程序员八大排序算法之堆排序算法（java版）

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）。