堆的概念
-
堆逻辑上是一颗完全二叉树
-
堆物理存储是存储在数组中
-
满足任意节点的值都大于其子树中节点的值,叫做大堆,或者大根堆
-
满足任意节点的值都小于其子树中节点的值,叫做小堆,或者小根堆
-
堆的作用:快速找出集合中的最值
下标关系
已知双亲(parent)的下标,则:
左孩子(left)下标= 2 * parent + 1;右孩子(right)下标= 2 * parent + 2;
已知孩子(不区分左右)(child)下标,则:
双亲(parent)下标= (child - 1) / 2;
建堆
- 堆排实现的是从小到大,就建大堆
- 堆排实现的是从大到小,就建小堆
下面我们给出一个数组,这个数组逻辑上可以看做一颗完全二叉树,但是还不是一个堆,现在我们通过算法,把它
构建成一个堆。根节点左右子树不是堆,我们怎么调整呢?这里我们从倒数的第一个非叶子节点的子树开始调整,
一直调整到根节点的树,就可以调整成堆
图示:以大堆示例
//建堆前
int[] arr = {1,5,3,8,7,6};
//建堆后
int[] arr = {8,7,6,5,1,3};
child 始终是左右孩子中最大值的索引
public static void createHeap(int[] arr) {
for (int i = (arr.length-1-1)/2; i >= 0; i--) {
adjustDown(arr,i,arr.length-1);
}
}
public static void adjustDown(int[] arr,int i,int end) {
int parent = i;
int child = parent*2+1;
while(child <= end) {
if (child+1 <= end && arr[child] < arr[child+1]) {
child = child+1;
}
if (arr[child] > arr[parent]) {
int tmp = arr[parent];
arr[parent] = arr[child];
arr[child] = tmp;
parent = child;
child = parent*2+1;
}else {
break;
}
}
}
建堆的时间复杂度:O(n*log2n)
堆排序
注意: 排升序要建大堆;排降序要建小堆
堆排序的原理:将待排序的数据建成一个大根堆,而堆顶的元素是这个大根堆中最大的元素,将堆顶和最后一个元素进行交换,那么最大的元素就已经放在了数组的最后位置,此时再次调整,需要注意的是末尾的数已经有序了,我们需要将他去除在外,即end--;重复上述的操作,每调整一次,和end下标的位置元素进行交换,然后end--;当end == 0时,数组就有序了;
图解
代码实现
public static void heapSort(int[] arr) {
createHeap(arr);
int end = arr.length-1;
while (end > 0) {
int tmp = arr[0];
arr[0] = arr[end];
arr[end] = tmp;
end--;
adjustDown(arr,0,end);
}
}
public static void createHeap(int[] arr) {
for (int i = (arr.length-1-1)/2; i >= 0; i--) {
adjustDown(arr,i,arr.length-1);
}
}
public static void adjustDown(int[] arr,int i,int end) {
int parent = i;
int child = parent*2+1;
while(child <= end) {
if (child+1 <= end && arr[child] < arr[child+1]) {
child = child+1;
}
if (arr[child] > arr[parent]) {
int tmp = arr[parent];
arr[parent] = arr[child];
arr[child] = tmp;
parent = child;
child = parent*2+1;
}else {
break;
}
}
}
性能分析
时间复杂度 | 空间复杂度 | 稳定性 |
O(n*log2n) | O(1) | 不稳定 |
总结时间复杂度
堆排时间复杂度:O(n*log2n)
建堆的时间复杂度:O(n*log2n)
一次调整的时间复杂度:O(log2n)