一,什么是堆排序?
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。
二,什么是堆?
堆是具有一些特殊性质的完全二叉树(完全二叉树前面的文章有提到):
性质一:每个节点的值都大于或等于其左右子节点的值,称为大顶堆。(这里没有要求节点的左右子节点的值的大小关系。)
性质二:每个节点的值都小于或等于其左右子节点的值,称为小顶堆。
一般升序采用大顶堆,降序采用小顶堆。
大顶堆与小顶堆的图示如下:
三,堆排序的基本思想:
1)将待排序序列构造成一个大顶堆(升序)。
2)此时,整个序列的最大值就是堆顶的根节点。
3)将其与末尾元素进行交换,此时末尾就为最大值。
4)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。
由此可见在构建大顶堆的过程中,元素的个数逐渐减少,最后就可得到一个有序序列了。
四,堆排序的图解说明:
步骤一 :构造初始堆。将给定无序序列构造成一个大顶堆或者小顶堆(这里演示升序)
假设原始的数组[4, 6, 8, 5, 9]
题目数据的结构如下:这里是采用二叉树的顺序存储方式。
步骤二:然后我们从最后一个非叶子节点开始(叶节点不用调整,第一个非叶子节点索引为 arr.length/2-1(公式)=5/2-1=1 ,也就是下面权值为6的结点) , 从左至右,从下至上进行调整。
步骤三:找到第二个非叶节点(权值为4,索引为0),由于[4,9,8]中9元素最大, 4和9交换。
步骤四:经过前面的交换导致了子根[4,5,6]结构混乱,需要继续调整, [4,5,6]中6最大,交换4和6。
这时大顶堆就构造完成了!
步骤五: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。
步骤六:重新调整结构,使其继续满足堆定义。
步骤七: 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。
反复进行,最终使得整个序列有序。
总结:
1).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;
2).将堆顶元素与末尾元素交换,将最大元素放到到数组末端;
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。
五,代码实现堆排序:
import java.util.Arrays;
public class HeapSort {
public static void main(String[] args) {
int arr[] = {4, 6, 8, 5, 9};
System.out.println("排序前" + Arrays.toString(arr));
heapSort(arr);
System.out.println("排序后" + Arrays.toString(arr));
}
public static void heapSort(int arr[]) {
int temp = 0;
//将无序序列构成一个堆。
for (int i = arr.length / 2 - 1; i >= 0; i--) {
adjustHeap(arr, i, arr.length);
}
/**
* 将堆顶元素与末尾元素交换,将最大元素放到数组末端。
* 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。
*/
for (int j = arr.length - 1; j > 0; j--) {
//堆顶元素与末尾元素交换
temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr, 0, j);
}
}
/**
* 将一个数组(完全二叉树)调整成一个大顶堆。
* 功能:完成将以i对应的非叶子节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 表示非叶子节点在数组中索引。
* @param length 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 length) {
int temp = arr[i];//先取出当前非叶子节点元素的值,保存在临时变量中。
//开始调整。
//说明:k=i*2+1,k是i结点的左子结点。
for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {
//k + 1 < length,为了提高效率,加入此判断条件。
//arr[k] < arr[k + 1]表示左子节点小于右子节点。
if (k + 1 < length && arr[k] < arr[k + 1]) {
k++;//将k指向右子节点
}
//如果子节点大于父节点。
if (arr[k] > arr[i]) {
arr[i] = arr[k];//将较大的值赋给当前节点。
i = k;//注意:此时i(非叶子节点)发生了变化,i指向k继续循环比较。
} else {
break;
}
}
//当循环结束后,已经将以i为父节点的树的最大值放到了顶端。
arr[i] = temp;
}
}
六,堆排序的算法分析:
时间复杂度:O(nlog2n)
空间复杂对:O(1)
使用场景:堆排序不稳定,堆排序在数据量很大时效果明显(堆排序适合处理大数据)。