详解堆排序算法原理及Java版的代码实现
概述
堆排序是一种树形选择排序,是对直接选择排序的有效改进。
堆的定义如下:具有n个元素的序列(k1,k2,...,kn), 当且仅当满足:
时称之为堆。由堆的定义可以看出,堆顶元素(即第一个元素)必为最小项(小顶堆)或最大项(大顶堆)。
若以一维数组存储一个堆,则堆对应一棵完全二叉树,且所有非叶结点(有子女的结点)的值均不大于(或不小于)其子女的值,根结点(堆顶元素)的值是最小(或最大)的。
(a)大顶堆序列:(96, 83, 27, 38, 11, 09)
(b)小顶堆序列:(12, 36, 24, 85, 47, 30, 53, 91)
初始时把要排序的n 个数的序列看作是一棵顺序存储的二叉树(一维数组存储二叉树),调整它们的存储序,使之成为一个堆,将堆顶元素输出,得到n 个元素中最小(或最大)的元素。然后对剩下的n-1个元素重新调整使之成为堆,输出堆顶元素,得到n 个元素中次小(或次大)的元素。依此类推,直到最后得到有n个节点的有序序列。称这个过程为堆排序。
步骤&实例
实现堆排序需解决两个问题:
(1)如何将n 个待排序的数建成堆;
(2)输出堆顶元素后,怎样调整剩余n-1 个元素,使其成为一个新堆。
建堆方法(小顶堆):
对初始序列建堆的过程,就是一个反复进行筛选的过程。
n 个结点的完全二叉树,则最后一个结点是第n/2个结点的子树。
筛选从第n/2个结点为根的子树开始(n/2是最后一个有子树的结点),使该子树成为堆。
之后向前依次对各结点为根的子树进行筛选,使之成为堆,直到根结点。
如图建堆初始过程
无序序列:(49, 38, 65, 97, 76, 13, 27, 49)
(a) 无序序列,初始二叉树,97(第8/2=4个结点)为最后一个结点(49)的父结点。
(b) 97>=49,替换位置,接下来对n/2的上一个结点65进行筛选。
(c) 13<=27且65>=13,替换65和13的位置,接下来对38进行替换(都大于它,不需操作),对49进行筛选。
(d) 13<=38且49>=13,替换49和13的位置,49>=27,替换49和27的位置。
(e) 最终得到一个堆,13是我们得到的最小数。
调整堆的方法(小顶堆):
设有m 个元素的堆,输出堆顶元素后,剩下m-1 个元素。将堆底元素送入堆顶,堆被破坏,其原因仅是根结点不满足堆的性质。
将根结点与左、右子树中较小元素的进行交换。
若与左子树交换:如果左子树堆被破坏,则重复方法(2).
若与右子树交换,如果右子树堆被破坏,则重复方法(2).
继续对不满足堆性质的子树进行上述交换操作,直到叶子结点,堆被建成。
调整堆只需考虑被破坏的结点,其他的结点不需调整。
代码实现(Java)
运行代码结合注释与上面的实例步骤进行对比思考。
package com.coder4j.main; public class HeapSort { /** * 调整为小顶堆(排序后结果为从大到小) * * @param array是待调整的堆数组 * @param s是待调整的数组元素的位置 * @param length是数组的长度 * */ public static void heapAdjustS(int[] array, int s, int length) { int tmp = array[s]; int child = 2 * s + 1;// 左孩子结点的位置 System.out.println("待调整结点为:array[" + s + "] = " + tmp); while (child < length) { // child + 1 是当前调整结点的右孩子 // 如果有右孩子且小于左孩子,使用右孩子与结点进行比较,否则使用左孩子 if (child + 1 < length && array[child] > array[child + 1]) { child++; } System.out.println("将与子孩子 array[" + child + "] = " + array[child] + " 进行比较"); // 如果较小的子孩子比此结点小 if (array[s] > array[child]) { System.out.println("子孩子比其小,交换位置"); array[s] = array[child];// 把较小的子孩子向上移动,替换当前待调整结点 s = child;// 待调整结点移动到较小子孩子原来的位置 array[child] = tmp; child = 2 * s + 1;// 继续判断待调整结点是否需要继续调整 if (child >= length) { System.out.println("没有子孩子了,调整结束"); } else { System.out.println("继续与新的子孩子进行比较"); } // continue; } else { System.out.println("子孩子均比其大,调整结束"); break;// 当前待调整结点小于它的左右孩子,不需调整,直接退出 } } } /** * 调整为大顶堆(排序后结果为从小到大) * * @param array是待调整的堆数组 * @param s是待调整的数组元素的位置 * @param length是数组的长度 * */ public static void heapAdjustB(int[] array, int s, int length) { int tmp = array[s]; int child = 2 * s + 1;// 左孩子结点的位置 System.out.println("待调整结点为:array[" + s + "] = " + tmp); while (child < length) { // child + 1 是当前调整结点的右孩子 // 如果有右孩子且大于左孩子,使用右孩子与结点进行比较,否则使用左孩子 if (child + 1 < length && array[child] < array[child + 1]) { child++; } System.out.println("将与子孩子 array[" + child + "] = " + array[child] + " 进行比较"); // 如果较大的子孩子比此结点大 if (array[s] < array[child]) { System.out.println("子孩子比其大,交换位置"); array[s] = array[child];// 把较大的子孩子向上移动,替换当前待调整结点 s = child;// 待调整结点移动到较大子孩子原来的位置 array[child] = tmp; child = 2 * s + 1;// 继续判断待调整结点是否需要继续调整 if (child >= length) { System.out.println("没有子孩子了,调整结束"); } else { System.out.println("继续与新的子孩子进行比较"); } // continue; } else { System.out.println("子孩子均比其小,调整结束"); break;// 当前待调整结点大于它的左右孩子,不需调整,直接退出 } } } /** * 堆排序算法 * * @param array * @param inverse true 为倒序排列,false 为正序排列 */ public static void heapSort(int[] array, boolean inverse) { // 初始堆 // 最后一个有孩子的结点位置 i = (length - 1) / 2, 以此向上调整各结点使其符合堆 System.out.println("初始堆开始"); for (int i = (array.length - 1) / 2; i >= 0; i--) { if (inverse) { heapAdjustS(array, i, array.length); } else { heapAdjustB(array, i, array.length); } } System.out.println("初始堆结束"); for (int i = array.length - 1; i > 0; i--) { // 交换堆顶元素H[0]和堆中最后一个元素 int tmp = array[i]; array[i] = array[0]; array[0] = tmp; // 每次交换堆顶元素和堆中最后一个元素之后,都要对堆进行调整 if (inverse) { heapAdjustS(array, 0, i); } else { heapAdjustB(array, 0, i); } } } public static void main(String[] args) { int[] array = { 49, 38, 65, 97, 76, 13, 27, 49 }; heapSort(array, false); for (int i : array) { System.out.print(i + " "); } } }
运行结果:
初始堆开始 待调整结点为:array[3] = 97 将与子孩子 array[7] = 49 进行比较 子孩子比其小,交换位置 没有子孩子了,调整结束 待调整结点为:array[2] = 65 将与子孩子 array[5] = 13 进行比较 子孩子比其小,交换位置 没有子孩子了,调整结束 待调整结点为:array[1] = 38 将与子孩子 array[3] = 49 进行比较 子孩子均比其大,调整结束 待调整结点为:array[0] = 49 将与子孩子 array[2] = 13 进行比较 子孩子比其小,交换位置 继续与新的子孩子进行比较 将与子孩子 array[6] = 27 进行比较 子孩子比其小,交换位置 没有子孩子了,调整结束 初始堆结束 待调整结点为:array[0] = 97 将与子孩子 array[2] = 27 进行比较 子孩子比其小,交换位置 继续与新的子孩子进行比较 将与子孩子 array[6] = 49 进行比较 子孩子比其小,交换位置 没有子孩子了,调整结束 待调整结点为:array[0] = 97 将与子孩子 array[1] = 38 进行比较 子孩子比其小,交换位置 继续与新的子孩子进行比较 将与子孩子 array[3] = 49 进行比较 子孩子比其小,交换位置 没有子孩子了,调整结束 待调整结点为:array[0] = 65 将与子孩子 array[1] = 49 进行比较 子孩子比其小,交换位置 继续与新的子孩子进行比较 将与子孩子 array[4] = 76 进行比较 子孩子均比其大,调整结束 待调整结点为:array[0] = 76 将与子孩子 array[2] = 49 进行比较 子孩子比其小,交换位置 没有子孩子了,调整结束 待调整结点为:array[0] = 97 将与子孩子 array[1] = 65 进行比较 子孩子比其小,交换位置 没有子孩子了,调整结束 待调整结点为:array[0] = 76 将与子孩子 array[1] = 97 进行比较 子孩子均比其大,调整结束 待调整结点为:array[0] = 97 97 76 65 49 49 38 27 13
PS:堆排序与直接插入排序的区别
直接选择排序中,为了从R[1..n]中选出关键字最小的记录,必须进行n-1次比较,然后在R[2..n]中选出关键字最小的记录,又需要做n-2次比较。事实上,后面的n-2次比较中,有许多比较可能在前面的n-1次比较中已经做过,但由于前一趟排序时未保留这些比较结果,所以后一趟排序时又重复执行了这些比较操作。
堆排序可通过树形结构保存部分比较结果,可减少比较次数。
相关文章
Java实现读取键盘输入保存到txt文件,再统计并输出每个单词出现次数的方法
这篇文章主要介绍了Java实现读取键盘输入保存到txt文件,再统计并输出每个单词出现次数的方法,涉及java文件I/O操作及字符串遍历、运算实现统计功能相关技巧,需要的朋友可以参考下2017-07-07Spring Cloud中Sentinel的两种限流模式介绍
如何使用Sentinel做流量控制呢?这篇文章就来为大家详细介绍了Spring Cloud中Sentinel的两种限流模式,感兴趣的小伙伴可以跟随小编一起学习一下2023-05-05kafka运维consumer-groups.sh消费者组管理
这篇文章主要为大家介绍了kafka运维consumer-groups.sh消费者组管理,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2022-11-11
最新评论