基本思想
n个关键字序列kl,k2,…,kn称为堆,当且仅当该序列满足如下性质之一(简称堆性质):
- ki≤k2i且ki≤k2i+1 或
- ki≥k2i且ki≥k2i+1(1≤i≤FLOOR(n/2))
若将此序列所存储的向量R[1..n]看做是一棵完全二叉树的存储结构,则堆实质上是满足如下性质的完全二叉树:树中任一非叶结点的关键字均不大于(或不小于)其左右孩子(若 存在)结点的关键字。
- 小根堆:根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最小的。
- 大根堆:根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最大的。
我们可以选择大根堆或者小根堆中的任意一个来进行排序。
用大根堆排序的基本思想:
- 先将初始文件R[1..n]建成一个大根堆,此堆为初始的无序区。
- 再将关键字最大的记录R[1](即堆顶)和无序区的最后一个记录R[n]交换,由此得 到新的无序区R[1..n-1]和有序区R[n],且满足R[1..n-1].keys≤R[n].key。
- 由于交换后新的根R[1]可能违反堆性质,故应将当前无序区R[1..n-1]调整为堆。 然后再次将R[1..n-1]中关键字最大的记录R[1]和该区间的最后一个记录R[n-1]交换,由 此得到新的无序区R[1..n-2]和有序区R[n-1..n],且仍满足关系 R[1..n-2].keys≤R[n-1..n].keys,同样要将R[1..n-2]调整为堆。
算法实现
堆排序算法,Java实现,代码如下所示:
01 | public abstract class Sorter { |
02 | public abstract void sort( int [] array); |
05 | public class HeapSorter extends Sorter { |
07 | public void sort( int [] array) { |
15 | private void heapSort( int [] array) { |
18 | for ( int i = 0 ; i < array.length; i++) { |
21 | array[ 0 ] = array[array.length - 1 - i]; |
22 | array[array.length - 1 - i] = tmp; |
24 | adjustHeap(array, 0 , array.length - 1 - i); |
32 | * 调整堆中0~array.length/2个结点,保持堆的性质 |
35 | private void buildHeap( int [] array) { |
37 | int pos = (array.length - 1 ) / 2 ; |
39 | for ( int i = pos; i >= 0 ; i--) { |
40 | adjustHeap(array, i, array.length); |
49 | * @param m 待调整堆的结点的数量(亦即:排除叶子结点) |
51 | private void adjustHeap( int [] array, int s, int m) { |
52 | Integer tmp = array[s]; |
55 | if (i + 1 < m && array[i] < array[i + 1 ]) { |
58 | if (array[s] < array[i]) { |
堆排序算法,Python实现,代码如下所示:
06 | __metaclass__ = ABCMeta |
09 | def sort( self , array): |
12 | class HeapSorter(Sorter): |
16 | def sort( self , array): |
21 | array[ 0 ], array[length - 1 - i] = array[length - 1 - i], array[ 0 ] |
22 | self .__sift_down(array, 0 , length - 1 - i) |
25 | def __heapify( self , array): |
30 | self .__sift_down(array, i, length) |
33 | def __sift_down( self , array, s, m): |
37 | if i + 1 <m and array[i]<array[i + 1 ]: |
排序过程
假设待排序数组为array = {94,12,34,76,26,9,0,37,55,76,37,5,68,83,90,37,12,65,76,49},数组大小为20。
第一步:初始建堆
首先执行的初始建堆(在建堆的过程中需要调整堆)。过程如下:
这里,把数组array看做是一棵完全二叉树,这样数组每个索引位置上的元素都对应到二叉树中的结点,如图所示:
其中需要在这棵树中找到最后一个有孩子最大的一个结点的索引:
pos = (array.length-1)/2 = (20-1)/2 = 9
也就是索引为9的array[9] = 76,由后至前层次遍历,从array[9]一直到array[0],对初始堆进行调整。
- 调整结点array[9] = 76:
先比较array[9] = 76的左右孩子:s = 9,i = 2*s+1 = 2*9 + 1 = 19,而i+1 = 19 + 1 = 20 > m = array.length-1 = 20 -1 = 19(array[9] = 76没有右孩子),只需要将array[9] = 76与array[i] = array[19] = 49比较,因为array[9] = 76>array[i] = array[19] = 49,则不需要交换array[9] = 76与array[i] = array[19] = 49,继续对下一个结点(也就是array[8] = 55)进行调整;
- 调整结点array[8] = 55:
先比较array[8] = 55的左右孩子:s = 8,i = 2*s+1 = 2*8 + 1 = 17,,而i+1 = 17 + 1 = 18 < m = array.length-1 = 20-1 = 19(array[8] = 55存在右孩子),左孩子array[i] = array[17] = 65小于右孩子array[i+1] = array[18] = 76,只需要将array[8] = 76与右孩子array[i+1] = array[18] = 76比较,因为array[8] = 55<array[i+1] = array[18] = 76,则需要交换array[8] = 55与array[i+1] = array[18] = 76,交换后如图所示:
继续对下一个结点(也就是array[8] = 55)进行调整;
- 调整结点array[7] = 37:
显然,不需要交换;
- 调整结点array[6] = 0:
调整结果如图所示:
- 调整结点array[5] = 9:
调整结果如图所示:
- 调整结点array[4] = 26:
调整结果如图所示:
- 调整结点array[3] = 76:
显然,不需要交换。
- 调整结点array[2] = 34:
调整结果如图所示:
- 调整结点array[1] = 12:
调整结果如图所示:
- 调整结点array[0] = 94:
显然,不需要交换。
至此,对初始堆的调整完成。
第二步:第一次交换
将堆顶元素与最后一个元素交换,即array[0] = 94与最后一个元素array[19] = 49交换,如图所示:
此时,数组为:
array = {49,76,90,12,76,68,34,37,76,26,37,5,9,83,0,37,12,65,55,94}
数组中最大的元素被交换到了数组的末尾,也就是array[19] = 94是最终排好序的固定位置。
第三步:调整堆
过程同前面类似。
……
最后经过堆排序得到有序的数组。
算法分析
堆排序的时间,主要由建立初始堆和反复重建堆这两部分的时间开销构成。
堆排序的最坏时间复杂度为O(nlgn)。堆排序的平均性能较接近于最坏性能。由于建初始堆所需的比较次数较多,所以堆排序不适宜于记录数较少的文件。
堆排序过程中,需要调整堆,交换待排序记录需要一个临时存储单元,所以空间复杂度为O(1)。
堆排序是就地排序,它是不稳定的排序方法。
转载链接:http://shiyanjun.cn/archives/802.html