数据结构-排序(七)堆排序

本文详细介绍了堆排序的算法思想、代码实现和算法效率分析,还包括示例和可视化动图,易理解!
Let’s go!‍♂️

数据结构-排序(七)堆排序

若n个关键字序列L[1…n] 满⾜下面某⼀条性质,则称为堆(Heap)
若满足:L(i) ≥ L(2i)且L(i) ≥ L(2i+1) (1 ≤ i ≤n/2 ) —— 大根堆(大顶堆)

数据结构-排序(七)堆排序_第1张图片

若满足:L(i) ≤ L(2i)且L(i) ≤ L(2i+1) (1 ≤ i ≤n/2 ) —— 小根堆(小顶堆)

数据结构-排序(七)堆排序_第2张图片

1、建立大根堆

大根堆: 根 ≥ 左、右

思路: 把所有非终端结点都检查⼀遍,是否满足大根堆的要求,如果不满足,则进行调整。检查当前结点是否满足 根≥左、右。 若不满足,将当前结点与更大的⼀个孩子互换。 若元素互换破坏了下⼀级的堆,则采用相同的方法继续往下调整(小元素不断“下坠”)

在顺序存储的完全⼆叉树中, 非终端结点编号 i ≤ ⌊ n / 2 ⌋

2、基于大根堆排序

堆排序: 每⼀趟将堆顶元素加入有序子序列(与待排序序列中的最后⼀个元素交换)

选择排序: 每⼀趟在待排序元素中选取关键字最大的元素加入有序子序列并将待排序元素序列再次调整为大根堆(小元素不断“下坠”)

图解示例请看6。

3、堆的插入和删除

1、插入

对于小根堆,新元素放到表尾,与父节点对比,若新元素比父节点更小,则将⼆者互换。新元素就这样⼀路“上升”,直到无法继续上升为止。

每次“上升”调整需要对比一次关键字

2、删除

被删除的元素用堆底元素替代,然后让该元素不断“下坠”,直到无法下坠为止。

每次“下坠”调整可能需要对比一次关键字,也可能需要对比两次关键字

4、代码实现

#include 
#include 
using namespace std;

/**
 * 以 k 为为根的子树调整为大根堆
 * @param arr
 * @param k
 * @param len
 */
void HeadAdjust(int arr[], int k, int len) {
    arr[0] = arr[k]; //暂存子树的根结点
    for (int i = 2 * k; i <= len; i *= 2) { //沿key较大的子节点向下筛选
        if (i < len && arr[i] < arr[i + 1]) {
            i++; //取key较大的子节点的下标
        }
        if (arr[0] >= arr[i]) //筛选结束
            break;
        else {
            arr[k] = arr[i]; //修改arr[i]调整到双亲结点
            k = i; //修改k值,继续向下筛选
        }//else
    }//for
    arr[k] = arr[0]; //被筛选结点的值放入最终位置
}

/**
 * 建立大根堆
 * @param arr
 * @param len
 */
void BuildMaxHeap(int arr[], int len) {
    for (int i = len / 2; i > 0; i--) { //从后往前调整所有非终端结点
        HeadAdjust(arr, i, len);
    }
}

/**
 * 大根堆排序
 * @param arr
 * @param len
 */
void HeadSort(int arr[], int len) {
    BuildMaxHeap(arr, len); //初始建堆
    for (int i = len; i > 1; i--) { //n-1趟的交换和建堆过程
        swap(arr[i], arr[1]);
        HeadAdjust(arr, 1, i - 1);
    }
}

/**
 * 输出数组
 * @param arr
 * @param n
 */
void PrintArray(int arr[], int n) {
    for (int i = 0; i < n; i++) {
        cout << arr[i] << "  ";
    }
    printf("\n");
}
int main() {
    int arr[] = {0, 12, 28, 20, 50, 48, 1, 5, 28};
    int n = sizeof(arr) / sizeof(arr[0]);
    cout << "输出arr初始数组" << endl;
    PrintArray(arr, n);
    cout << "arr堆排序" << endl;
    HeadSort(arr, n - 1);
    cout << "输出arr排序后数组" << endl;
    PrintArray(arr, n);
    return 0;
}

5、算法效率分析

1、建堆过程时间复杂度

结论:⼀个结点,每“下坠”⼀层,最多只需对比关键字2次
若树高为h,某结点在第 i 层,则将这个结点向下调整最多只需要“下坠” h-i 层,关键字对比次数不超过 2(h - i)
n个结点的完全⼆叉树树高 h=⌊ log2n ⌋ + 1

第 i 层最多有 2 i − 1 2^{i-1} 2i1 个结点,而只有第 1 ~ (h-1) 层的结点才有可能需要“下坠”调整。

将整颗树调整为大根堆,关键字对比次数不超过4n
∑ i = h − 1 1 2 i − 1 ∗ 2 ( h − i ) = ∑ i = h − 1 1 2 i ( h − i ) = ∑ j = 1 h − 1 2 h − j ∗ j ≤ 2 n ∑ j = 1 h − 1 j 2 j ≤ 4 n \begin{aligned} \sum_{i=h-1}^{1}2^{i-1}*2(h-i) &= \sum_{i=h-1}^{1}2^i(h-i) \\ &= \sum_{j=1}^{h-1}2^{h-j}*j \\ &\le 2n\sum_{j=1}^{h-1}\frac{j}{2^j} \\ &\le 4n \end{aligned} i=h112i12(hi)=i=h112i(hi)=j=1h12hjj2nj=1h12jj4n

建堆的过程,关键字对比次数不超过4n,建堆时间复杂度=O(n)

2、排序过程时间复杂度

根节点最多“下坠” h-1 层,每下坠⼀层,而每“下坠”⼀层,最多只需对比关键字2次,

因此每⼀趟排序复杂度不超过 O ( h ) = O ( l o g 2 n ) O(h) = O(log_2n) O(h)=O(log2n)共n-1 趟总的时间复杂度 = O ( n l o g 2 n ) O(nlog_2n) O(nlog2n)

3、堆排序

堆排序的空间复杂度: O(1)

堆排序的时间复杂度: O ( n ) + O ( n l o g 2 n ) = O ( n l o g 2 n ) O(n) + O(nlog_2n) = O(nlog_2n) O(n)+O(nlog2n)=O(nlog2n)

4、稳定性 : 不稳定

6、示例

示例:将数组a[8] = [1,4,7,2,5,8,3,6]建成大根堆。画出建堆过程。并画出堆排序过程

数组插入建堆过程图如下:

数据结构-排序(七)堆排序_第3张图片

堆排序示例图如下:

数据结构-排序(七)堆排序_第4张图片

删除示例图如下:
数据结构-排序(七)堆排序_第5张图片

你可能感兴趣的:(C/C++数据结构,数据结构,算法,排序算法,堆排序,c语言)