算法思想: 数组构成堆
算法步骤:
用数列构建出一个大顶堆,取出堆顶的数字;
调整剩余的数字,构建出新的大顶堆,再次取出堆顶的数字;
循环往复,完成整个排序。
是否稳定: 否
算法时间复杂度: O(nlogn)
难点: 构建大顶堆 & 调整堆
构建大顶堆有两种方式:
方案一: 从 0 开始,将每个数字依次插入堆中,一边插入,一边调整堆的结构,使其满足大顶堆的要求;
方案二: 将整个数列的初始状态视作一棵完全二叉树,自底向上调整树的结构,使其满足大顶堆的要求。
完全二叉树的几个性质:将根节点的下标视为 0 对于完全二叉树中的第 i 个数,它的左子节点下标:left = 2i + 1
对于完全二叉树中的第 i 个数,它的右子节点下标:right = left + 1 对于有 n
个元素的完全二叉树(n≥2)(n≥2),它的最后一个非叶子结点的下标:n/2 - 1
方案二更加常用:代码:
func heapSort(arr []int){ //arr.length = n
//构建大根堆
buildMaxHeap(arr)
//排序 n-1 次
for(i:=arr.length - 1; i > 0; i--){
swap(arr, 0, i) // 将最大值交换到数组最后
maxHeapify(arr, 0, i); //调整交换后的结点
}
}
构建大根堆 代码:
func buildMaxHeap(arr []int){
从最后一个非叶子节点开始调整大根堆
最后一个非叶子节点为 arr.length/2 - 1
for (int i = arr.length / 2 - 1; i >= 0; i--) {
maxHeapify(arr, i, arr.length);
}
}
调整大顶堆 代码:
func maxHeapify(arr []int, i, haepSize int){ //i:要进行调整为堆的非叶子节点结点,heapSize:堆的大小
//左子树下标
l := 2 * i + 1
//右子树下标
r := l + 1
// 记录根结点、左子树结点、右子树结点三者中的最大值下标
largest := i
if(l < heapSize && arr[l] > arr[largest]){
largest = l
}
if(r < heapSize && arr[r] > arr[largest]){
largest = r
}
if(i != largest){
//交换位置
swag(arr, i, largest)
// 再次调整交换数字后的大顶堆
maxHeapify(arr, largest, heapSize)
}
}
func swap(arr []int, int i, int j) {
temp := arr[i];
arr[i] = arr[j];
arr[j] = temp;
}