package Sortpre;
import ByteDance.sort;
public class HeapSort extends BaseSort{
public static void main(String[] args) {
Integer[] aIntegers= RandomArray.getRandomBoxedIntArray(0,1000,50);
sort(aIntegers);
show(aIntegers);
}
public static <K extends Comparable<K>> void sort(K[] elems){
//构造大顶堆
buildMaxHeap(elems);
for(int i=elems.length-1;i>0;i--) {
//将为排序的最后一个元素和最顶的元素交换
exch(elems, i, 0);
//这里i既然和最上面的交换了,那么从i->elems.length-1都已经排好序了,这时候的heap的bound应该是小于i
//不能大于i
heap(elems, 0, i);
}
}
public static <K extends Comparable<K>> void buildMaxHeap(K[] elems) {
//从最后面的非叶子节点开始
for(int i=elems.length/2-1;i>=0;i--) {
heap(elems, i, elems.length);
}
}
//针对第i个元素构造最大堆
public static <K extends Comparable<K>> void heap(K[] elems, int i, int bound) {
int largest = i;
int left = 2*i+1, right = 2*i+2;
if(left < bound && less(elems[largest], elems[left])) largest = left;
if(right < bound && less(elems[largest], elems[right])) largest = right;
//说明此时子堆有比它大的
if(largest != i) {
exch(elems, i, largest);
//然后沉下去的元素应该继续针对这个元素构造大顶堆
heap(elems, largest, bound);
}
}
}
复杂度分析
时间复杂度
第一步:构造大顶堆
我们构造大顶堆是从最后一个非叶子结点开始的,所以对于n个元素,他的最后一个非叶子节点是第n/2个元素
注意这里的第几个元素和数组里面的元素关系不一样的,这里是从1开始,代码数组里面是从0开始
😊
那么我们外层循环遍历所有的非叶子结点就是n/2次,然后每一次遍历交换后,都要对子节点进行构造大顶堆。
首先要理解怎么计算这个堆化过程所消耗的时间,可以直接画图去理解;
假设高度为k,则从倒数第二层右边的节点开始,这一层的节点都要执行子节点比较然后交换(如果顺序是对的就不用交换);倒数第三层呢,则会选择其子节点进行比较和交换,如果没交换就可以不用再执行下去了。如果交换了,那么又要选择一支子树进行比较和交换;
那么总的时间计算为:s = 2^( i - 1 ) * ( k - i );其中 i 表示第几层,2^( i - 1) 表示该层上有多少个元素,( k - i) 表示子树上要比较的次数,如果在最差的条件下,就是比较次数后还要交换;因为这个是常数,所以提出来后可以忽略;
S = 2^(k-2) * 1 + 2^(k-3)*2.....+2*(k-2)+2^(0)*(k-1) ===> 因为叶子层不用交换,所以i从 k-1 开始到 1;
这个等式求解,我想高中已经会了:等式左右乘上2,然后和原来的等式相减,就变成了:
S = 2^(k - 1) + 2^(k - 2) + 2^(k - 3) ..... + 2 - (k-1)
除最后一项外,就是一个等比数列了,直接用求和公式:S = { a1[ 1- (q^n) ] } / (1-q);
S = 2^k -k -1;又因为k为完全二叉树的深度,所以 (2^k) <= n < (2^k -1 ),总之可以认为:k = logn (实际计算得到应该是 log(n+1) < k <= logn );
综上所述得到:S = n - longn -1,所以时间复杂度为:O(n)
重建堆复杂度
更改堆元素后重建堆时间:O(nlogn)
推算过程:
1、循环 n -1 次,每次都是从根节点往下循环查找,所以每一次时间是 logn,总时间:logn(n-1) = nlogn - logn ;