那么,这个二叉堆怎样来使用呢?我们这一期将会详细讲述。
让我们回顾一下二叉堆和最大堆的特性:
1.二叉堆本质上是一种完全二叉树
2.最大堆的堆顶是整个堆中的最大元素
当我们删除一个最大堆的堆顶(并不是完全删除,而是替换到最后面),经过自我调节,第二大的元素就会被交换上来,成为最大堆的新堆顶。
正如上图所示,当我们删除值为10的堆顶节点,经过调节,值为9的新节点就会顶替上来;当我们删除值为9的堆顶节点,经过调节,值为8的新节点就会顶替上来.......
由于二叉堆的这个特性,我们每一次删除旧堆顶,调整后的新堆顶都是大小仅次于旧堆顶的节点。那么我们只要反复删除堆顶,反复调节二叉堆,所得到的集合就成为了一个有序集合,过程如下:
到此为止,我们原本的最大堆已经变成了一个从小到大的有序集合。之前说过二叉堆实际存储在数组当中,数组中的元素排列如下:
由此,我们可以归纳出堆排序算法的步骤:
1. 把无序数组构建成二叉堆。
2. 循环删除堆顶元素,移到集合尾部,调节堆产生新的堆顶。
public class HeapSort {
-
/**
-
* 下沉调整
-
* @param array 待调整的堆
-
* @param parentIndex 要下沉的父节点
-
* @param parentIndex 堆的有效大小
-
*/
-
public static void downAdjust(int[] array, int parentIndex, int length) {
-
// temp保存父节点值,用于最后的赋值
-
int temp = array[parentIndex];
-
int childIndex = 2 * parentIndex + 1;
-
while (childIndex < length) {
-
// 如果有右孩子,且右孩子大于左孩子的值,则定位到右孩子
-
if (childIndex + 1 < length && array[childIndex + 1] > array[childIndex]) {
-
childIndex++;
-
}
-
// 如果父节点小于任何一个孩子的值,直接跳出
-
if (temp >= array[childIndex])
-
break;
-
//无需真正交换,单向赋值即可
-
array[parentIndex] = array[childIndex];
-
parentIndex = childIndex;
-
childIndex = 2 * childIndex + 1;
-
}
-
array[parentIndex] = temp;
-
}
-
/**
-
* 堆排序
-
* @param array 待调整的堆
-
*/
-
public static void heapSort(int[] array) {
-
// 1.把无序数组构建成二叉堆。
for (int i = (array.length-2)/
2; i >= 0; i--) {
-
downAdjust(array, i, array.length);
-
}
-
System.out.println(Arrays.toString(array));
-
// 2.循环删除堆顶元素,移到集合尾部,调节堆产生新的堆顶。
-
for (int i = array.length - 1; i > 0; i--) {
-
// 最后一个元素和第一元素进行交换
-
int temp = array[i];
-
array[i] = array[0];
-
array[0] = temp;
-
// 下沉调整最大堆
-
downAdjust(array, 0, i);
-
}
-
}
-
public static void main(String[] args) {
-
int[] arr = new int[] {1,3,2,6,5,7,8,9,10,0};
-
heapSort(arr);
-
System.out.println(Arrays.toString(arr));
-
}
二叉堆的节点下沉调整(downAdjust 方法)是堆排序算法的基础,这个调节操作本身的时间复杂度是多少呢?
假设二叉堆总共有n个元素,那么下沉调整的最坏时间复杂度就等同于二叉堆的高度,也就是O(logn)。
我们再来回顾一下堆排序算法的步骤:
1. 把无序数组构建成二叉堆。
2. 循环删除堆顶元素,移到集合尾部,调节堆产生新的堆顶。
第一步,把无序数组构建成二叉堆,需要进行n/2次循环。每次循环调用一次 downAdjust 方法,所以第一步的计算规模是 n/2 * logn,时间复杂度O(nlogn)。
第二步,需要进行n-1次循环。每次循环调用一次 downAdjust 方法,所以第二步的计算规模是 (n-1) * logn ,时间复杂度 O(nlogn)。
两个步骤是并列关系,所以整体的时间复杂度同样是 O(nlogn)。