算法导论 - 堆排序

注意：为了更好的学习理解，本文实现了MATLAB程序，本文图示大部分是书籍的截图，因为书籍中的图示和解释非常严谨、非常详细、非常棒！

 

                                          堆排序

目录

一、引言

二、维护堆的性质

三、建堆

四、堆排序算法

五、优先队列

六、参考文献

 

 

一、引言

• 1. 什么是堆？

如上图所示，（二叉）堆是一个数组，它可以被看成一个近似的完全二叉树，树上的每一个节点对应数组中的一个元素。除了底层外，该树是完全充满的，而且是从左向右填充。

• 2.  二叉堆的两种形式：最大堆、最小堆

最大堆：最大堆的性质是指除了根以外的所有结点i都要满足：，也就是说，某个结点的值至多与其父节点一样大。因此，堆中的最大元素存放在根节点中；并且在任意一子树中，该子树所包含的所有结点的值都不大于该子树根节点的值。

最小堆：最小堆的性质是指除了根以外的所有结点i都要满足：，也就是说，最小堆的组织方式跟最大堆的相反，最小堆中的最小元素放在根节点中。

• 3. 完全二叉树？

 

如上图所示，除了最后一层之外的其他每一层都被完全填充，并且所有结点都保持向左对齐。

• 4. 堆的应用？

堆的应用比较广泛，概括一下主要用在以下几个方面，内存管理、数据处理、系统中内核和驱动事件优先级管理等等。

 

二、维护堆的性质

•  1. 获取父节点下标

function index = parent(i)
    index =  i/2;
end

• 2. 获取左孩子下标

function index = left(i)
    index = 2*i;
end

• 3. 获取右孩子下标

function index = right(i)
    index = 2*i + 1;
end

• 4. 维护最大堆性质

如上图所示，实现代码如下：

% 1. 最大堆性质维护，可以理解为修正为最大堆
function [A_t] = max_heapify(A, i, n)
    l = left(i);              % (1) 获取左下标
    r = right(i);             % (2) 获取右下标
    
    if l <= n && A(l) > A(i)        % (3) 判断左孩子是否大于父节点
        largest = l;
    else
        largest = i;
    end
    
    if r <= n && A(r) > A(largest)  % (4) 判断右节点是否大于父节点
        largest = r;
    end
    
    if largest ~= i                 % (5) 如果子节点大于父节点则交换值
        temp = A(i);
        A(i) = A(largest);
        A(largest) = temp;
        A = max_heapify(A, largest, n);
    end
    A_t = A;
end

• 5. 维护最小堆性质

function [A_t] = min_heapify(A, i, n)
    l = left(i);              % (1) 获取左下标
    r = right(i);             % (2) 获取右下标
    
    if l <= n && A(l) < A(i)        % (3) 判断左孩子结点是否大于父结点
        largest = l;
    else
        largest = i;
    end
    
    if r <= n && A(r) < A(largest)  % (4) 判断右孩子结点是否大于父结点
        largest = r;
    end
    
    if largest ~= i                 % (5) 如果有则交换值
        temp = A(i);
        A(i) = A(largest);
        A(largest) = temp;
        A = max_heapify(A, largest, n);
    end
    A_t = A;
end

 

三、建堆

•  1. 创建最大堆

如上图，程序如下：

function [ Y ] = build_max_heap( A )
%   创建最大堆

    [m, n] = size(A);               % (1). 获取堆数组的大小
    for i = floor(n/2):-1:1         % (2). 自底向上的方法利用max_heapify转换A为最大堆
        A = max_heapify(A, i, n);
    end
    Y = A;
end

• 2. 创建最小堆

function [ Y ] = build_min_heap( A )
%   创建最小堆

    [m, n] = size(A);               % (1). 获取堆数组的大小
    for i = floor(n/2):-1:1         % (2). 自底向上的方法利用max_heapify转换A为最小堆
        A = max_heapify(A, i, n);
    end
    Y = A;
end

 

四、堆排序算法

function [A_t] = heap_sort(A)
    A = build_max_heap(A);      % (1). 创建最大堆
    [m,n] = size(A);
    for i = n:-1:2              % (2). 重复调用max_heapify函数，构造新的最大堆
        temp = A(1);
        A(1) = A(i);
        A(i) = temp;
        n = n - 1;
        A = max_heapify(A,1,n);
    end
    A_t = A;
end

 

五、优先队列

优先队列是一种用来维护由一组元素构成的集合S的数据结构，其中的每一个元素都有一个相关的值，称为关键字（key）；普通的队列是一种先进先出的数据结构，元素在队列尾追加，而从队列头删除。在优先队列中，元素被赋予优先级。当访问元素时，具有最高优先级的元素最先删除。优先队列具有最高级先出 （first in, largest out）的行为特征。通常采用堆数据结构来实现。

优先队列主要应用在任务和事件的调度上（优先级）。

• 1.  插入元素

function [A_t] = max_heap_insert(A, key)
% 把元素插入到集合A中
    [m,n] = size(A);
    A(n) = -10000;
    A_t = heap_increase_key(A, n, key);
end

• 2. 检索具有最大键字的元素

function x = heap_maximum(A)
% 对于最大优先队列
    x = A(1);
end

• 3. 检索并删除具有最大键字的元素

function [index_max, A_t] = heap_extract_max(A)
%   去掉并返回S中的具有最大关键字的元素
    [m, n] = size(A);
    if n < 1
        disp('heap underflow');
    end
    index_max = A(1);
    A(1) = A(n);
    A(n) = A(n-1);
    A = max_heapify(A,1,n);
    A_t = A;
end

• 4. 将元素x的关键字值增加到k

function [A] = heap_increase_key(A,i,key)
%   将元素x的关键字值增加到k，这里假设k的值不小于x的原关键字值
    if key < A(i)
        disp('error : new key is smaller than current key');
    end
    A(i) = key;
    while i > 1 && A(parent(i)) < A(i)
        A(i) = A(parent(i));
        i = parent(i);
    end
end

六、参考文献

• [1] 算法导论(第三版)