堆排序

什么是堆

堆(heap)是计算机科学中的一种特别的树状数据结构。若是满足以下特性，即可称为堆：“给定堆中任意节点 P 和 C，若 P 是 C 的母节点，那么 P 的值会小于等于（或大于等于） C 的值”。

若母节点的值恒小于等于子节点的值，此堆称为最小堆（min heap）；

若母节点的值恒大于等于子节点的值，此堆称为最大堆（max heap）。

在堆中最顶端的那一个节点，称作根节点（root node），根节点本身没有母节点（parent node）。

堆的实现通过构造二叉堆（binary heap），实为二叉树的一种；

堆的性质

任意节点小于（或大于）它的所有后裔，

最小元（或最大元）在堆的根上（堆序性）。

堆总是一棵完全树。即除了最底层，其他层的节点都被元素填满，且最底层尽可能地从左到右填入。
将根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆

常见的堆有二叉堆、斐波那契堆等。

堆节点的访问

通常堆是通过一维数组来实现的。在数组起始位置为0的情形中：

父节点i的左子节点在位置：
$$2i+1$$

父节点i的右子节点在位置:
$$2i+2$$

子节点i的父节点在位置:
$$floor(（i-1）/2)$$

若用A表示堆的一维数组，那么A具有两个属性：
$$A.length:数组的元素个数$$

$$A.heap-size:表示有多少个堆元素存放于该数组中（堆的有效元素）$$

$$0\le A.heap-size\le A.length$$
若数组的起始位置为1，即树的根节点为A[1];

给定一个节点的下标为i,则他的父节点，左孩子和右孩子 的下标为：

父节点的下标：
$$PRRENT[i]=\lfloor i/2\rfloor$$
左孩子的下标：
$$LEFT[i]=2i$$
右孩子的下标：
$$RIGHT[i]=2i+1$$

节点的高度：该节点到叶节点最长简单路径上边的数目
$$如果一个堆有n个元素（可以看作一颗完全二叉树），那么堆的高度为\theta (\lg (n))$$

最大堆的性质：(除了根节点)
$$A[PARENT[i]]\ge A[i]$$
最小堆的性质：（除了根节点）
$$A[i]\ge A[PARENT[i]]$$
当用数组表示存储了n个元素的堆时，叶节点的下标分别是
$$\lfloor n/2\rfloor +1,\lfloor n/2\rfloor +2,\lfloor n/2\rfloor +3,...,n$$

最大堆和最小堆的应用

最大堆通常用于堆排序算法

最小堆通常用于构造优先队列

堆排序的概念

堆排序（英语：Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆是一个近似完全二叉树的结构，并同时满足堆积的性质：即子节点的键值或索引总是小于（或者大于）它的父节点。

堆排序是对简单选择排序的改进

简单选择排序是从n个记录中找出一个最小的记录，需要比较n-1次。但是这样的操作并没有把每一趟的比较结果保存下来，在后一趟的比较中，有许多比较在前一趟已经做过了，但由于前一趟排序时未保存这些比较结果，所以后一趟排序时又重复执行了这些比较操作，因而记录的比较次数较多。

堆排序的原理

维基百科：若以升序排序说明，把数组转换成最大堆积(Max-Heap Heap)，这是一种满足最大堆积性质(Max-Heap Property)的二叉树：对于除了根之外的每个节点i, A[parent(i)] ≥ A[i]。

重复从最大堆积取出数值最大的结点(把根结点和最后一个结点交换，把交换后的最后一个结点移出堆)，并让残余的堆积维持最大堆积性质。

将待排序的序列构造成一个大顶堆。此时，整个序列的最大值就是堆顶的根节点。将它移走(其实就是将其与堆数组的末尾元素交换，此时末尾元素就是最大值)，然后将剩余的n-1个序列重新构造成一个堆，这样就会得到n个元素中的次最大值。如此反复执行，就能得到一个有序序列了。

问题：

1. 如何由一个无序序列构建成一个堆？
2. 如何在输出堆顶元素后，调整剩余元素成为一个新的堆？

堆排序的特点

具有空间原址性：任何时候都只需要常数个额外空间存储临时数据

维护堆的性质MAX-HEAPIFY（A,i）

$$MAX-HEAPIFY(A,i):数组A;i为下标$$

MAX-HEAPIFY让A[i]在最大堆中**“逐级下降**”，从而避免了当LEFT[i]和RIGHT[i]都是最大堆，而A[i]小于其孩子的情况。

伪代码

思想：

• 从每次调用MAX-HEAPIFY都选出 A[i], A[LEFT[i]], A[RIGHT[i]] 中的最大值
• 如果最大值就是A[i]那么满足最大堆，否则交换A[i]和A[largest],交换后下标为largest的值为原来的A[i],以该节点为根节点的子树又可能违反最大堆的性质，所以需要对该子树进行递归调用MAX-HEAPIFY.

 MAX-HEAPIFY(A,i)
 	l = LEFT(i)
 	r = RIGHT(i)
 	if l ≤ A.heap-size and A[l] > A[i]
 		largest = l
 	else
 		largest = i
 	if r ≤ A.heap-size and A[r] > A[largest]
 		largest = r
 	if largest ≠ i
 		exchange A[i] with A[largest]
 		MAX-HEAPIFY(A,largest)

时间复杂度：
$$O(\lg (n))$$

建堆BUIL-MAX-HEAP(A)

我们已经知道对于一个堆数组大小为n的堆,该堆的叶子节点的子数组元素为
$$A(\lfloor n/2\rfloor +1..n)$$

那么我们采用自底向上的方法，利用前面维护堆的性质的函数MAX-HEAPIFY,将一个大小为n = A.length的数组A[1…n]转为最大堆。

那么这里的自底向上的方法就是从最底层的叶节点开始建堆，

首先每个叶节点可以看作只有一个元素的堆(肯定满足最大堆的性质)，

然后对除叶节点以外的其他每个节点都调用一次MAX-HEAPIFY(A,i)，用于检查是否符合最大堆的性质*（这里的调用也是从下往上调用，i从floor(n/2)到1，最后到根节点）*

伪代码
$$\begin{gathered} BUILD-MAX-HEAP(A) \\ A.heap-size=A.length \\ fori=\lfloor A.length/2\rfloor downto1 \\ MAX-HEAPIFY(A,i) \end{gathered}$$

时间复杂度：

每次调用MAX-HEAPIFY的时间复杂度为o(lgn)

BUILD-MAX-HEAP需要o(n)次这样的调用

因此总的时间复杂度为：
$$O(\lg (n))\ast O(n)=O(n\lg (n))$$
但是实际上还可以更加精确地计算得到时间复杂度为o(n),也就是说我们可以在线性时间内，将一个无序数组构造成为一个最大堆。

同理我们也可以在线性时间内构造一个最小堆

堆排序算法

HEAPSORT(A)
$$\begin{gathered} HEAPSORT(A) \\ BUILD-MAX-HEAP(A) \\ fori=A.lengthdownto2 \\ exchangeA[1]withA[i] \\ A.heapsize=A.heapsize-1 \\ MAX-HEAPIFY(A,1) \end{gathered}$$

总的思想就是：

• 首先先将一个无序数组构建成为一个最大堆BUILD-MAX-HEAP(A)
• 然后从堆地最底层开始遍历，将根节点A[1]和树地最后一个A[i]交换，然后将堆的有效元素减一（相当于每次剔除当前堆中的最大的元素，也就是每次剔除当前堆的根节点）exchange A[1] with A[i]； A.heapsize = A.heapsize - 1
• 然后将剩余的元素从新的根节点出发重新维护最大堆的性质MAX-HEAPIFY(A,1),
• 那么最后得到的序列就是一个升序序列

堆排序算法的实现

import java.util.ArrayList;
import java.util.Arrays;

public class HeapSort1 {

    private static int heapSize = 0;

    /**
     * 左孩子的下标
     * @param i
     * @return
     */
    public int leftIndexSearch(int i){
        return 2*i+1;
    }

    /**
     * 右孩子的下标
     * @param i
     * @return
     */
    public int rightIndexSearch(int i){
        return 2*i+2;
    }

    /**
     * 父节点的下标
     * @param i
     * @return
     */
    public int parentIndexSearch(int i){
        return (int) Math.floor((i-1)/2);
    }

    /**
     * 元素交换
     * @param arr
     * @param i
     * @param j
     */
    public void swap(int[] arr,int i,int j){
        int temp = arr[i];
        arr[i] = arr[j];
        arr[j] = temp;
    }

    /**
     * 维护堆的性质
     * @param arr
     * @param i
     */
    public void maxHeapify(int[] arr,int i){
        System.out.println(Arrays.toString(arr));
        System.out.println("当前节点："+i);
        int leftIndex = leftIndexSearch(i);
        System.out.println("左孩子："+leftIndex);
        int rightIndex = rightIndexSearch(i);
        System.out.println("右孩子"+rightIndex);

        int heapSize = arr.length;

        int largetsIndex = 0;
        if(leftIndex <= heapSize -1 && arr[leftIndex] > arr[i]){
            System.out.println("leftIndex <= heapSize -1 && arr[leftIndex]:"+arr[leftIndex]+" > arr[i]:"+arr[i]);
            largetsIndex = leftIndex;
            System.out.println(" largetsIndex = leftIndex;largestIndex:"+largetsIndex);
        }else {
            System.out.println("不满足leftIndex <= heapSize -1 && arr[leftIndex]> arr[i]:");
            largetsIndex = i;
            System.out.println(" largetsIndex = i;largestIndex:"+largetsIndex);
        }
        if(rightIndex <= heapSize - 1 && arr[rightIndex] > arr[largetsIndex]){
            System.out.println("rightIndex <= heapSize -1 && arr[rightIndex]:"+arr[rightIndex]+" > arr[largetsIndex]:"+arr[largetsIndex]);
            largetsIndex = rightIndex;
            System.out.println(" largetsIndex = rightIndex;largestIndex:"+largetsIndex);
        }
        if(largetsIndex != i){
            System.out.println("largetsIndex != i 交换i:"+i+"和largestIndex:"+largetsIndex);
            swap(arr,i,largetsIndex);
            System.out.println(Arrays.toString(arr));
            System.out.println("递归调用maxHeapify");
            maxHeapify(arr,largetsIndex);
        }
    }

    /**
     * 建堆
     * @param arr
     */
    public void buildMaxHeap(int[] arr){
        for(int i = (arr.length-1)/2; i >= 0; i--){
            maxHeapify(arr,i);
        }
    }

    /**
     * 堆排序
     * @param arr
     */
    public ArrayList<Integer> heapSort(int[] arr){
        ArrayList<Integer> list = new ArrayList<>();
        int heapSize = arr.length;

        buildMaxHeap(arr);
        System.out.println("构建最大堆：");
        System.out.println(Arrays.toString(arr));
        for(int i = arr.length - 1; i >= 0; i--){
            System.out.println("\n"+"最后一个元素i:"+i+"和根节点arr[0]交换");
            swap(arr,0,i);
            list.add(arr[heapSize-1]);
            System.out.println(Arrays.toString(arr));
            heapSize = heapSize - 1;
            System.out.println("heapSize:"+heapSize);

            arr = Arrays.copyOfRange(arr,0,heapSize );
            System.out.println("新的arr"+Arrays.toString(arr));
            maxHeapify(arr,0);
            System.out.println(Arrays.toString(arr));
        }
        return list;
    }


    public static void main(String[] args) {
        HeapSort1 heapSort1 = new HeapSort1();
        int[] arr = { 4,1,3,2,16,9,10,14,8,7 };
        System.out.println("排序之前：");
        for (int i = 0; i < arr.length; i++) {
            System.out.print(arr[i] + " ");
        }
        System.out.println("\n");

        // 堆排序
        ArrayList<Integer> list = heapSort1.heapSort(arr);


        System.out.println();
        System.out.println("排序之后：");
        for (int i = 0; i < list.size(); i++) {
            System.out.print(list.get(i) + " ");
        }
    }


}

排序之前：
4 1 3 2 16 9 10 14 8 7 
构建最大堆：
[16, 14, 10, 8, 7, 9, 3, 2, 4, 1]
排序之后：
16 14 10 9 8 7 4 3 2 1 

//简洁代码
import java.util.ArrayList;
import java.util.Arrays;

public class HeapSort1 {

    private static int heapSize = 0;

    /**
     * 左孩子的下标
     * @param i
     * @return
     */
    public int leftIndexSearch(int i){
        return 2*i+1;
    }

    /**
     * 右孩子的下标
     * @param i
     * @return
     */
    public int rightIndexSearch(int i){
        return 2*i+2;
    }

    /**
     * 父节点的下标
     * @param i
     * @return
     */
    public int parentIndexSearch(int i){
        return (int) Math.floor((i-1)/2);
    }

    /**
     * 元素交换
     * @param arr
     * @param i
     * @param j
     */
    public void swap(int[] arr,int i,int j){
        int temp = arr[i];
        arr[i] = arr[j];
        arr[j] = temp;
    }

    /**
     * 维护堆的性质
     * @param arr
     * @param i
     */
    public void maxHeapify(int[] arr,int i){
        int leftIndex = leftIndexSearch(i);
        int rightIndex = rightIndexSearch(i);

        int heapSize = arr.length;

        int largetsIndex = 0;
        if(leftIndex <= heapSize -1 && arr[leftIndex] > arr[i]){
            largetsIndex = leftIndex;
        }else {
            largetsIndex = i;
        }
        if(rightIndex <= heapSize - 1 && arr[rightIndex] > arr[largetsIndex]){
            largetsIndex = rightIndex;
        }
        if(largetsIndex != i){
            swap(arr,i,largetsIndex);
            maxHeapify(arr,largetsIndex);
        }
    }

    /**
     * 建堆
     * @param arr
     */
    public void buildMaxHeap(int[] arr){
        for(int i = (arr.length-1)/2; i >= 0; i--){
            maxHeapify(arr,i);
        }
    }

    /**
     * 堆排序
     * @param arr
     */
    public ArrayList<Integer> heapSort(int[] arr){
        ArrayList<Integer> list = new ArrayList<>();
        int heapSize = arr.length;

        buildMaxHeap(arr);
        System.out.println("构建最大堆：");
        System.out.println(Arrays.toString(arr));
        for(int i = arr.length - 1; i >= 0; i--){
            swap(arr,0,i);
            list.add(arr[heapSize-1]);
            heapSize = heapSize - 1;

            arr = Arrays.copyOfRange(arr,0,heapSize );
            maxHeapify(arr,0);
        }
        return list;
    }


    public static void main(String[] args) {
        HeapSort1 heapSort1 = new HeapSort1();
        int[] arr = { 4,1,3,2,16,9,10,14,8,7 };
        System.out.println("排序之前：");
        for (int i = 0; i < arr.length; i++) {
            System.out.print(arr[i] + " ");
        }
        System.out.println("\n");

        // 堆排序
        ArrayList<Integer> list = heapSort1.heapSort(arr);


        System.out.println();
        System.out.println("排序之后：");
        for (int i = 0; i < list.size(); i++) {
            System.out.print(list.get(i) + " ");
        }
    }


}

排序之前：
4 1 3 2 16 9 10 14 8 7 

构建最大堆：
[16, 14, 10, 8, 7, 9, 3, 2, 4, 1]

排序之后：
16 14 10 9 8 7 4 3 2 1 

优先队列

优先队列：是一种用来维护一组元素构成的集合S的数据结构，其中每个元素都有一个相关的值，称为关键字，一个最大优先队列支持以下操作：

INSERT(S,x):把元素x插入集合S中，等价于S = S

MAXIMUM(S):返回S中具有最大键字的元素

INCREASE-KEY(S，x, k):将元素x的关键字值增加到k

假设A为最大堆

//返回数组A中最大值（根节点）
HEAP-MAXIMUM(A)
	return A[1]

//抽取并返回最大值，重新构建最大堆
HEAP-EXTRACT-MAX(A)
  if(A.heap-size < 1)
  		error "heap underflow"
  max = A[1]
  //将堆中的最后一个元素赋值给A[1]
  A[1] = A[A.heap-size]
  //减小堆的长度
  A.heap-size = A.heap-size - 1
  //对新堆重新维护最大堆的性质
  MAX-HEAPIFY(A,1)
  return max

//将元素i的关键字值增加到key(这里i为下标，key为具体的值)
HEAP-INCREASE-KEY(A,i,key)
  if key < A[i]
  	error "new key is smaller than current key"
  A[i] = key
  //当i不为根节点并且A[i]的值比父节点A[PARENT(i)]的值还要大
  while i > 1 and A[PARENT(i)] < A[i]
    //那么就交换A[i]和父节点 A[PARENT(i)]
  	exchange A[i] with A[PARENT(i)]
  	//更新i的下标为父节点的下标
  	i = PARENT(i)

MAX-HEAP-INSERT(A,key)
	//增加A的长度
	A.heap-size = A.heap-size + 1
	//将A的最后一个数设置为负无穷，因为负无穷肯定比key小
	A[A.heap-size] = -∞
	//调用增加方法将最后一个元素增加到Key
	HEAP-INCREASE-KEY(A,A.heap-size,key)

Java排序算法(五)：堆排序

[Heapsort 堆排序算法详解（Java实现)]

《算法导论第三版》

转载于:https://www.cnblogs.com/flyingcr/p/10493222.html