间复杂度为O(nlogn)的排序算法
堆的两点定义:

• 堆是一个完全二叉树
• 堆中每一个节点的值都必须大于等于/小于等于其子树中每个节点的值

每个节点的值都大于等于子树中每个节点值的堆叫做大顶堆, 反之叫做小顶堆

实现一个堆

之前说过完全二叉树适合用数组存储, 所以堆也用数组存储
堆的核心操作有插入元素和删除堆顶元素, 以大顶堆为例

1. 插入元素(todo)
   把新插入的元素放到堆的最后, 并进行调整使其重新满足堆的特性的过程, 叫堆化(heapify)
   堆化有两种, 从下往上和从上往下
   堆化非常简单, 就是顺着节点所在路径, 向上或者向下, 对比, 然后交换
2. 删除堆顶元素(todo)
   为保证删除完还是一个完全二叉树, 把最后一个节点放到堆顶,
   然后利用同样的父子节点对比法, 对不满足父子节点大小关系的互换两个节点, 直到父子节点满足大小关系为止, 这就是从上往下的堆化

一个包含n个节点的完全二叉树, 树的高度不会超过logn, 堆化的过程是顺着节点所在路径比较交换, 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, 所以时间复杂度也是O(logn)

堆排序

借助堆这种数据结构实现的排序算法, 叫做堆排序
时间复杂度非常稳定, 是O(nlogn), 并且是原地排序
堆排序的过程大致分为两个大步骤, 建堆和排序

1. 建堆
   建堆有两种思路:
   第一种, 借助插入元素的思路, 从下标2开始依次插入到堆中, 从前往后处理数据, 每个数据从下往上堆化, 代码示例(todo)
   第二种, 和第一种相反, 从后往前处理数组, 每个数据从上往下堆化, 代码示例(todo)
2. 排序
   建堆结束后, 数组中的数据已经是按照大顶堆的特性来组织的, 第一个元素就是堆顶, 也是最大的元素
   然后采用类似删除堆顶元素的操作, 把堆顶元素和最后一个元素交换, 再堆化剩下n-1个元素, 然后重复交换, 堆化, 交换, 堆化…
   直到最后堆中只剩下一个元素, 排序工作就完成了, 代码示例(todo)

整个排序过程中, 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, 建堆过程时间复杂度O(n), 排序过程时间复杂度O(nlogn), 所以堆排序整体时间复杂度是O(nlogn)
堆排序不是稳定的排序算法, 因为排序过程中存在最后节点和堆顶节点交换操作, 可能会改变相同值的顺序

堆排序和快排

为什么快排比堆排序性能好

1. 堆排序数据访问方式是跳着访问, 对cpu缓存不友好, 快排数据是顺序访问
2. 对于同样数据, 堆排序的数据交换次数比快排多, 建堆会打乱数据原有相对顺序

堆的应用

1. 优先级队列
   在优先级队列中, 优先级最高的最先出队, 用堆来实现是最直接, 最高效的
   往优先级队列插入元素等于往堆中插入一个元素, 从优先级队列取出优先级最高元素, 等于取出堆顶元素
   优先级队列应用场景非常多, 比如赫夫曼编码, 图的最短路径, 最小生成树算法等
2. 求Top K
   可以维护一个大小为k的小顶堆, 遍历数据, 依次和堆顶元素比较, 如果比堆顶元素大, 就把堆顶元素删除, 将新元素插入堆中
   如果比堆顶元素小, 就不作处理继续遍历, 等数据遍历完, 堆中就是前k大的数据
3. 求中位数
   对于静态数据, 中位数是固定的, 可以先排序, 第n/2个数据就是中位数, 但对于动态数据集合, 每次排序效率就很低
   所以借助堆这种数据结构, 不用排序就可以非常高效的实现求中位数操作
   我们维护两个堆, 前半部分数据存储一个大顶堆, 后半部分数据存储一个小顶堆, 且小顶堆中的数据都大于大顶堆中的数据
   这样, 大顶堆的堆顶元素就是我们要的中位数
   每当新添加数据, 如果数据小于等于大顶堆的堆顶, 就插入到大顶堆, 反之插入到小顶堆, 且从这个堆向另一个堆移动数据, 维护两个堆的数据个数的平衡
   同理, 此方法可计算各个百分位数据, 比如80百分位数, 99百分位数等