简单选择排序、堆排序详解及C++代码详细实现

最新推荐文章于 2024-03-11 13:14:16 发布

诗之本秋穂

最新推荐文章于 2024-03-11 13:14:16 发布

阅读量741

点赞数 1

分类专栏：数据结构笔记文章标签： c++ 排序算法数据结构

本文链接：https://blog.csdn.net/weixin_45651616/article/details/126505113

版权

数据结构笔记专栏收录该内容

18 篇文章 5 订阅

订阅专栏

选择排序

选择排序的基本思想是：每一趟（如第 $i$ 趟）在后面 $\quad (i=1,2,\dots,n-1)$ 个待排序元素中选取关键字最小的元素，作为有序子序列的第 $i$ 个元素，直到第 $n - 1$ 趟做完，待排序元素只剩下1个，就不用再选了。

简单选择排序

根据上面选择排序的思想，可以很直观地得岀简单选择排序算法的思想：假设排序表为L[1..n]，第 $i$ 趟排序即从L[i..n]中选择关键字最小的元素与L(i)交换，每一趟排序可以确定一个元素的最终位置，这样经过 $n - 1$ 趟排序就可使得整个排序表有序。

简单选择排序算法的代码如下：

void SelectSort(int *A, int n) {
    for (int i = 0; i < n - 1; i++) {   //一共进行n-1趟
        int min = i;    //记录最小元素位置
        for (int k = i + 1; k < n; k++)   //在A[i...n-1]中选择最小的元素
            if (A[k] < A[min])
                min = k;    //更新最小元素位置

        if (min != i) {     //交换
            int temp = A[min];
            A[min] = A[i];
            A[i] = temp;
        }
    }
}

简单选择排序算法的性能分析如下：

空间效率：仅使用常数个辅助单元，故空间效率为 $O (1)$ 。

时间效率：从上述伪码中不难看出，在简单选择排序过程中，元素移动的操作次数很少，不会超过 $3 (n - 1)$ 次，最好的情况是移动0次，此时对应的表已经有序；但元素间比较的次数与序列的初始状态无关，始终是 $n (n - 1) /2$ 次，因此时间复杂度始终是 $O(n^2)$ 。

稳定性：在第 $i$ 趟找到最小元素后，和第 $i$ 个元素交换，可能会导致第 $i$ 个元素与其含有相同关键字元素的相对位置发生改变。例如，表L={2, 2, 1}，经过一趟排序后L={1, 2, 2}，最终排序序列也是L={1, 2, 2}，显然，2与2的相对次序已发生变化。因此，简单选择排序是一种不稳定的排序方法。

堆排序

堆的定义如下， $n$ 个关键字序列L[1...n]称为堆，当且仅当该序列满足：
1）L(i)>=L(2i)且L(i)>=L(2i+1)或
2）L(i)<=L(2i)且L(i)<=L(2i+1) $\le i \le \left \lfloor n/2 \right \rfloor )$

可以将该一维数组视为一棵完全二叉树，满足条件1的堆称为大根堆（大顶堆），大根堆的最大元素存放在根结点，且其任一非根结点的值小于等于其双亲结点值。满足条件2的堆称为小根堆（小顶堆），小根堆的定义刚好相反，根结点是最小元素。下图所示为一个大根堆。

一个大根堆示意图

堆排序的思路很简单：首先将存放在L[1...n]中的 $n$ 个元素建成初始堆，由于堆本身的特点（以大顶堆为例），堆顶元素就是最大值。输出堆顶元素后，通常将堆底元素送入堆顶，此时根结点已不满足大顶堆的性质，堆被破坏，将堆顶元素向下调整使其继续保持大顶堆的性质，再输出堆顶元素。如此重复，直到堆中仅剩一个元素为止。

可见堆排序需要解决两个问题：
1）如何将无序序列构造成初始堆
2）输出堆顶元素后，如何将剩余元素调整成新的堆？

堆排序的关键是构造初始堆。 $n$ 个结点的完全二叉树，最后一个结点是第 $\left \lfloor n/2 \right \rfloor$ 个结点的孩子。对第 $\left \lfloor n/2 \right \rfloor$ 个结点为根的子树筛选（对于大根堆，若根结点的关键字小于左右孩子中关键字较大者，则交换)，使该子树成为堆。之后向前依次对各结点（ $\left \lfloor n/2 \right \rfloor -1 \sim 1$ ）为根的子树进行筛选，看该结点值是否大于其左右子结点的值，若不大于，则将左右子结点中的较大值与之交换，交换后可能会破坏下一级的堆，于是继续采用上述方法构造下一级的堆，直到以该结点为根的子树构成堆为止。反复利用上述调整堆的方法建堆，直到根结点。

如下图所示：
1）初始时调整L(4)子树，09<32，交换，交换后满足堆的定义；
2）向前继续调整L(3)子树，78 <左右孩子的较大者87，交换，交换后满足堆的定义；
3）向前调整L(2)子树，17 <左右孩子的较大者45，交换后满足堆的定义；
4）向前调整至根结点L(1) ，53 <左右孩子的较大者87，交换，交换后破坏了L(3)子树的堆，采用上述方法对L(3)进行调整，53<左右孩子的较大者78，交换，至此该完全二叉树满足堆的定义。

自下往上逐步调整为大根堆

输出堆顶元素后，将堆的最后一个元素与堆顶元素交换，此时堆的性质被破坏，需要向下进行筛选。将09和左右孩子的较大者78交换，交换后破坏了L(3)子树的堆，继续对L(3)子树向下筛选，将09和左右孩子的较大者65交换，交换后得到了新堆，调整过程如下图所示。

输出堆顶元素后再将剩余元素调整成新堆

下面是建立大根堆的算法：

void HeadAdjust(int *A, int k, int len) {
    //函数HeadAdjust将元素k为根的子树进行调整
    A[0] = A[k];    //A[0]暂存子树的根结点
    for (int i = 2 * k; i < len; i *= 2) {  //沿key较大的子结点向下筛选
        if (i < len && A[i] < A[i + 1])
            i++;    //取key较大的子结点的下标

        if (A[0] > A[i])
            break;  //筛选结束
        else {
            A[k] = A[i];  //将A[i]调整到双亲结点上
            k = i;        //修改k值，以便继续向下筛选
        }
    }
    A[k] = A[0];    //被筛选结点的值放入最终位置
}

void BuildMaxHeap(int *A, int len) {
    for (int i = len / 2; i > 0; i--)
        HeadAdjust(A, i, len);  //从i=[n/2]〜1，反复调整堆
}

调整的时间与树高有关，为 $O (h)$ 。在建含 $n$ 个元素的堆时，关键字的比较总次数不超过 $4 n$ ，时间复杂度为 $O (n)$ ，这说明可以在线性时间内将一个无序数组建成一个堆。

下面是堆排序算法：

void HeapSort(int *A, int len) {
    BuildMaxHeap(A, len);   //初始建堆
    for (int i = len; i > 1; i--) {     //n-1趟的交换和建堆过程
        cout << A[1] << "\t";   //输出堆顶元素

        int temp = A[1];    //堆顶堆底交换
        A[1] = A[i];
        A[i] = temp;

        HeadAdjust(A, 1, i - 1);  //调整，把剩余的i-1个元素整理成堆
    }
    cout << A[1] << "\t";   //输出最后一个堆顶元素
}

同时，堆也支持插入操作。对堆进行插入操作时，先将新结点放在堆的末端，再对这个新结点向上执行调整操作。大根堆的插入操作示例如下图所示。

大根堆的插入操作示例

堆的插入操作代码如下：

void HeapInsert(int *A, int len, int element) {
    A[len + 1] = element;   //将新结点放在堆的末端

    //从这个新结点开始向上调整堆
    int i = len + 1;
    while (i > 1) {
        if (A[i] > A[i / 2]) {  //和双亲结点交换
            int temp = A[i];
            A[i] = A[i / 2];
            A[i / 2] = temp;
        } else
            break;   //筛选结束
        i /= 2;
    }
}