堆排序
堆排序的主要思想
关于什么是堆,可以看看二叉堆。这里就不在啰嗦了。
关于堆,我们知道有个最主要的性质,对于最大堆
,堆顶的元素总是最大的,对于最小堆
,堆顶的元素总是最小的。所以如果我们将一个数组转化成一个堆,在反复执行删除堆顶元素的操作,那么每次删除的元素必然是有序的,也就实现了我们排序的效果。
因此,堆排序的步骤主要两点:
- 构建堆,将一个数组转化成一个堆,我们在MaxHeap.md中有总结,时间复杂度是O(n log2n)
- 遍历删除堆顶的元素,我们知道删除堆顶元的时间复杂对是O(log2n),那么如果堆中有n个元素,则时间复杂度变成O(nlog2n)。由此得出堆排序的时间复杂度是O(nlog2n)。
综上所述,我们发现如果这样做,那么时间复杂度是没有问题的,但是空间上则需要使用一个附加的数组来存储每次删除的元素,使得存储需求增加一倍。那么这个问题怎么规避呢,我们知道删除堆顶元素后,为了维护堆的性质,我们的做法是将最后一个元素放到堆顶位置,在进行siftDown()操作。比如下图,我们删除97后,会将31放到堆顶(这个时候31的位置就空下来了)
,然后调整堆。那么我们就可以利用这一点,将97放到空下来的位置。然后依次类推,我们在删除59,那么还是31的位置空下来,我们在将59放到空下来的位置,直到堆中剩下一个元素,这个时候你会发现数组已经是有序的了,并且没有额外占用空间。
代码实现如下:
// 获取节点的左孩子索引
private static int getLeft(int index) {
return 2 * index + 1;
}
// 获取节点的右孩子索引
private static int getRight(int index) {
return 2 * index + 2;
}
private static void swapReference(int[] arr, int i, int j) {
int tmp = arr[i];
arr[i] = arr[j];
arr[j] = tmp;
}
// 下沉操作调整堆 O(logN)
private static void siftDown(int[] arr, int index, int size) {
int child = 0;
int tmp = arr[index];
for (; getLeft(index) < size; index = child) {
// 找到左右孩子中较大的元素
child = getLeft(index);
if (child != size - 1 &&
arr[getLeft(index)] < arr[getRight(index)]) {
child = getRight(index);
}
if (tmp < arr[child]) {
arr[index] = arr[child];
} else {
break;
}
}
arr[index] = tmp;
}
// 构建堆
private static void buildHeap(int[] arr) {
for (int i = arr.length / 2 - 1; i >= 0; i--) {
siftDown(arr, i, arr.length);
}
}
/**
* 堆排序
*
* @param arr 待排序数组
*/
public static void heapSort(int[] arr) {
buildHeap(arr);
// 遍历执行deleteMax方法,因为删除一个堆顶元素,堆尾元素就空出来了,
// 将删除的元素放到堆尾,这样就达到了排序效果,并且利用了堆的原始数组,节省了空间
for (int i = arr.length - 1; i > 0; i--) {
swapReference(arr, 0, i);
siftDown(arr,0, i);
}
}
来源:CSDN
作者:疯子不是傻子
链接:https://blog.csdn.net/weixin_40149557/article/details/104553161