排序算法--堆排序

堆排序基本介绍

（1）堆排序是利用堆这种数据结构而设计的一种排序算法，堆排序是一种选择排序，它的最坏，最好，平均时间复杂度均为O(nlogn)，它也是不稳定排序。

（2）堆是具有以下性质的完全二叉树：

① 每个结点的值都大于或等于其左右孩子结点的值，称为大顶堆。

(注意: 没有要求结点的左孩子的值和右孩子的值的大小关系)

② 每个结点的值都小于或等于其左右孩子结点的值，称为小顶堆。

（3）一般升序采用大顶堆，降序采用小顶堆。 

（4）堆排序是以数组的方式存储数据，但是在遍历的时候以树的方式进排序和遍历。

大顶堆和小顶堆

我们对堆中的结点按层进行编号，映射到数组中就是下面这个样子:

 

大顶堆特点：arr[i] >= arr[2*i+1] && arr[i] >= arr[2*i+2]  // i 对应第几个节点，i从0开始编号。

即父节点大于等于左右子节点。

小顶堆：arr[i] <= arr[2*i+1] && arr[i] <= arr[2*i+2] // i 对应第几个节点，i从0开始编号。

即父节点小于等于左右子节点。

使用的公式

查找数组中某个数的父结点和左右孩子结点，比如已知索引为i的数，那么

父结点索引：(i-1)/2（这里计算机中的除以2，省略掉小数）

左孩子索引：2*i+1

右孩子索引：2*i+2

堆排序的图解步骤

要求：给你一个数组 {4,6,8,5,9} , 要求使用堆排序法，将数组升序排序。

（1）将无序序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆。

（2）将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端。

（3）将剩余n-1个元素重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，如此反复执行，便能得到一个有序序列了。

可以看到在构建大顶堆的过程中，元素的个数逐渐减少。

核心：将一个数组(二叉树)调整成一个大顶堆

动图演示

步骤一：构造初始大顶堆

将给定无序序列构造成一个大顶堆（一般升序采用大顶堆，降序采用小顶堆)。

假设给定无序序列结构如下

（1）第一次遍历

此时我们从最后一个非叶子结点开始（叶结点自然不用调整，第一个非叶子结点 arr.length/2-1 = 5/2-1 = 1，也就是下面的6结点），从左至右，从下至上进行调整。

（2）第二次遍历

找到第二个非叶节点4，由于[4,9,8]中9元素最大，4和9交换。

这时，交换导致了子根[4,5,6]结构混乱，继续调整，[4,5,6]中6最大，交换4和6。

此时，我们就将一个无序序列构造成了一个大顶堆。

步骤二：堆排序

将堆顶元素与末尾元素进行交换，使末尾元素最大。

然后继续调整堆，再将堆顶元素与末尾元素交换，得到第二大元素。如此反复进行交换、重建、交换。

（1）将堆顶元素9和末尾元素4进行交换

（2）重新调整结构，使其继续满足堆定义

（3）再将堆顶元素8与末尾元素5进行交换，得到第二大元素8。

（4）后续过程，继续进行调整，交换，如此反复进行，最终使得整个序列有序

代码实现

    public class HeapSort {
	public static void main(String[] args) {
//		int arr[] = {4, 6, 8, 5, 9};
//		heapSort(arr);
//		System.out.println(Arrays.toString(arr));

		// 创建要给80000个的随机的数组
		int[] arr = new int[8000000];
		for (int i = 0; i < 8000000; i++) {
			arr[i] = (int) (Math.random() * 8000000); // 生成一个[0, 8000000) 数
		}

		Date data1 = new Date();
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
		String date1Str = simpleDateFormat.format(data1);
		System.out.println("排序前的时间是=" + date1Str);
		
		heapSort(arr);

		Date data2 = new Date();
		String date2Str = simpleDateFormat.format(data2);
		System.out.println("排序前的时间是=" + date2Str);

	}

	/**
	 * 堆排序
	 */
	public static void heapSort(int[] arr) {
		// 将无序序列构建成一个大顶堆
		for (int i = arr.length / 2 - 1; i >= 0; i--) {
			adjustHeap(arr, i, arr.length);
		}
		// 将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端
		// 重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，反复执行调整+交换步骤，直到整个序列有序。
		for (int len = arr.length - 1; len > 0; len--) {
			int temp = arr[len];
			arr[len] = arr[0];
			arr[0] = temp;
			// 交换之后重新调整为大顶堆的结构
			adjustHeap(arr, 0, len);
		}
	}

	/**
	 * 将一个数组(二叉树), 调整成一个大顶堆
	 * 功能： 完成 将 以 i 对应的非叶子结点的树调整成大顶堆，从左至右，从下到上进行调整
	 * @param arr 待调整的数组
	 * @param index 表示非叶子结点在数组中索引
	 * @param length 表示对多少个元素继续调整， length 是在逐渐的减少
	 */
	public static void adjustHeap(int[] arr, int index, int length) {
		// 先取出当前元素的值，保存在临时变量
		int temp = arr[index];
		// k 的初始值 是 i 结点的左子结点
		for (int k = index * 2 + 1; k < length; k = k * 2 + 1) {
			// 如果左子结点的值小于右子结点的值，则使k指向右子节点
			if (k + 1 < length && arr[k] < arr[k + 1]) {
				k++;
			}
			// 如果子结点大于父结点，把较大的值赋给当前父结点
			if (arr[k] > temp) {
				arr[index] = arr[k];
				index = k;
			} else {
				break;
			}
		}
		// 当for循环结束后，我们已经将以index为父结点的树的最大值，放在了 最顶(局部)部，这是需要将之前最顶部的值交换给子节点
		arr[index] = temp;
	}

	/**
	 * 分步输出调整大顶堆的步骤
	 */
	@Test
	public void test() {
		int arr[] = { 4, 6, 8, 5, 9 };
		adjustHeap(arr, 1, arr.length);
		System.out.println("第一次" + Arrays.toString(arr)); // [4, 9, 8, 5, 6]
		adjustHeap(arr, 0, arr.length);
		System.out.println("第二次" + Arrays.toString(arr)); // [9, 6, 8, 5, 4]
	}

}

易错点：大顶堆的构建：如下图解