堆排序详解

堆排序

  • 一.前言
  • 二.堆排序思路
  • 三.堆的创建
    • 1.堆的向上调整
    • 2.堆的向下调整
    • 3.向上建堆
    • 4.向下建堆
    • 5.两种建堆方式比较
  • 四.堆排序
  • 五.复杂度分析
  • 六.Topk问题
  • 七.结语

一.前言

堆排序在生活中主要有两大应用场景:一是大数据排序,二是优先队列。其中典型的实例就是解决Topk问题。

二.堆排序思路


现在假设我们已经建好了一个有11个元素的大堆(该堆各个元素的编号从上到下从左到右依次为0,1,2,3……10),那么堆顶元素(编号为0)一定比剩下的10个元素(1到10)都大,首先我们把堆顶元素0号与最后一个元素10号交换,那么我们就将最大的元素放到末尾了,接着我们只需要再将0-9号再调整为大堆,再进行一次首尾交换(注意此时的尾是9号元素),那么9,10号元素分别变为次大和最大的了,依此不断进行直至堆没有元素,就成功得到一个升序序列(即升序建大堆,降序建小堆)。
所以堆排序核心在于堆的创建和调整。

三.堆的创建

这里提前说明一下堆是通过堆的调整创建起来的,所以在创建堆之前我们得先知道堆的调整。

1.堆的向上调整

所谓向上调整,其前提是该元素编号前面的元素都是堆(都是大堆或小堆,这里以小堆为例),现在我们要把该元素及其前面的元素都调整为小堆。
堆排序详解_第1张图片

如上图所示,7号之前的元素都是小堆,但这8个元素却不是小堆,这时我们只需要找到该元素的父亲,如果该元素小于其父亲,就进行交换,直至该元素大于等于其父亲节点该元素已经调整为堆顶。这样就一定可以保证这8个元素都是小堆。

void AdjustUp(HPDataType* a, int child)
{
	int parent = (child - 1) / 2;//寻找该元素的父亲,注意堆顶元素编号是0
	while (child > 0)
	{
		if (a[child] > a[parent])
		{
			Swap(&a[child], &a[parent]);
			child = parent;
			parent = (parent - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

2.堆的向下调整

所谓向下调整,其前提是该元素的左子堆和右子堆都是堆(都是大堆或小堆,这里以大堆为例),但以该元素为堆顶的堆却不是大堆,只需要把该元素向下面进行调整就可以创建创建出一个大堆来。
堆排序详解_第2张图片
如上图所示,刚开始堆顶的左子堆和右子堆都是大堆,但整个堆不是大堆,要把0到9号元素进行堆的调整为大堆,只需要从其左右两个孩子中挑选出大数的与其进行一次交换,依此不断进行下去,直到要调整的数均大于其左右孩子要调整的数已经是叶子节点为止。

void HeapAdjustDown(int* a, int size, int parent)
{
	assert(a);

	int leftChild = parent * 2 + 1;
	int rightChild = leftChild + 1;

	while (leftChild < size)
	{
	//找较大的孩子
		int maxChild = leftChild;
		if (rightChild<size && a[leftChild] < a[rightChild])
		{
			maxChild = rightChild;
		}

		if (a[parent] < a[maxChild])
		{
			Swap(&a[parent], &a[maxChild]);//交换两数
		}
		else
		{
			break;
		}
		parent = maxChild;
		leftChild = parent * 2 + 1;
		rightChild = leftChild + 1;
	}
}

3.向上建堆

现在任意给我们一个整型数组,在我们看来这就是一个乱堆,但我们想要将其建成一个大堆,我们可以把第一个元素(编号为0)看成一个堆,该堆只有一个元素,那么1号元素之前的元素都是大堆,现在我们只需要对1号元素进行一次向上调整那么0号和1号元素就构成一个新的大堆了,接着又可以对2号元素进行向上调整,依此进行下去,直到最后一个元素也进行向上调整,至此,一个大堆就建立好了。

void HeapCreate(int* hp, int size)
{
	assert(hp);
	for (int i = 1; i < size; ++i)
	{
		HeapAdjustUp(hp, i);
	}
}

4.向下建堆

现在还是任意给我们一个整型数组,在我们看来他还是一个乱堆,但我们也希望将其建成一个大堆,那么我们可以把每一个叶子节点都看做是大堆,从最后一个非叶子节点开始,向下建堆,直至到根节点,至此,一个大堆就建成了。
堆排序详解_第3张图片
如上图:先将4号建成大堆,再将3号建成大堆,依此类推,直至0号。

void HeapCreate(int*hp,int size)
{
	assert(hp);

	for (int i = (size - 1) / 2; i >= 0; i--)
	{
		HeapAdjustDown(hp, size, i);
	}
}

5.两种建堆方式比较

两种建堆方式空间复杂度度均为O(1),下面我们以满二叉树来看时间复杂度:
向上调整:

堆排序详解_第4张图片

向下调整:
堆排序详解_第5张图片
因此我们优先采用向下调整的方式建堆

四.堆排序

现在我们已经建好了一个11个元素的大堆,接下来要考虑如何排序了。
我们可以将堆的首尾互换,即先把堆顶元素0号与最后一个元素10号交换,那么我们就将最大的元素放到末尾了,接着我们只需要用向下调整的方法再把0-9号元素调整为大堆,再进行一次首尾交换(注意此时的尾是9号元素),同样再把0到8号进行向下调整,那么9,10号元素分别变为次大和最大的了,依此不断进行直至需要进行向下调整的元素个数为0,就成功得到一个升序序列。

void HeapSort(int* hp, int size)
{
	HeapCreate(hp, size);//创建堆
	while (size--)
	{
		Swap(&hp[0], &hp[size]);//首尾交换
		HeapAdjustDown(hp, size, 0);
	}
}

至此,堆排序就算完成了。

下面给出以上完整代码:

#define _CRT_SECURE_NO_WARNINGS 1
#include
#include
#include

//交换两个数
void Swap(int* num1, int* num2)
{
	int temp = *num1;
	*num1 = *num2;
	*num2 = temp;
}

void HeapAdjustUp(int * a, int child)
{
	int parent = (child - 1) / 2;//寻找该元素的父亲,注意堆顶元素编号是0
	while (child > 0)
	{
		if (a[child] > a[parent])
		{
			Swap(&a[child], &a[parent]);
			child = parent;
			parent = (parent - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

void HeapAdjustDown(int* a, int size, int parent)
{
	assert(a);

	int leftChild = parent * 2 + 1;
	int rightChild = leftChild + 1;

	while (leftChild < size)
	{
		int maxChild = leftChild;
		if (rightChild<size && a[leftChild] < a[rightChild])
		{
			maxChild = rightChild;
		}

		if (a[parent] < a[maxChild])
		{
			Swap(&a[parent], &a[maxChild]);
		}
		else
		{
			break;
		}
		parent = maxChild;
		leftChild = parent * 2 + 1;
		rightChild = leftChild + 1;
	}
}

//向下调整建堆
void HeapCreate(int*hp,int size)
{
	assert(hp);

	for (int i = (size - 1) / 2; i >= 0; i--)
	{
		HeapAdjustDown(hp, size, i);
	}
}

//向上调整建堆
//void HeapCreate(int* hp, int size)
//{
//	assert(hp);
//	for (int i = 1; i < size; ++i)
//	{
//		HeapAdjustUp(hp, i);
//	}
//}

void HeapSort(int* hp, int size)
{
	HeapCreate(hp, size);
	while (size--)
	{
		Swap(&hp[0], &hp[size]);
		HeapAdjustDown(hp, size, 0);
	}
}

void Print(int* hp, int size)
{
	int i = 0;
	for (i = 0; i < size; ++i)
	{
		printf("%d ", hp[i]);
	}
}

int main()
{
	int hp[10] = { 9,5,4,1,3,2,8,7,6,10 };
	HeapSort(hp, 10);
	Print(hp, 10);

	return 0;
}

五.复杂度分析

堆排序详解_第6张图片
故堆排序
时间复杂度为为O(NlogN)
空间复杂度为O(1)

六.Topk问题

假设现在我有几亿条数据,他们存放在磁盘中,我需要找出他们前K个数据(这K条数据可以放在内存中排序),由于内存大小有限,无法在内存中直接对这几亿条数据进行排序,这个问题就会变得非常棘手,但堆排序却很好的解决了这个问题。
假设我现在想要从存放在磁盘里的三亿个整数中找出最大的前100个数,我可以在内存中先建立一个100个元素的小堆,然后依此从磁盘里面读取数据,如果读取的整数比堆顶元素大,就将堆顶元素替换成读取的数据,再进行一次向下调整,以此类推,直至数据读取完毕,那留在堆里面的元素就是最大的前100个数。

一个数据最坏情况下要进行logK次调整,最坏情况下N个数据都要进行调整,故:
时间复杂度:O(NlogK)
空间复杂度:O(K)

下面是代码:

#define _CRT_SECURE_NO_WARNINGS 1
#include
#include
#include
#include
#include

void CreateData()
{
	// 造数据
	int n = 10000;
	srand(time(0));
	const char* file = "data.txt";
	FILE* fin = fopen(file, "w");
	if (fin == NULL)
	{
		perror("fopen error");
		return;
	}

	for (size_t i = 0; i < n; ++i)
	{
		int x = rand() % 1000000;
		fprintf(fin, "%d\n", x);
	}

	fclose(fin);
}

void Swap(int* num1, int* num2)
{
	int temp = *num1;
	*num1 = *num2;
	*num2 = temp;
}

void HeapAdjustDown(int* a, int size, int parent)
{
	assert(a);

	int leftChild = parent * 2 + 1;
	int rightChild = leftChild + 1;

	while (leftChild < size)
	{
		int minChild = leftChild;
		if (rightChild<size && a[leftChild] > a[rightChild])
		{
			minChild = rightChild;
		}

		if (a[parent] > a[minChild])
		{
			Swap(&a[parent], &a[minChild]);
		}
		else
		{
			break;
		}
		parent = minChild;
		leftChild = parent * 2 + 1;
		rightChild = leftChild + 1;
	}
}

int* HeapCreate(FILE*fout,int k)
{
	assert(fout);

	int* hp = (int*)malloc(sizeof(int) * k);
	if (NULL == hp)
	{
		perror("HeapCreat");
		exit(-1);
	}

	int i = 0;
	for (i = 0; i < k; ++i)
	{
		fscanf(fout, "%d", &hp[i]);
	}
	for (i = (k - 1) / 2; i >= 0; i--)
	{
		HeapAdjustDown(hp, k, i);
	}
	
	return hp;
}

void PrintTopK(int k)
{
	FILE* fout = fopen("data.txt", "r");
	if (NULL == fout)
	{
		perror("fopen");
		exit(-1);
	}

	int* hp = HeapCreate(fout, k);
	int x = 0;
	while (EOF!=fscanf(fout, "%d", &x))
	{
		if (x > hp[0])
		{
			hp[0] = x;
			HeapAdjustDown(hp, k, 0);
		}
	}
	while (k--)
	{
		printf("%d ", hp[k]);
	}

	free(hp);
	fclose(fout);
}

int main()
{
	//CreateData();
	PrintTopK(5);

	return 0;
}

七.结语

堆的创建优先选用向下调整建堆,无论是从空间复杂度还是时间复杂度来说,堆排序的性能都是非常不错的。以上就是本文的全部内容了,如果本文有什么不对的地方,恳请指正,当然了,如果你觉得本文对你有所帮助,记得点赞哟!

你可能感兴趣的:(java,开发语言)