本文是转载文章,文章的来源:简单之美
博主:Yanjun
文章:内部排序算法:堆排序
博文地址:http://shiyanjun.cn/archives/802.html
基本思想
- 堆的定义
n个关键字序列kl,k2,…,kn称为堆,当且仅当该序列满足如下性质之一(简称堆性质):
- ki≤k2i且ki≤k2i+1 或
- ki≥k2i且ki≥k2i+1(1≤i≤FLOOR(n/2))
若将此序列所存储的向量R[1..n]看做是一棵完全二叉树的存储结构,则堆实质上是满足如下性质的完全二叉树:树中任一非叶结点的关键字均不大于(或不小于)其左右孩子(若 存在)结点的关键字。
- 小根堆:根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最小的。
- 大根堆:根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最大的。
我们可以选择大根堆或者小根堆中的任意一个来进行排序。
- 排序思想
用大根堆排序的基本思想:
- 先将初始文件R[1..n]建成一个大根堆,此堆为初始的无序区。
- 再将关键字最大的记录R[1](即堆顶)和无序区的最后一个记录R[n]交换,由此得 到新的无序区R[1..n-1]和有序区R[n],且满足R[1..n-1].keys≤R[n].key。
- 由于交换后新的根R[1]可能违反堆性质,故应将当前无序区R[1..n-1]调整为堆。 然后再次将R[1..n-1]中关键字最大的记录R[1]和该区间的最后一个记录R[n-1]交换,由 此得到新的无序区R[1..n-2]和有序区R[n-1..n],且仍满足关系 R[1..n-2].keys≤R[n-1..n].keys,同样要将R[1..n-2]调整为堆。
算法实现
堆排序算法,Java实现,代码如下所示:
public abstract class Sorter {
public abstract void sort(int[] array);
}
public class HeapSorter extends Sorter {
public void sort(int[] array) {
heapSort(array);
}
/**
* <p>堆排序方法
* <p>基于大根堆的堆排序方法
*/
private void heapSort(int[] array) {
Integer tmp; // 用于交换的暂存单元
buildHeap(array); // 执行初始建堆,并调整
for (int i = 0; i < array.length; i++) {
// 交换堆顶元素array[0]和堆中最后一个元素array[array.length-1-i]
tmp = array[0];
array[0] = array[array.length - 1 - i];
array[array.length - 1 - i] = 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
adjustHeap(array, 0, array.length - 1 - i);
}
}
/**
* <p>
* 建堆方法
* <p>
* 调整堆中0~array.length/2个结点,保持堆的性质
*
*/
private void buildHeap(int[] array) {
// 求出当前堆中最后一个存在孩子结点的索引
int pos = (array.length - 1) / 2;
// 从该结点结点开始,执行建堆操作
for (int i = pos; i >= 0; i--) {
adjustHeap(array, i, array.length); // 在建堆过程中,及时调整堆中索引为i的结点
}
}
/**
* <p>
* 调整堆的方法
*
* @param s 待调整结点的索引
* @param m 待调整堆的结点的数量(亦即:排除叶子结点)
*/
private void adjustHeap(int[] array, int s, int m) {
Integer tmp = array[s]; // 当前待调整的结点
int i = 2 * s + 1; // 当前待调整结点的左孩子结点的索引(i+1为当前调整结点的右孩子结点的索引)
while (i < m) {
if (i + 1 < m && array[i] < array[i + 1]) { // 如果右孩子大于左孩子(找到比当前待调整结点大的孩子结点)
i = i + 1;
}
if (array[s] < array[i]) {
array[s] = array[i]; // 孩子结点大于当前待调整结点,将孩子结点放到当前待调整结点的位置上
s = i; // 重新设置待调整的下一个结点的索引
i = 2 * s + 1;
} else { // 如果当前待调整结点大于它的左右孩子,则不需要调整,直接退出
break;
}
array[s] = tmp; // 当前待调整的结点放到比其大的孩子结点位置上
}
}
}
堆排序算法,Python实现,代码如下所示:
class Sorter:
'''
Abstract sorter class, which provides shared methods being used by
subclasses.
'''
__metaclass__ = ABCMeta
@abstractmethod
def sort(self, array):
pass
class HeapSorter(Sorter):
'''
Heap sorter
'''
def sort(self, array):
length = len(array)
self.__heapify(array)
i = 0
while i<length:
array[0], array[length-1-i] = array[length-1-i], array[0]
self.__sift_down(array, 0, length-1-i)
i = i + 1
def __heapify(self, array):
length = len(array)
pos = (length-1) // 2
i = pos
while i>=0:
self.__sift_down(array, i, length)
i = i - 1
def __sift_down(self, array, s, m):
tmp = array[s]
i = 2 * s + 1
while i<m:
if i+1<m and array[i]<array[i+1]:
i = i + 1
if array[s]<array[i]:
array[s] = array[i]
s = i
i = 2 * s + 1
else:
break
array[s] = tmp
排序过程
假设待排序数组为array = {94,12,34,76,26,9,0,37,55,76,37,5,68,83,90,37,12,65,76,49},数组大小为20。
第一步:初始建堆
首先执行的初始建堆(在建堆的过程中需要调整堆)。过程如下:
- 求出当前堆中最后一个存在孩子结点的索引
这里,把数组array看做是一棵完全二叉树,这样数组每个索引位置上的元素都对应到二叉树中的结点,如图所示:
其中需要在这棵树中找到最后一个有孩子最大的一个结点的索引:
pos = (array.length-1)/2 = (20-1)/2 = 9
也就是索引为9的array[9] = 76,由后至前层次遍历,从array[9]一直到array[0],对初始堆进行调整。
- 对初始堆进行调整
-
调整结点array[9] = 76:
先比较array[9] = 76的左右孩子:s = 9,i = 2*s+1 = 2*9 + 1 = 19,而i+1 = 19 + 1 = 20 > m = array.length-1 = 20 -1 = 19(array[9] = 76没有右孩子),只需要将array[9] = 76与array[i] = array[19] = 49比较,因为array[9] = 76>array[i] = array[19] = 49,则不需要交换array[9] = 76与array[i] = array[19] = 49,继续对下一个结点(也就是array[8] = 55)进行调整;
-
调整结点array[8] = 55:
先比较array[8] = 55的左右孩子:s = 8,i = 2*s+1 = 2*8 + 1 = 17,,而i+1 = 17 + 1 = 18 < m = array.length-1 = 20-1 = 19(array[8] = 55存在右孩子),左孩子array[i] = array[17] = 65小于右孩子array[i+1] = array[18] = 76,只需要将array[8] = 76与右孩子array[i+1] = array[18] = 76比较,因为array[8] = 55<array[i+1] = array[18] = 76,则需要交换array[8] = 55与array[i+1] = array[18] = 76,交换后如图所示:
继续对下一个结点(也就是array[8] = 55)进行调整; -
调整结点array[7] = 37:
显然,不需要交换;
-
调整结点array[6] = 0:
调整结果如图所示:
-
调整结点array[5] = 9:
调整结果如图所示:
-
调整结点array[4] = 26:
调整结果如图所示:
-
调整结点array[3] = 76:
显然,不需要交换。
-
调整结点array[2] = 34:
调整结果如图所示:
-
调整结点array[1] = 12:
调整结果如图所示:
-
调整结点array[0] = 94:
显然,不需要交换。
至此,对初始堆的调整完成。
第二步:第一次交换
将堆顶元素与最后一个元素交换,即array[0] = 94与最后一个元素array[19] = 49交换,如图所示:
此时,数组为:
array = {49,76,90,12,76,68,34,37,76,26,37,5,9,83,0,37,12,65,55,94}
数组中最大的元素被交换到了数组的末尾,也就是array[19] = 94是最终排好序的固定位置。
第三步:调整堆
过程同前面类似。
……
最后经过堆排序得到有序的数组。
算法分析
- 时间复杂度
堆排序的时间,主要由建立初始堆和反复重建堆这两部分的时间开销构成。
堆排序的最坏时间复杂度为O(nlgn)。堆排序的平均性能较接近于最坏性能。由于建初始堆所需的比较次数较多,所以堆排序不适宜于记录数较少的文件。
- 空间复杂度
堆排序过程中,需要调整堆,交换待排序记录需要一个临时存储单元,所以空间复杂度为O(1)。
- 排序稳定性
堆排序是就地排序,它是不稳定的排序方法。
本文基于署名-非商业性使用-相同方式共享 4.0许可协议发布,欢迎转载、使用、重新发布,但务必保留文章署名时延军(包含链接:http://shiyanjun.cn),不得用于商业目的,基于本文修改后的作品务必以相同的许可发布。如有任何疑问,请与我联系。