堆排序
堆排序基本介绍
- 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。
- 堆是具有以下性质的完全二叉树: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。 - 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
- 大顶堆举例说明
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[2i+1] && arr[i] >= arr[2i+2] // i 对应第几个节点,i从0开始编号
- 最大的数值在根节点
- 小顶堆举例说明
小顶堆:arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2] // i 对应第几个节点,i从0开始编号 - 一般升序采用大顶堆,降序采用小顶堆
堆排序基本思想
堆排序的基本思想是:
- 将待排序序列构造成一个大顶堆
- 此时,整个序列的最大值就是堆顶的根节点。
- == 将其与末尾元素进行交换==,此时末尾就为最大值。
- 然后将剩余n-1 个元素重新构造成一个堆,这样会得到n 个元素的次小值。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,最后就得到一个有序序列了.
堆排序步骤图解说明
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。
步骤一:构造初始堆。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)。原始的数组[4, 6, 8, 5, 9]
- .假设给定无序序列结构如下
- .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。 - .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。 - .将堆顶元素9 和末尾元素4 进行交换
- .重新调整结构,使其继续满足堆定义
- .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.
- 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
**再简单总结下堆排序的基本思路:
- 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;
- 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。
堆排序代码实现
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。
3) 代码实现
import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;
public class HeapSort {
public static void main(String[] args) {
// 要求将数组进行升序排序
// int arr[] = {4, 6, 8, 5, 9};
// 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
}
System.out.println("排序前");
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);
// System.out.println("排序后=" + Arrays.toString(arr));
}
// 编写一个堆排序的方法
public static void heapSort(int arr[]) {
int temp = 0;
System.out.println("堆排序!!");
// //分步完成
// 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2次" + Arrays.toString(arr)); // 9,6,8,5,4
// 完成我们最终代码
// 步骤一: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
for (int i = arr.length / 2 - 1; i >= 0; i--) {//从最下往上
//如图的话从根节点为1开始
adjustHeap(arr, i, arr.length);
}
/*
* 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).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。
* 步骤二:交换调整
*/
for (int j = arr.length - 1; j > 0; j--) {
// 交换 2)
temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
//3).重新调整结构
adjustHeap(arr, 0, j);
}
// System.out.println("数组=" + Arrays.toString(arr));
}
// 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 举例 int arr[] = {4, 6, 8, 5, 9}; => i = 1 =>
* adjustHeap => 得到 {4, 9, 8, 5, 6} 如果我们再次调用 adjustHeap 传入的是 i = 0 => 得到 {4, 9,
* 8, 5, 6} => {9,6,8,5, 4}
*
* @param arr 待调整的数组
* @param i 表示非叶子结点在数组中索引,从第i个节点为根节点开始调整
* @param lenght 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 i, int lenght) {
int temp = arr[i];// 先取出当前元素的值,保存在临时变量
// 开始调整
// 说明
// 1. k = i * 2 + 1 k 是 i结点的左子结点
for (int k = i * 2 + 1; k < lenght; k = k * 2 + 1) {//当i=0的时候循环了两次
if (k + 1 < lenght && arr[k] < arr[k + 1]) { // 说明左子结点的值小于右子结点的值
k++; // k 指向右子结点
}
if (arr[k] > temp) { // 如果子结点大于父结点
arr[i] = arr[k]; // 把较大的值赋给当前结点
i = k; // !!! i 指向 k,继续循环比较,说明:i顺着树往下走
} else {
break;// !
}
}
// 当for 循环结束后,我们已经将以i 为父结点的树的最大值,放在了 最顶(局部)
arr[i] = temp;// 将temp值放到调整后的位置
}
}
问题
- 为什么从左至右,从下至上
如果直接从根节点开始,最大的不能从小冒泡到大
其实最主要的思路就是:只要最大的往上冒就可以了,然后交换最大和最后一位
赫夫曼树
基本介绍
- 给定n 个权值作为n 个叶子结点,构造一棵二叉树,若该树的带权路径长度(wpl)达到最小,称这样的二叉树为最优二叉树,也称为哈夫曼树(Huffman Tree), 还有的书翻译为霍夫曼树。
- 赫夫曼树是带权路径长度最短的树,权值较大的结点离根较近
赫夫曼树几个重要概念和举例说明
- 路径和路径长度:在一棵树中,从一个结点往下可以达到的孩子或孙子结点之间的通路,称为路径。通路中分支的数目称为路径长度。若规定根结点的层数为1,则从根结点到第L 层结点的路径长度为L-1
- 结点的权及带权路径长度:若将树中结点赋给一个有着某种含义的数值,则这个数值称为该结点的权。结点的带权路径长度为:从根结点到该结点之间的路径长度与该结点的权的乘积
- 树的带权路径长度:树的带权路径长度规定为所有叶子结点的带权路径长度之和,记为WPL(weighted pathlength) ,权值越大的结点离根结点越近的二叉树才是最优二叉树。
- WPL 最小的就是赫夫曼树
快速画出哈夫曼树/霍夫曼树/最优树
1,2,3,7,8,9
- 把最小的两个数字并列写下来,在上面求出两个数字的和,再与剩下数字中最小的一个数字并列。再往上求出两者只和,如下图。
- 这时求出的和大于了剩下数字的任何一个数字,所以不能继续并列,剩下两个数字另外并列往上求和,如下图。
10大于8和9
一定要从数列中找最小的两个数,别管他有没有孩子节点
- 最后
装载至:http://www.coozhi.com/muyingjiaoyu/xuexijiaoliu/7660.html
构成赫夫曼树的步骤:
- 从小到大进行排序成一个数列, 将每一个数据,每个数据都是一个节点, 每个节点可以看成是一颗最简单的二叉树
- 取出根节点权值最小的两颗二叉树(一定要最小的两个,别管有没有孩子节点)
- 组成一颗新的二叉树, 该新的二叉树的根节点的权值是前面两颗二叉树根节点权值的和
- 再将这颗新的二叉树,以根节点的权值大小再次排序, 不断重复1-2-3-4 的步骤,直到数列中,所有的数据都被处理,就得到一颗赫夫曼树
赫夫曼树的代码实现
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
public class HuffmanTree {
public static void main(String[] args) {
int arr[] = { 13, 7, 8, 3, 29, 6, 1 };
Node root = createHuffmanTree(arr);
// 测试一把
preOrder(root); //
}
// 编写一个前序遍历的方法
public static void preOrder(Node root) {
if (root != null) {
root.preOrder();
} else {
System.out.println("是空树,不能遍历~~");
}
}
// 创建赫夫曼树的方法
/**
*
* @param arr 需要创建成哈夫曼树的数组
* @return 创建好后的赫夫曼树的root结点
*/
public static Node createHuffmanTree(int[] arr) {
// 第一步为了操作方便
// 1. 遍历 arr 数组
// 2. 将arr的每个元素构成成一个Node
// 3. 将Node 放入到ArrayList中
List<Node> nodes = new ArrayList<Node>();
for (int value : arr) {
nodes.add(new Node(value));
}
// 我们处理的过程是一个循环的过程
while (nodes.size() > 1) {
// 排序 从小到大
Collections.sort(nodes);
System.out.println("nodes =" + nodes);
// 取出根节点权值最小的两颗二叉树
// (1) 取出权值最小的结点(二叉树)
Node leftNode = nodes.get(0);
// (2) 取出权值第二小的结点(二叉树)
Node rightNode = nodes.get(1);
// (3)构建一颗新的二叉树
Node parent = new Node(leftNode.value + rightNode.value);
parent.left = leftNode;
parent.right = rightNode;
// (4)从ArrayList删除处理过的二叉树
nodes.remove(leftNode);
nodes.remove(rightNode);
// (5)将parent加入到nodes
nodes.add(parent);
}
// 返回哈夫曼树的root结点
return nodes.get(0);
}
}
// 创建结点类
// 为了让Node 对象持续排序Collections集合排序
// 让Node 实现Comparable接口
class Node implements Comparable<Node> {
int value; // 结点权值
char c; // 字符
Node left; // 指向左子结点
Node right; // 指向右子结点
// 写一个前序遍历
public void preOrder() {
System.out.println(this);
if (this.left != null) {
this.left.preOrder();
}
if (this.right != null) {
this.right.preOrder();
}
}
public Node(int value) {
this.value = value;
}
@Override
public String toString() {
return "Node [value=" + value + "]";
}
@Override
public int compareTo(Node o) {
// TODO Auto-generated method stub
// 表示从小到大排序
return this.value - o.value;
}
}