大顶堆实现升序排序,小顶堆实现降序排序
堆排序是基于堆结构实现
堆是完全二叉树,父节点的索引为 i,左孩子节点的索引为 2*
i + 1,右孩子节点的索引为 2*
i + 2
大顶堆:arr[i] >= arr[2*i + 1] && arr[i] >= arr[2*i + 2]
小顶堆:arr[i] <= arr[2*i + 1] && arr[i] <= arr[2*i + 2]
将一个无序序列构建成一个堆
将堆顶元素下沉到数组后面
将剩余的 n - 1 个元素重新调整成一个堆
继续将堆顶元素下沉
重复执行上诉操作,直到得到一个完整的有序序列为止
import java.util.Arrays;
public class HeadSort {
public static void main(String[] args) {
int[] array = new int[]{3, 2, 5, 7, 4, 8, 15, 1};
HeadSort.sort(array);
System.out.println(Arrays.toString(array));
}
public static void sort(int[] arr) {
// 1.构建大顶堆
buildHead(arr);
// 2.交换堆顶元素和末尾元素,并重新调整堆结构(不包含沉到后面的元素哦)
for (int j = arr.length - 1; j > 0; j--) {
swap(arr, 0, j); // 将堆顶元素与末尾元素进行交换
adjustHeap(arr, 0, j); // 重新对堆进行调整
}
}
// 构建堆(堆是在已有数组的基础上进行构建的)
private static void buildHead(int[] arr){
// 1.构建大顶堆,从最后一个非叶子结点开始
for (int i = arr.length / 2 - 1; i >= 0; i--) {
// 从最后一个非叶子结点自下而上,自左往右调整结构
adjustHeap(arr, i, arr.length);
}
}
// 调整堆结构
public static void adjustHeap(int[] arr, int i, int len) {
int left = 2 * i + 1; // 左孩子的索引
int right = 2 * i + 2; // 右孩子的索引
int maxIndex = i; // 临时变量记录最大值的索引,初始时记录父节点的索引为最大值的索引
if (left < len && arr[left] > arr[maxIndex]) {
maxIndex = left;
}
if (right < len && arr[right] > arr[maxIndex]) {
maxIndex = right;
}
if (maxIndex != i) {
// 若最大值在子孩子中,则交换它们的位置
swap(arr, i, maxIndex);
// 这一步为什么要递归调用,可能有初学者不太理解,我会解惑一栏中着重讲解
adjustHeap(arr, maxIndex, len);
}
}
// 交换元素
public static void swap(int[] arr, int a, int b) {
int temp = arr[a];
arr[a] = arr[b];
arr[b] = temp;
}
}
// 调整堆结构
public static void adjustHeap(int[] arr, int i, int len) {
// 省略. . .
if (maxIndex != i) {
// 若最大值在子孩子中,则交换它们的位置
swap(arr, i, maxIndex);
// 这一步为什么要递归调用,可能有初学者不太理解,我会解惑一栏中着重讲解
adjustHeap(arr, maxIndex, len);
}
}
对于上诉 if 语句中,为什么交换了孩子节点和父节点的位置后,要进行递归调用?这里的递归调用起到了什么作用?
具体可以看我的另一篇文章 自底向上的构建二叉堆,文中有关于这个问题得详细解析
建堆的时间复杂度为 O ( n ) O(n) O(n),遍历交换栈顶元素和尾部元素得时间复杂度为 O ( n ) O(n) O(n),调整堆结构得时间复杂度为 O ( l o g n ) O(logn) O(logn),总体时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn)
堆排序属于就地排序,空间复杂度为 O ( 1 ) O(1) O(1)
堆排序属于不稳定排序。因为在交换元素位置时,有可能会把后面的元素交换到前面去。
参考文献