从零开始认识堆排序

标签：完全二叉树   基本特性   长度   class   load   编程语言   http   nbsp   png   

一、什么是堆？

维基百科的解释是：堆是一种特别的树状数据结构，它需要满足任意的子节点必须都大于等于（最大堆）或者小于等于（最小堆）其父节点。

二、堆排序

堆排序是通过二叉堆数据结构实现，二叉堆满足一下两个特性：

1、满足对的基本特性

2、完全二叉树，除了最底层外，其它层都已填充满，且是从左到右填充。

二叉堆的高度即为根节点到叶子节点的最长简单路径长度，即为θ(lgn)。

二叉堆上的操作时间复杂度为O(lgn)。

1、二叉堆中的元素个数

根据二叉堆的特性2，我们知道高度为h的二叉堆重元素个数如下：

根节点为1

第一层为2=2¹

第二层为4=2²

...

第h-1层为2^h-1

第h层元素个数范围为[1，2^h]

最底层之外的元素个数和为1+2+2²+...+2^h-1=(1-2^h-1)/(1-2)=2^h-1

高度为h的二叉堆元素个数范围：[2^h-1 + 1，2^h-1+2^h]=[2^h，2^h+1-1]

以高度为3的最大堆为例：

图1

 图2

2、二叉堆的高度

由二.1推导，我们知道高度为h的二叉堆的元素个数n满足：

2^h ≦ n ≦ 2^h+1-1

=>

2^h ≦ 2^lgn ≦ 2^h+1-1

=>

h ≦ lgn < h+1

由此可得，含有n个元素的二叉堆的高度为θ(lgn)

3、使用数组表示堆存储

节点下标 i，则父节点下标为 i/2，左子节点下标为 2i，右子节点下标 2i + 1。

以图1最大堆为例：

从根节点开始，根节点下标 1。

第一层节点下标：2、3

第二层节点下标：4、5、6、7

第三层节点下标：8

图3

数组形式：

 图4

具体到特定的编程语言，数组以0开始下标的，推导：

对于节点 i，则其父节点为 (i - 1)/2，左子节点下标为 2i + 1，右子节点下标 2i + 2。

4、堆的叶子节点

对于有n个元素的二叉堆，最后一个元素的下标为为n，根据二叉堆的性质，其父节点下标为n/2，因为每一层是由左向右进行构建，所以其父节点也是倒数第二层的最后一个节点，所以，其后的节点都为最底层节点，为叶子节点，下标为n/2 + 1、n/2 + 2... n。

具体到特定的编程语言，数组以0开始下标的，推到：

叶子节点下标为(n-1)/2 + 1、(n-1)/2 + 2... n。

5、堆维护

所谓堆维护，即保持堆的基本特性，以最大堆为例：给定某个节点，维护使得以其为根节点的子堆为满足子节点都小于等于父节点。

如下，给定堆构建数组，及特定元素下标i：

public static void maxHeapify(int[] arr, int i) {
        int size = arr.length; //堆大小
        int maxIndex = i; //记录当前节点及其子节点的最大值节点索引
        int left = 2 * i + 1; //左子节点索引
        int right = 2 * i + 2; //右子节点索引

        //对比节点及其左子节点
        if (left < size && arr[left] > arr[maxIndex]) {
            maxIndex = left;
        }

        //对比节点及其右子节点
        if (right < size && arr[right] > arr[maxIndex]) {
            maxIndex = right;
        }

        //不满足最大堆性质，则进行下沉节点i，递归处理
        if (maxIndex != i) {
            int tmp = arr[i];
            arr[i] = arr[maxIndex];
            arr[maxIndex] = tmp;
            maxHeapify(arr, maxIndex);
        }
    }

如下图，堆中元素9的维护过程：

 图5

堆维护过程的时间复杂度：O(lgn)。

6、构建堆

根据二.4我们可以得到所有叶子节点的下标。我们可以使用二.5中的堆维护过程，对所堆中所有的非叶子节点执行堆维护操作进行堆的构建。

public static void buildHeap(int[] arr) {
        for (int i = (arr.length - 1) / 2; i >= 0; i--) {
            maxHeapify(arr, i);
        }
    }

以数组 {27,17,3,16,13,10,1,5,7,12,4,8,9,0} 为例进行堆构建，结果为：{27,17,10,16,13,9,1,5,7,12,4,8,3,0}

图6

构建最大堆的时间复杂度为O(n)。

7、堆排序

首先执行最大堆构建，当前堆中最大值会上升到根节点，也就是堆数组的首节点。

我们可以通过交换首尾节点，使得最大值转移至尾部，然后对除尾部元素外的堆数组执行根元素堆维护，上浮堆最大值。

然后，将最大值交换至数组尾部倒数第二个元素位置，重新执行剩余堆数组的根元素堆维护，依次类推，直至剩余堆数组大小变为2为止。

以二.6中数组为例：{27,17,3,16,13,10,1,5,7,12,4,8,9,0}

第一次执行：

{27,17,10,16,13,9,1,5,7,12,4,8,3,0}，max：27

第二次执行：

{17,16,10,7,13,9,1,5,0,12,4,8,3}，max：17

第三词执行：

{16,13,10,7,12,9,1,5,0,3,4,8}，max：16

第四次执行：

{13,12,10,7,8,9,1,5,0,3,4}，max：13

第五次执行：

{12,8,10,7,4,9,1,5,0,3}，max：12

第六次执行：

{10,8,9,7,4,3,1,5,0}，max：10

第七次执行：

{9,8,3,7,4,0,1,5}，max：9

第八次执行：

{8,7,3,5,4,0,1}，max：8

第九次执行：

{7,5,3,1,4,0}，max：7

第十次执行：

{5,4,3,1,0}，max：5

第十一次执行：

{4,1,3,0}，max：4

第十二次执行：

{3,1,0}，max：3

第十三次执行：

{1,0}，max：1

堆排序时间复杂度：O(nlgn)

从零开始认识堆排序

标签：完全二叉树   基本特性   长度   class   load   编程语言   http   nbsp   png   

原文地址：https://www.cnblogs.com/niejunlei/p/13195939.html