堆排序算法实现

冷不防 2022-03-10 08:40 237阅读 0赞

堆排序:结构逻辑上是**完全二叉树**,但是可以使用顺序存储来实现

**一些二叉树的区别:**

**二叉树**:度数最大为2并且每个子树也是二叉树

**满**二叉树:**每层节点都是满的**,没有空缺,也就是,叶子节点只能出现在最后一层  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTIyOTI3_size_16_color_FFFFFF_t_70]

**完全二叉树**:限制条件比满二叉树弱化,只需要前k-1层是满二叉树结构,**最后一层的叶子节点都靠左排列**,右侧可以出出现连续缺失(一个学序列可以按照编号一一对应上满二叉树的节点编号)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTIyOTI3_size_16_color_FFFFFF_t_70 1]

**以下不是满二叉树结构：**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTIyOTI3_size_16_color_FFFFFF_t_70 2]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTIyOTI3_size_16_color_FFFFFF_t_70 3]  
**排序二叉树**: 二叉树的基础上,加上 **中序遍历是有序输出**这一要求  
**平衡二叉树**:排序二叉树的基础上,加上要求左右子树的深度差的绝对值只能是0或者1

现在回到堆排序:  
**具体满足什么条件的才是堆呢?**  
以大根堆为例: 对于每棵子树,都满足 根与左右孩子节点相比中最大的元素

# 堆排序的算法流程: #

1.  堆的初始化(将输入序列调整为符合堆的性质)
2.  输出堆顶元素(将堆顶元素与堆尾元素交换,堆的大小-1)
3.  调整堆结构
4.  重复2 3 ,直到全部输出(堆大小变为0)

**假设堆的编号是从0 开始**  
那么编号**i**的节点 (这规律没啥记忆的,画几个圈看下规律即可)  
父节点：（ｉ－１）／２  
左孩子: **2\*i+1**  
右孩子:**2\*i+2**  
最后一个非叶子节点编号：　假设堆共有ｎ个节点，那么最后一个非叶子节点编号为　ｎ／２－１

# java代码实现: #

/** * @author wangwei * @date 2019/3/9 8:52 * @classDescription 完全二叉树:比满二叉树条件稍弱 * 一共k层的完全二叉树,只要求第k-1层是满的 * 并且第k层的节点集中在左侧,也就是右侧可能出现连续缺失情况 * * 大顶堆:根最大,每课子树只保证根大于左孩子,大于右孩子,但是不保证左右孩子之间的大小关系 * * 给定序列,如何判断是否为堆呢? * 将序列按照层次遍历的形式,构建完全二叉树,观察即可 * 比如:1 4 3 7 8 5 * 1 * / \ * 4 3 * / \ / \ * 7 8 5 * 显然是小根堆 * * 堆排序思想: * 1.以初始关键字序列,构建堆 * 2.输出堆顶最小元素 * 3,调整剩余元素,使其成为新堆 * 4,重复2,3 直到n个元素全部输出,得到一个有序序列 * * 如果输入为数组: * 当前为i (i从1开始) * 则左孩子为 2*i * 右孩子: 2*i+1 * * * 堆调整:将堆顶输出,最后孩子放置在堆顶,对剩余元素进行调整 * 新堆顶与左右孩子比较, * 与较小孩子交换 * 直到调整到叶子节点或者是 比左右孩子都小时,停止调整 * 如何初始化序列建堆:从最后一个非叶子节点开始,向上调整,直到根节点 * // 最后一个非叶子节点是 n/2 向下取整 * * * * 问题:为什么堆适合线性存储 * 答:因为堆是完全二叉树结构,堆中元素的位置能根据父节点索引计算得到， * 所以不需要左右指针也可以找到子节点的位置 * */
    public class HeapSort { 
    
        public  void init(int []array){ 
            if(null==array||0==array.length){ 
                return;
            }
            // 注意:计算 左孩子 2*i ,这里表示编号是从1 开始
            // 数组从0开始,则需要是 2*i+1
            // 右孩子:2*i+2
            // 最后一个非叶子节点 索引: n/2-1
            // 最后一个非叶子节点,可能只有左孩子
            for(int index=array.length/2-1;index>=0;index--){ 
                int parent=array[index];
                int lChild=array[2*index+1];
    
                // 只有左孩子
                if(2*index+2>array.length-1){ 
                    if(parent>lChild){ 
                        array[index]=lChild;
                        array[2*index+1]=parent;
                    }
    
                }
                // 左右孩子都有
                else { 
                    int rChild=array[2*index+2];
                    // 处理 parent 不是三者之中最小的
                    int minChildIndex=lChild<rChild? 2*index+1:2*index+2;
                    if(parent>array[minChildIndex]){ 
                        array[index]=array[minChildIndex];
                        array[minChildIndex]=parent;
                    }
    
                }
            }
        }
    
        // waitAdjust 堆顶元素,此函数就是为了将其调整到特定位置,满足小顶堆
        // 索引在 minHeapEnd 是表示当前堆的最后一个元素索引
        //
        public void adjustHeap(int []array,int minHeapEnd){ 
                 int currentIndex=0;
                 int waitAdjust=array[0];
                 while (currentIndex<=minHeapEnd/2-1){ 
                     int leftChild=array[2*currentIndex+1];
    
                     // 只有左孩子
                     if(2*currentIndex+2>minHeapEnd){ 
                         if(leftChild>waitAdjust){ 
                             array[currentIndex]=leftChild;
                             currentIndex=2*currentIndex+1;// 走向左子树
                         }
                     }
                     // 左右孩子都有: 选取最小孩子交换
                     else{ 
    
                         int rChild=array[2*currentIndex+2];
                         int minChildIndex=leftChild<rChild? 2*currentIndex+1:2*currentIndex+2;
                         if(waitAdjust<=array[minChildIndex]){ 
                             break; // 结束调整
                         }else { 
                             array[currentIndex]=array[minChildIndex];
                             currentIndex=minChildIndex;
                         }
    
                     }
    
                 }
                 array[currentIndex]=waitAdjust;
        }
         //将堆顶元素交换到tail (这里看作是输出)
        public void pop(int[] array,int tail){ 
            int temp=array[0];
            array[0]=array[tail];
            array[tail]=temp;
        }
        public void heapSort(int array[]){ 
            if(null==array||0==array.length){ 
                return;
            }
            init(array);
            for(int i=0;i<array.length;i++){ 
                pop(array,array.length-1-i);
                // 注意堆调整的范围比之前的少一个元素
                adjustHeap(array,array.length-1-i-1);
            }
        }
    
        public static void main(String[] args) { 
            int [] array= { 2,5,3,12,8,17,10,20,19,13};
            RandomUtil.printArray(array);
            new HeapSort().heapSort(array);
            System.out.println("排序后:");
            RandomUtil.printArray(array);
    
        }
    }

输出:  
![在这里插入图片描述][20190310142018534.png]

## **几个方法说明:** ##

init(): 将输入序列初始化为堆  
pop(int\[\] array,int tail): 输出,将堆顶元素交换到当前堆的 \*\* 最后一个位置 \*\*  
adjustHeap(int \[\]array,int minHeapEnd): 调整堆,堆顶元素是来自堆尾的,可能不满足堆的性质,需要将其调整到  
合适的位置  
**时间复杂度**:初始化是ｏ（ｎ）　，调整重建是ｏ（ｌｇｎ），共需要ｎ次重建　记为ｏ（ｎｌｇｎ）  
流程是：  
初始化；／／　ｏ（ｎ）  
ｗｈｉｌｅ（ｉ＋＋＜ａｒｒａｙ．ｌｅｎｇｔｈ）｛／／ｏ（ｎ）  
ｐｏｐ（）；  
ａｄｊｕｓｔ（）；／／（ｏ　ｌｇｎ）  
｝

总的时间复杂度＝ｏ（ｎ）＋ｏ（ｎｌｇｎ）＝ｏ（ｎｌｇｎ）  
空间复杂度：只是使用了有限个简单变量，ｏ（１）

**注意**：堆初始化和堆调整有些相似，但是是不一样的．  
　　　　堆初始化：自底向上调整  
　　　　堆调整：自上向下重建堆

# 堆排序的优化（只是一个思路，未证明）： #

（小顶堆为例）  
堆排序哪里可以优化呢，都这么优秀了？  
堆调整可能被优化，将堆尾元素与堆顶交换，而堆尾元素可能是是很大的，那么调整时，就会与很多层去比较，如何减少这个层的比较呢？

**堆中从根节点到叶节点的一条路径是有序的**

３
    　　　／　　＼　
    　　　４　　　５
    　　／　＼　　／＼
    　７　　６　　８　１０
    现在需要将堆顶给移出，交换成如下树　　ｈ＝３
    
    　　　　１０
    　　　／　　＼　
    　　　４　　　５
    　　／　＼　　／＼
    　７　　６　　８　３
    ／／　ｈ／２＝１　　
    ／／　根　１０　　与４　比较　１０＞４
    ／／　交换　根成为４
    　　　　　４
    　　　／　　＼　
    　　　１０　　５
    　　／　＼　　／＼
    　７　　６　　８　３
    
    ／／　　　１．　调整子树　　　１０
    　　　　　　　　　／　　＼
    　　　　　　　　　７　　　６
    　／／　２．　根４与５比较，，根较小，不调整

# 可能的运用场景 #

ｔｏｐ（ｋ）：时间复杂度　　ｎ（ｌｇｋ）

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTIyOTI3_size_16_color_FFFFFF_t_70]: /images/20220310/4d953106ad0f4de0b56010f558e8354c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTIyOTI3_size_16_color_FFFFFF_t_70 1]: /images/20220310/7cb697fa6b204b1fa8c259ef777f3fcd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTIyOTI3_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20190310143713356.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTIyOTI3,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTIyOTI3_size_16_color_FFFFFF_t_70 3]: /images/20220310/d0c6efc9c71c40399b5bd11736953c2b.png
[20190310142018534.png]: /images/20220310/3da65a51a35e44308bc6c19798c3c71f.png