最小堆的时间复杂度_图解堆结构、堆排序及堆的应用

前言

这次我们介绍另一种时间复杂度为 O(nlogn) 的选择类排序方法叫做堆排序。

我将从以下几个方面介绍：

• 堆的结构
• 堆排序
• 优化的堆排序
• 原地堆排序
• 堆的应用

堆的结构

什么是堆？我给出了百度的定义，如下：

堆(Heap)是计算机科学中一类特殊的数据结构的统称。堆通常是一个可以被看做一棵 完全二叉树 的数组对象。

堆总是满足下列性质：

• 堆中某个节点的值总是不大于或不小于其父节点的值。
• 堆总是一棵完全二叉树。

将根节点最大的堆叫做最大堆，根节点最小的堆叫做最小堆。

下图展示了一个最大堆的结构：

可见，堆中某个节点的值总是小于等于其父节点的值。

由于堆是一棵完全二叉树，因此我们可以对每一层进行编号，如下：

我们完全可以使用数组存放这些元素，那如何确定存放的位置呢？利用如下公式：

父节点：parent(i) = (i-1)/2

左孩子：leftChild(i) = 2*i+1

右孩子：rightChild(i) = 2*i+2

相关代码如下：

private int parent(int index) {    return (index - 1) / 2;}private int leftChild(int index) {    return index * 2 + 1;}private int rightChild(int index) {    return index * 2 + 2;}

添加元素

向堆中添加元素的步骤如下：

1. 将新元素放到数组的末尾。
2. 获取新元素的父亲节点在数组中的位置，比较新元素和父亲节点的值，如果父亲节点的值小于新元素的值，那么两者交换。以此类推，不断向上比较，直到根节点结束。

下图展示了添加元素的过程：

添加元素的过程也叫做 siftUp ，代码如下：

// Array是自己实现的动态数组private Array data;public void add(E e) {    data.addLast(e);    siftUp(data.getSize() - 1);}private void siftUp(int k) {    while (k > 0 && data.get(parent(k)).compareTo(data.get(k)) < 0) {        data.swap(k, parent(k));        k = parent(k);    }}

删除元素

删除元素其实就是删除堆顶的元素，步骤如下：

1. 让数组最后一个元素和数组第一个元素(堆顶元素)交换。