如果还没有了解过什么是“堆”的话,那可以转移到数据结构专栏有关堆的这一篇文章,二叉树(堆)_KOBE 0824 BRYANT的博客-CSDN博客,这里详细介绍了堆的各种性质,这里就默认大家已经了解“堆”这个数据结构了。
在这里呢我要分享一个效率非常高的排序方法,“堆排序”,它的时间复杂度能够达到惊人的 O(N*logN) ,这比冒泡排序的 O(N^2) 可要高效了不少的,你试想一下,如果N是一百万,那么(N*logN)就是两千万,但是(N^2)可是“一万亿”啊!!!这个差距是什么概念!所以堆排序的效率可要比冒泡排序的效率高得太多了。
那么这个堆排序是怎样的呢?能够达到这种效率,接下来我们就一探究竟。
给定你一个数组,想要进行堆排序首先得先建堆,那如果是要排升序的话,我们需要建小堆还是建大堆呢??思考5秒钟,你可能会想,这还用说吗?升序肯定是建小堆啊,小堆从上到下不就是升序吗,但是事实真的是这样吗?
你试想一下,如果建小堆,也就意味着你的堆顶的数就是最小的,这个数就不用再动了,但是如果后面的数你需要选出次小的数放到第二个位置,那么你就需要忽略第一个数,以第二个数开始的后面的所有数看作是一个堆,然后调整找到次小的数放到第二个位置,但是以第二个数看作是堆顶的话,那么从第二个数开始的后面的数就不再是一个小堆了,那要选次小的数的话就需要重新建一个小堆,那代价太大了,还不如遍历一遍找到最小的数呢!所以排升序建小堆的话是不可取的。
那么大佬就想,排升序建小堆不行,那我就建大堆,这个大堆的堆顶就是这棵树中最大的,然后和堆的删除走同样的思路,“替换法”。用堆顶的元素和最后一个元素交换,那么堆顶的元素就来到了最后的位置,也就是升序之后的最大的数的位置,并且这里没有影响这棵树本来的性质(各节点之间的关系),然后不把这个最后的数看作是这个大堆里面的数,这时再对堆顶的数(交换上来的数)走一遍向下调整,原来的堆中的次大的数就选出来了,以此类推,就能完成对这个数组的排序了。这真是一个很绝的想法。不愧是大佬。
这里建大堆用向下调整的方法为妙,向下调整建堆的方法请参考博主的数据结构专栏的 二叉树(堆)二叉树(堆)_KOBE 0824 BRYANT的博客-CSDN博客 这一篇文章,里面有详细过程。
#include <stdio.h>
#include <assert.h>
void swap(int* a, int* b)
{
assert(a && b);
int tmp = *a;
*a = *b;
*b = tmp;
}
void AdjustDown(int* a, int parent, int n)
{
assert(a);
int child = parent * 2 + 1;
while (child < n)
{
if (child + 1 < n && a[child+1] > a[child])
{
child++;
}
if (a[child] > a[parent])
{
swap(&a[child], &a[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
int main()
{
int arr[] = { 123,63,54,36,87,963,1254 };
int sz = sizeof(arr) / sizeof(arr[0]);
int parent = 0;
//建堆的时间复杂度是: O(N)
for (parent = (sz - 1 - 1) / 2; parent >= 0; parent--)
{
AdjustDown(arr, parent, sz);
}
//替换法排序的时间复杂度是: O(N*logN)
int end = sz;
while (end--)
{
swap(&arr[0], &arr[end]);
AdjustDown(arr, 0, end);
}
//所以堆排序的时间复杂度是:O(N+N*logN)=O(N*logN)
int i = 0;
for (i = 0; i < sz; i++)
{
printf("%d ", arr[i]);
}
printf("\n");
return 0;
}
在原数组向下调整建大堆的时间复杂度为 O(N);证明如下:
替换法排序的时间复杂度是: O(N*logN);所以整体堆排序的时间复杂度为:O(N*logN);
证明如下:
以上就是传说中的非常牛的堆排序啦!效率极高的哦,你学会了吗?如果感觉到有所收获的话,那就动动你发财的小手点亮一下小心心,顺便关注一下博主呗!后期会持续出各种排序的方法哦,关注博主不迷路!!!