大顶堆
任何一非叶节点的关键字不小于其左右孩子节点的关键字,最顶端节点一定是序列中最大元素
小顶堆
任何一非叶节点的关键字不小于其左右孩子节点的关键字,最顶端节点一定是序列中最小元素
堆排序算法
时间复杂度:O(nlogn)
堆排序算法的时间复杂度分为两个主要部分:
- 建堆过程(Build Heap):将原始数组建立成一个堆结构,这一过程的时间复杂度是 O(n),其中 n 是数组中的元素数量。这是通过调用一系列的向下调整过程(也称为"heapify")完成的,虽然每次调整的时间复杂度是 O(log n),但整个建堆过程可以在 O(n) 时间内完成。
- 排序过程:进行 n-1 次的循环,每次循环删除堆顶元素并重新调整堆(也就是heapify)。每次调整的时间复杂度是 O(log n),因此整个排序过程的时间复杂度是 O(n log n)。
空间复杂度: O(1),采用的是原地排序方法
流程:
1)构造一个完全二叉树
2)将该树构建为大顶堆
3)将根节点与最后一个元素交换位置
4)将剩下的n-1个元素重新构建成大顶堆
5)重复(3)、(4)直到整个数组排序完成
前置知识:
- i节点的孩子节点为 2i +1和 2i+2 ;
- i节点的 父节点为:(i-1)/2;
- 最后一个非叶子节点:length/2 - 1
最终的代码:
function swap(A, i, j) {
let temp = A[i];
A[i] = A[j];
A[j] = temp;
}
function shiftDown(A, i, length) {
let temp = A[i]; //i指向根节点
for(let j = 2*i+1; j<length; j = 2*j+1) { //从左孩子开始遍历
temp = A[i];
if(j+1 < length && A[j] < A[j+1]) { //比较左孩子和右孩子,将j指向较大的值
j++;
}
if(temp < A[j]) { //如果根结点比孩子节点小,则交换,并将i指向该节点
swap(A, i, j);
i = j;
} else {
break; //反之,如果根节点比左右孩子都大,则结束遍历
}
}
}
// 堆排序
function heapSort(A) {
//将树变为大顶堆,[4, 2, 8, 5, 3, 2] -> [8, 5, 4, 2, 3, 2]
for(let i = Math.floor(A.length/2-1); i>=0; i--) {
shiftDown(A, i, A.length);
}
for(let i = A.length-1; i>0; i--) {
swap(A, 0, i); // 根节点与最后一个节点交换
shiftDown(A, 0, i);
}
}
let Arr = [4, 2, 8, 5, 3, 2];
heapSort(Arr);
console.log(Arr); //[ 2, 2, 3, 4, 5, 8 ]
下面一张图反映了我此刻的心情~~~