多平台统一管理软件接口,如何实现多平台统一管理软件接口
256
2023-03-28
Java堆排序算法详解
堆是数据结构中的一种重要结构,了解“堆”的概念和操作,可以帮助我们快速地掌握堆排序。
堆的http://概念
堆是一种特殊的完全二叉树(complete binary tree)。如果一棵完全二叉树的所有节点的值都不小于其子节点,称之为大根堆(或大顶堆);所有节点的值都不大于其子节点,称之为小根堆(或小顶堆)。
在数组(在0号下标存储根节点)中,容易得到下面的式子(这两个式子很重要):
1.下标为i的节点,父节点坐标为(i-1)/2;
2.下标为i的节点,左子节点坐标为2*i+1,右子节点为2*i+2。
堆的建立和维护
堆可以支持多种操作,但现在我们关心的只有两个问题:
1.给定一个无序数组,如何建立为堆?
2.删除堆顶元素后,如何调整数组成为新堆?
先看第二个问题。假定我们已经有一个现成的大根堆。现在我们删除了根元素,但并没有移动别的元素。想想发生了什么:根元素空了,但其它元素还保持着堆的性质。我们可以把最后一个元素(代号A)移动到根元素的位置。如果不是特殊情况,则堆的性质被破坏。但这仅仅是由于A小于其某个子元素。于是,我们可以把A和这个子元素调换位置。如果A大于其所有子元素,则堆调整好了;否则,重复上述过程,A元素在树形结构中不断“下沉”,直到合适的位置,数组重新恢复堆的性质。上述过程一般称为“筛选”,方向显然是自上而下。
删除一个元素是如此,插入一个新元素也是如此。不同的是,我们把新元素放在末尾,然后和其父节点做比较,即自下而上筛选。
那么,第一个问题怎么解决呢?
我看过的数据结构的书很多都是从第一个非叶子结点向下筛选,直到根元素筛选完毕。这个方法叫“筛选法”,需要循环筛选n/2个元素。
但我们还可以借鉴“无中生有”的思路。我们可以视第一个元素为一个堆,然后不断向其中添加新元素。这个方法叫做“插入法”,需要循环插入(n-1)个元素。
由于筛选法和插入法的方式不同,所以,相同的数据,它们建立的堆一般不同。
大致了解堆之后,堆排序就是水到渠成的事情了。
算法概述/思路
我们需要一个升序的序列,怎么办呢?我们可以建立一个最小堆,然后每次输出根元素。但是,这个方法需要额外的空间(否则将造成大量的元素移动,其复杂度会飙升到O(n^2))。如果我们需要就地排序(即不允许有O(n)空间复杂度),怎么办?
有办法。我们可以建立最大堆,然后我们倒着输出,在最后一个位置输出最大值,次末位置输出次大值……由于每次输出的最大元素会腾出第一个空间,因此,我们恰好可以放置这样的元素而不需要额外空间。很漂亮的想法,是不是?
public class HeapSort
{
public static void main(String[] args)
{
int[] arr = { 50, 10, 90, 30, 70, 40, 80, 60, 20 };
System.out.println("排序之前:");
for (int i = 0; i < arr.length; i++)
System.out.print(arr[i] + " ");
// 堆排序
heapSort(arr);
System.out.println();
System.out.println("排序之后:");
for (int i = 0; i < arr.length; i++)
System.out.print(arr[i] + " ");
}
/**
* 堆排序
*/
private static void heapSort(int[] arr)
{
// 将待排序的序列构建成一个大顶堆
for (int i = arr.length / 2; i >= 0; i--)
http:// heapAdjust(arr, i, arr.length);
// 逐步将每个最大值的根节点与末尾元素交换,并且再调整二叉树,使其成为大顶堆
for (int i = arr.length - 1; i > 0; i--)NbNSHqR
{
swap(arr, 0, i); // 将堆顶记录和当前未经排序子序列的最后一个记录交换
heapAdjust(arr, 0, i); // 交换之后,需要重新检查堆是否符合大顶堆,不符合则要调整
}
}
/**
* 构建堆的过程
* @param arr 需要排序的数组
* @param i 需要构建堆的根节点的序号
* @param n 数组的长度
*/
private static void heahttp://pAdjust(int[] arr, int i, int n)
{
int child;
int father;
for (father = arr[i]; leftChild(i) < n; i = child)
{
child = leftChild(i);
// 如果左子树小于右子树,则需要比较右子树和父节点
if (child != n - 1 && arr[child] < arr[child + 1])
child++; // 序号增1,指向右子树
// 如果父节点小于孩子结点,则需要交换
if (father < arr[child])
arr[i] = arr[child];
else
break; // 大顶堆结构未被破坏,不需要调整
}
arr[i] = father;
}
// 获取到左孩子结点
private static int leftChild(int i)
{
return 2 * i + 1;
}
// 交换元素位置
private static void swap(int[] arr, int index1, int index2)
{
int tmp = arr[index1];
arr[index1] = arr[index2];
arr[index2] = tmp;
}
}
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~