排序算法<No.5>【堆排序】
算法，是系统软件开发，甚至是搞软件的技术人士的核心竞争力，这一点，我坚信不疑。践行算法实践，已经有一段时间没有practise了，今天来一个相对麻烦点的，堆排序。
1. 什么是堆（Heap）
这里说的堆，是一种数据结构，不是指计算机系统中的存储类型。堆是一种完全二叉树。说到完全二叉树，估计很多人都会想问，什么是完全二叉树，那满二叉树呢？先看看定义完全二叉树和满二叉树：
满二叉树是指这样的一种二叉树：除最后一层外，每一层上的所有结点都有两个子结点。在满二叉树中，每一层上的结点数都达到最大值，即在满二叉树的第k层上有2k-1个结点，且深度为m的满二叉树有2m－1个结点。
完全二叉树是指这样的二叉树：除最后一层外，每一层上的结点数均达到最大值；在最后一层上只缺少右边的若干结点。
一般说的堆数据结构，都是指的二叉堆，二叉堆满足堆特性：父节点的键值总是保持固定的序关系于任何一个子节点的键值，且每个节点的左子树和右子树都是一个二叉堆。
堆的数据，通常是用数组进行存储的。
2. 什么是最大堆和最小堆
二叉堆常见的有最大堆和最小堆，但是不是所有的堆都是最大堆或者最小堆。
当父节点的键值总是大于任何一个子节点的键值时为最大堆，当父节点的键值总是小于或等于任何一个子节点的键值时为最小堆。
3. 堆节点和数组索引关系
为了更加形象，我们常用带数字的圆圈和线条来表示二叉堆等，但其实都是用数组来表示的。如果根节点在数组中的位置是1，第n个位置的子节点则分别在2n和2n+1位置上。这一点很重要，在算法实现中，不可忽视，堆数据的存储，总是从数组的下标1开始。
对于给定的某个结点的下标i，可以很容易的计算出这个结点的父结点、孩子结点的下标，而且计算公式很漂亮很简约（i表示的是数组中的第几个，对应的数组索引号+1）：
PARENT(i)
return 小于或等于i/2的最大整数
LEFT-CHILD(i)
return 2i
RIGHT-CHILD(i)
return 2i+1
下面用一个图来形象描述一下堆与数组的关系。
4. 如何将一个节点所在的堆变成最大堆
程序中，不可能所有的堆都天生就是最大堆，为了更好的使用堆这一数据结构，我们可能要人为地构造最大堆。
如何将一个杂乱排序的堆重新构造成最大堆，它的主要思路是：
a. 从上往下，将父节点与子节点依次比较。
b. 如果父节点最大则进行下一步循环。
c. 如果子节点更大，则将子节点与父节点位置互换，并进行下一步循环。
d. 重复a-c的步骤
下面的例子，需要两步才能将节点2所在的堆整个堆排序成最大堆
下面，通过MAX-HEAPIFY（A，i）的伪代码，展示上述堆排序的逻辑：
MAX-HEAPIFY(A, i)
l=LEFT-CHILD(i) #LEFT-CHILD(i) = 2i
r=RIGHT-CHILD(i) #RIGHT-CHILD(i)=2i+1
if l<=A.hsize and A[l]>A[i] #A.hsize表示A中堆元素的个数
largest=l
else
largest=i
if r<=A.hsize and A[r]>A[largest]
largest=r
if largest != i
exchange A[i] with A[largest]
MAX-HEAPIFY(A, largest)
对于这个MAX-HEAPIFY伪代码，java代码实现为：
/**
* @author "shihuc"
* @date 2017年3月22日
*/
package heapSort; /**
* @author chengsh05
*
*/
public class MaxHeapify { static int hsize = ; /**
* @param args
*/
public static void main(String[] args) { int A[] = new int [] {, ,,,,,,,,};
/*
* 堆数据元素的个数，在这个例子中是数组长度 - 1
*/
hsize = A.length - ;
MaxHeapify mh = new MaxHeapify(); /*
* 注意，取父节点序号时，必须从1开始取。
* 这里，主要是用来测试maxHeapify函数，对任何入口的效果。
*/
for(int i = ; i<hsize; i++){
mh.maxHeapify(A, i, hsize);
} for(int i = ; i<A.length; i++){
System.out.print(A[i] + ", ");
}
} /**
* 获取当前节点i的左孩子节点在堆数据数组中的序号
*
* @param i 父节点序号
* @return 左孩子节点序号
*/
private int heapLeft(int i) {
return *i;
} /**
* 获取当前节点i的右孩子节点在堆数据数组中的序号
*
* @param i 父节点序号
* @return 右孩子节点序号
*/
private int heapRight(int i) {
return *i + ;
} /**
* 将堆A中的数据进行位置a,b上的数字交换
*
* @param A 堆数据数组
* @param a 原始数据序号
* @param b 待交换数据序号
*/
public void exchange(int A[], int a, int b) {
A[a] = A[a] ^ A[b];
A[b] = A[b] ^ A[a];
A[a] = A[a] ^ A[b];
} /**
* 将当前堆调整成为一个最大堆。
*
* @param A 待调整的堆数据数组
* @param i 当前的父节点序号
* @param heapSize 堆的元素个数
*/
public void maxHeapify(int A[], int i, int heapSize){
int larger = -;
int l = heapLeft(i);
int r = heapRight(i);
if (l <= heapSize && A[l] > A[i]){
larger = l;
}else{
larger = i;
}
if (r <= heapSize && A[r] > A[larger]){
larger = r;
}
if (larger != i){
exchange(A, i, larger);
maxHeapify(A, larger, heapSize);
}
}
}
基于已有的MAX-HEAPIFY(A,i)来构建一个方法，能对所有的节点对应的堆数据结构进行调整，让这个A堆数据成为最大堆。
回顾一下上面的图示，其总共有9个结点，取小于或等于9/2的最大整数为4，从4+1，4+2，一直到n都是该树的叶子结点。这个现象，这对任意n都是成立的。
下面是构建一个最大堆的伪代码：
BUILD-MAX-HEAP(A)
A.hsize=A.length
for i=小于或等于A.length/2的最大整数 downto 1
MAX-HEAPIFY(A, i)
上面的伪代码，对应的图示流程如下图：
构建最大堆的java实现代码：
/**
* @author "shihuc"
* @date 2017年3月22日
*/
package heapSort; /**
* @author chengsh05
*
*/
public class BuildMaxHeap { /**
* @param args
*/
public static void main(String[] args) {
//int A[] = new int[] {0, 7,25,15,5,12,20,13,18,10};
int A[] = new int [] {, ,,,,,,,,};
BuildMaxHeap bmh = new BuildMaxHeap();
bmh.buildMaxHeap(A, A.length-);
for(int i=; i<A.length; i++){
System.out.print(A[i] + ", ");
}
} private int getStartIdx(int len) {
return (int)Math.floor(len/);
} public void buildMaxHeap(int A[], int heapSize){
MaxHeapify mh = new MaxHeapify();
for(int i=getStartIdx(A.length); i>=; i--){
mh.maxHeapify(A, i, heapSize);
}
}
}
其中MaxHeapify类，就是前述步骤中实现的类。
5. 堆排序实现
所谓的堆排序算法，先通过前面的BUILD-MAX-HEAP(A)将输入数组A[1...n]建成最大堆，其中n=A.length。而数组中的元素总在根结点A[1]中，通过把它与A[n]进行互换，就能将该元素放到正确的位置。基于上面前几部的理论分析，将堆调整成为最大堆后，A[1]的值总是堆中的最大值。
如何让原来根的子结点仍然是最大堆呢，可以通过从堆中去掉结点n，而这可以通过减少A.hsize来间接的完成。但这样一来新的根节点就违背了最大堆的性质，因此仍然需要调用MAX-HEAPIFY(A,1)，从而在A[1...n−1]上构造一个新的最大堆。
通过不断重复这一过程，直到堆的大小从n−1一直降到2即可。
实现步骤：
a. 通过BUILD-MAX-HEAP(A)构建最大堆
b. 将A[1]与A[x]交换，其中x取值范围[A.length, 2]降序取值。
c. 调整A.hsize = A.hsize - 1
d. 调用MAX-HEAPIFY(A,1)
e. 若x大于2，跳转到b处，继续后续步骤。
上述过程的伪代码如下：
HEAPSORT(A)
BUILD-MAX-HEAP(A)
for i=A.length downto 2
exchange A[1] with A[i]
A.heap-size=A.heap-size-1
MAX-HEAPIFY(A,1)
下面就用一个例子，结合上述伪代码，形象的介绍堆排序的过程。待排序的堆：9,18,21,23,222,121,234,90,211
经过上述堆排序后，得到的排序后的结果为：9,18,21,23,90,121,211,222,234
针对上述堆排序的伪代码，其对应的java代码实现：
/**
* @author "shihuc"
* @date 2017年3月23日
*/
package heapSort; import java.io.File;
import java.io.FileNotFoundException;
import java.util.Scanner; /**
* @author chengsh05
*
* 堆排序，主要实现思路：
* a. 通过BUILD-MAX-HEAP(A)构建最大堆
* b. 将A[1]与A[x]交换，其中x取值范围[A.length, 2]降序取值。
* c. 调整A.hsize = A.hsize - 1
* d. 调用MAX-HEAPIFY(A,1)
* e. 若x大于2，跳转到b处，继续后续步骤。
*
*/
public class HeapSort { /**
* @param args
*/
public static void main(String[] args) {
File file = new File("./src/heapSort/sample.txt");
Scanner sc = null;
try {
sc = new Scanner(file);
int N = sc.nextInt();
for(int i=; i<N; i++){
int S = sc.nextInt();
int A[] = new int[S+];
for(int j=; j<S; j++){
A[j+] = sc.nextInt();
}
print(A, i, "is going to sort...");
heapSort(A);
print(A, i, "has been sorted....");
}
} catch (FileNotFoundException e) {
e.printStackTrace();
} finally {
if(sc != null){
sc.close();
}
}
} /**
* 用来打印输出堆中的数据内容。
*
* @param A 堆对应的数组
* @param idx 当前是第几组待测试的数据
* @param info 打印中输出的特殊信息
*/
private static void print(int A[], int idx, String info){
System.out.println(String.format("No. %02d %s ====================== ", idx, info));
for(int i=; i<A.length; i++){
System.out.print(A[i] + ", ");
}
System.out.println();
} /**
* 堆排序的具体实现过程
*
* @param A 待排序的堆
*/
public static void heapSort(int A[]){
BuildMaxHeap bmh = new BuildMaxHeap();
MaxHeapify mh = new MaxHeapify();
int hsize = A.length - ;
/*
* 实现步骤（a）
* 将当前待排序的堆构建成一个最大堆
*/
bmh.buildMaxHeap(A, hsize);
print(A, , "*****");
/*
* 实现步骤（e）
* 下面的for循环，就是在重复步骤b-d，直到堆长度为1
*/
for(int i=A.length - ; i>=; i--){
/*
* 实现步骤（b）
* 将堆结构中数组下标为1的数据与堆尾的数据互换位置
*/
mh.exchange(A, i, );
/*
* 实现步骤（c）
* 调整堆的实际长度。每次调整堆成最大堆并将堆的root节点取出后，原始堆的长度将减小1
*/
hsize--;
/*
* 实现步骤（d）
* 调用MAX-HEAPIFY（A，1）函数重新调整新堆为最大堆
*/
mh.maxHeapify(A, , hsize);
print(A, hsize, "~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~");
}
}
}
其中，sample.txt的测试数据为：
输出结果为：
No. is going to sort... ======================
, , , , , , ,
No. ***** ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. has been sorted.... ======================
, , , , , , ,
No. is going to sort... ======================
, , , , , , , , , ,
No. ***** ======================
, , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , ,
No. has been sorted.... ======================
, , , , , , , , , ,
No. is going to sort... ======================
, , , , , , , , , , ,
No. ***** ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , , , ,
No. has been sorted.... ======================
, , , , , , , , , , ,
No. is going to sort... ======================
, , , , , , ,
No. ***** ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , ,
No. has been sorted.... ======================
, , , , , , ,
No. is going to sort... ======================
, , , , , , , , ,
No. ***** ======================
, , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , ,
No. ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ======================
, , , , , , , , ,
No. has been sorted.... ======================
, , , , , , , , ,
结合上述的测试例以及打印输出的内容，对于理解堆排序应该是很容易的事情了，虽然麻烦了点。但是思路非常清晰易懂。其实也是一种选择排序的思路。
其时间复杂度为O（nlogn）。属于不稳定排序。至于什么是不稳定，自己看相关资料吧。
最新文章
- WebLogic: console 启动慢解决办法
- 《Javascript高级程序设计第3版》精华总结
- 从json传递数据显示表格实例
- HDU 2089 不要62
- read 判定用户输入的状态后运行相应的结果
- spring字符编码设置
- 【C#学习笔记】文本复制到粘贴板
- MYSQL数据库性能调优之七：其他（读写分离、分表等）
- wuzhicms 模块开发
- MAC自带的lnmp
- 微软的OneDrive研究～
- linux Packet socket (1)简单介绍
- UEFI主板GPT方式安装CentOS6.4
- 4.Handler之CoreHandler编写
- Codeforces 257D
- 普通PC通过USB转485串口 ModBus-RTU通信协议控制伺服电机
- 3.sparkSQL整合Hive
- OpenCV——轮廓填充drawContours函数解析
- white-space和word-wrap和word-break所表示的换行和不换行的区别
- ASP.NET MVC Owin 基本理解