堆排序(HeapSort)
思想:首先要了解堆这种数据结构以及如何建堆(堆大致可以理解为一颗完全二叉树),堆分为大根堆(父节点的数据大于等于子节点)和小根堆(父节点的数据小于等于子节点),想要最终得到非降序列,堆排序一般使用大根堆。
具体可以参考文章点击打开链接,写的特别详细。
堆排序算法的粗略描述如下:
(l)建立包含K1,K2,…,Kn的堆;
(2)FORi=nTO
2 STEP –1 DO
(R1«Ri.
重建包含K1,K2,…,Ki–1的堆)
堆排序的平均复杂度为:O(nlogn),是一种不稳定的排序方法
代码实现:
import java.util.Arrays;
public class HeapSort {
public static void heapSort(int[] a) {
int arrayLength = a.length;
// 循环建堆
for (int i = 0; i < arrayLength - 1; i++) {
// 建堆
buildMaxHeap(a, arrayLength - 1 - i);
// 交换堆顶和最后一个元素
swap(a, 0, arrayLength - 1 - i);
//System.out.println("\n"+Arrays.toString(a));
}
}
// 对data数组从0到lastIndex建大顶堆
public static void buildMaxHeap(int[] data, int lastIndex) {
// 从lastIndex处节点(最后一个节点)的父节点开始
for (int i = (lastIndex - 1) / 2; i >= 0; i--) {
// k保存正在判断的节点
int k = i;
// 如果当前k节点的子节点存在
while (k * 2 + 1 <= lastIndex) {
// k节点的左子节点的索引
int biggerIndex = 2 * k + 1;
// 如果biggerIndex小于lastIndex,即biggerIndex+1代表的k节点的右子节点存在
if (biggerIndex < lastIndex) {
// 若果右子节点的值较大
if (data[biggerIndex] < data[biggerIndex + 1]) {
// biggerIndex总是记录较大子节点的索引
biggerIndex++;
}
}
// 如果k节点的值小于其较大的子节点的值
if (data[k] < data[biggerIndex]) {
// 交换他们
swap(data, k, biggerIndex);
// 将biggerIndex赋予k,开始while循环的下一次循环,重新保证k节点的值大于其左右子节点的值
k = biggerIndex;
} else {
break;
}
}
}
}
// 交换
private static void swap(int[] data, int i, int j) {
int tmp = data[i];
data[i] = data[j];
data[j] = tmp;
}
public static void main(String[] args) {
int[] A = { 3, 2, 7, 1, 8, 5, 6, 4 };
System.out.println("排序之前的数组A:");
for (int i = 0; i < A.length; i++)
System.out.print(A[i] + " ");
// 堆排序
heapSort(A);
System.out.println("\n\n排序之后的数组A");
for (int i = 0; i < A.length; i++)
System.out.print(A[i] + " ");
}
}
选择排序小结:
直接选择排序中,为了从R[1..n]中选出关键字最小的记录,必须进行n-1次比较,然后在R[2..n]中选出关键字最小的记录,又需要做n-2次比较。事实上,后面的n-2次比较中,有许多比较可能在前面的n-1次比较中已经做过,但由于前一趟排序时未保留这些比较结果,所以后一趟排序时又重复执行了这些比较操作。
堆排序可通过树形结构保存部分比较结果,可减少比较次数。复杂度低,实用性更强。