堆排序算法java语言_解读堆排序算法及用C++实现基于最大堆的堆排序示例

1、堆排序定义n个关键字序列Kl，K2，…，Kn称为堆，当且仅当该序列满足如下性质(简称为堆性质)：

(1) ki≤K2i且ki≤K2i+1 或(2)Ki≥K2i且ki≥K2i+1(1≤i≤   )

若将此序列所存储的向量R[1..n]看做是一棵完全二叉树的存储结构，则堆实质上是满足如下性质的完全二叉树：树中任一非叶结点的关键字均不大于(或不小于)其左右孩子(若存在)结点的关键字。

【例】关键字序列(10，15，56，25，30，70)和(70，56，30，25，15，10)分别满足堆性质(1)和(2)，故它们均是堆，其对应的完全二叉树分别如最小堆示例和最大堆示例所示。

堆排序算法

2、最大堆和最小堆(1)根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最小者的堆称为最小堆。

(2)结点(亦称为堆顶)的关键字是堆里所有结点关键字中最大者，称为最大堆。

注意：

(1)堆中任一子树亦是堆。

(2)以上讨论的堆实际上是二叉堆(Binary Heap)，类似地可定义k叉堆。

3、堆排序的基本思路如下:(1)把待排序数组构造成一个最大堆

(2)取出树的根(最大(小)值, 实际算法的实现并不是真正的取出)

(3)将树中剩下的元素再构造成一个最大堆(这里的构造和第1步不一样，具体看实现部分)

(4)重复2,3操作，直到取完所有的元素

(5)把元素按取出的顺序排列，即得到一个有序数组(在代码实现里是通过交换操作"无形中"完成的)

在开始实现算法先看几个结论(证明略):

(1)完全二叉树A[0:n-1]中的任意节点，其下标为 ii, 那么其子节点的下标分别是为2i+12i+1 和 2(i+1)2(i+1)

(2)大小为n的完全二叉树A[0:n-1]，叶子节点中下标最小的是⌊n2⌋⌊n2⌋， 非叶子节点中下标最大的是⌊n2⌋−1⌊n2⌋−1

(3)如果数组是一个最大堆，那么最大元素就是A[0]

(4)最大堆中任意节点的左右子树也是最大堆

4、实现示例这里的算法实现使用的是最大堆，首先来解决由数组建立最大堆的问题:

// 用于计算下标为i的节点的两个子节点的下标值

#define LEFT(i) (2 * (i) + 1)

#define RIGHT(i) (2 * ((i) + 1))

/* 此函数把一颗二叉树中以node为根的子树变成最大堆。

* 注意: 使用的前提条件是 node节点的左右子树(如果存在的话)都是最大堆。

* 这个函数是整个算法的关键。

*/

void max_heapify(int heap[], int heap_size, int node)

{

// 这里先不考虑整数溢出的问题

// 先把注意力放在主要的功能上

// 如果数据规模够大,int类型必然会溢出

int l_child = LEFT(node);

int r_child = RIGHT(node);

int max_value = node;

if (l_child < heap_size && heap[l_child] > heap[max_value])

{

max_value = l_child;

}

if (r_child < heap_size && heap[r_child] > heap[max_value])

{

max_value = r_child;

}

if (max_value != node)

{

swap_val(heap + node, heap + max_value);

// 之后还要保证被交换的子节点构成的子树仍然是最大堆

// 如果不是这个节点会继续"下沉"，直到合适的位置

max_heapify(heap, heap_size, max_value);

}

}

/* 将一个数组构造成最大堆

* 自底向上的利用max_heapify函数处理

*/

void build_max_heap(int heap[], int heap_size)

{

if (heap_size < 2)

{

return;

}

int first_leaf = heap_size >> 1;//第一个叶子节点的下标

int i;

// 从最后一个非叶子节点开始自底向上构建，

// 叶子节点都看作最大堆，因此可以使用max_heapify函数

for (i = first_leaf - 1; i >= 0; i--)

{

max_heapify(heap, heap_size, i);

}

}

函数max_heapify将指定子树的根节点"下沉"到合适的位置, 最终子树变成最大堆， 该过程最坏时间复杂度为O(logn)O(log⁡n)。函数build_max_heap自底向上的调用max_heapify, 最终整个数组满足最大堆，迭代过程的复杂度为O(nlogn)O(nlog⁡n)， 因此整个函数的最坏时间复杂度也是O(nlogn)O(nlog⁡n)。 而如果当前数组已经是最大堆了，例如数组原本是降序排列的， 那么max_heapify过程的时间复杂度就是O(1)O(1), 此时build_max_heap的时间复杂度是O(n)O(n)，这是最好的情况。

接着实现堆排序过程：

/* heap sort 主函数

*/

void heap_sort(int heap[], int heap_size)

{

if (heap == NULL || heap_size < 2)

{

return;

}

//构建最大堆

build_max_heap(heap, heap_size);

int i;

for (i = heap_size - 1; i > 0; i--)

{

/* 把当前树的根节点交换到末尾

* 相当于取出最大值，树的规模变小。

* 交换后的树不是最大堆，但是根的两颗子树依然是最大堆

* 满足调用max_heapify的条件。之所以这样交换，

* 是因为用max_heapify处理时间复杂度较低，

* 如果不交换而直接"取出"heap[0], 此处可能要使用

* build_max_heap重新建立最大堆，时间复杂度较大

*/

swap_val(heap, heap + i);

heap_size--;

//维护最大堆

max_heapify(heap, heap_size, 0);

}

}

最终的堆排序算法中，build_max_heap的复杂度是已知的， 迭代部分和build_max_heap的实现类似，而且不难看出， 交换后的根元素在下一次建堆过程中必然下沉到堆底，因此无论情况好坏， 该迭代过程时间复杂度都是O(nlogn)O(nlog⁡n)， 所以整个算法的最好最坏和平均时间复杂度都是O(nlogn)O(nlog⁡n)。

堆排序算法的空间复杂度是O(1)O(1)，从实现上很容易看出来。