堆排序算法一(算法分析与实现)
2015-04-21 22:44
232 查看
说明:该算法为堆排序算法,待排序的数据从第二位置开始存放,第一个位置不用。
算法思路:该算法依赖于堆调整这样一个基本过程,一般来说排序过程分为如下两步:
1 建立大顶堆。
2 根据堆来进行排序。
具体如下程序(程序说明部分对算法进行了详细分析):
package com.sharpandroid.junitTest;
import java.util.Random;
import org.junit.Test;
/**
* 说明:该算法为堆排序算法,从第二个位置也就是索引为1的位置开始存储排序的数据(第1位置不用),该算
* 法依赖于如下堆调整的基本过程:
* maxHeapIfY(array, i),该过程以i结点为当前堆调整的树根(该过程假设以i为根的子树已经为最
* 大堆),目的是把i结点加入到堆中,使堆成为以i为根结点的大顶堆。
* 堆排序算法依赖于数据结构“堆”,所以在排序之前首先是建立一个堆,所以一般来说堆排序算法的大致过程如
* 下:
* 1 建立堆的过程buildMaxHeap:该过程从i = heapSize/2处开始向树根调整,直到i = 1,此
* 时该堆是以结点i为根的一个大顶堆。
* 2 堆排序过程heapSort:由大顶堆的性质可知,i = 1处的结点是该前堆中的最大值,所以该过程不断地
* Exchange(array, i, 1),然后调用基本过程maxHeapIfY(array, 1)不断的以i = 1为根
* 结点进行大顶堆调整以保持大顶堆的性质,该过程一直到i=2的结点处(此时i = 1的结点与i = 2处的结点
* 进行最后一次交换及堆调整)。
* @author xuecheng
*
*/
public class Sort_HeapSort {
private int [] arrayA = null;
private int heapSize = -1;
private int length = 1000 + 1;//1000个数字,第一个位置不用
@Test
public void insertSort() {
//fail("Not yet implemented");
getData();
printArray(arrayA);
System.out.println("heap sort begin");
long now = System.nanoTime();
doSort(arrayA);
long last = System.nanoTime() - now;
System.out.println("heap sort end, duration = " + last);
printArray(arrayA);
}
private void getData() {
arrayA = new int[length];
Random random = new Random(System.currentTimeMillis());
for (int i = 0; i < length; i++) {
arrayA[i] = random.nextInt(1000) + 1;
}
}
private void doSort(int array[]) {
heapSort(array);
}
private void heapSort(int array[]) {
buildMaxHeap(array);
for (int i = this.heapSize; i >= 2; i--) {
exchangeValue(array, 1, i);
this.heapSize = this.heapSize - 1;
maxHeapIfY(array, 1);
}
}
private void buildMaxHeap(int array[]) {
this.heapSize = array.length - 1;//由于第一个位置不存储数据,所以这里减了一
for (int i = this.heapSize / 2; i >=1; i--) {
maxHeapIfY(array, i);
}
}
private void maxHeapIfY(int array[], int i) {
int l = this.left(i);
int r = this.right(i);
int largest = -1;
if ((l <= this.heapSize) && (array[i] < array[l])) {
largest = l;
} else {
largest = i;
}
if (r <= this.heapSize && (array[largest] < array[r])) {
largest = r;
}
if (largest != i) {
exchangeValue(array, i, largest);
maxHeapIfY(array, largest);
}
}
private void exchangeValue(int array[], int indexA, int indexB) {
int temp = array[indexB];
array[indexB] = array[indexA];
array[indexA] = temp;
}
private int left(int i) {
return 2 * i;
}
private int right(int i) {
return 2 * i + 1;
}
private int parent(int i) {
return i / 2;
}
private void printArray(int array[]) {
for (int i = 1; i < array.length; i++) {
System.out.print("i = " + i + ", value = " + array[i] + "\n");
}
}
}
算法思路:该算法依赖于堆调整这样一个基本过程,一般来说排序过程分为如下两步:
1 建立大顶堆。
2 根据堆来进行排序。
具体如下程序(程序说明部分对算法进行了详细分析):
package com.sharpandroid.junitTest;
import java.util.Random;
import org.junit.Test;
/**
* 说明:该算法为堆排序算法,从第二个位置也就是索引为1的位置开始存储排序的数据(第1位置不用),该算
* 法依赖于如下堆调整的基本过程:
* maxHeapIfY(array, i),该过程以i结点为当前堆调整的树根(该过程假设以i为根的子树已经为最
* 大堆),目的是把i结点加入到堆中,使堆成为以i为根结点的大顶堆。
* 堆排序算法依赖于数据结构“堆”,所以在排序之前首先是建立一个堆,所以一般来说堆排序算法的大致过程如
* 下:
* 1 建立堆的过程buildMaxHeap:该过程从i = heapSize/2处开始向树根调整,直到i = 1,此
* 时该堆是以结点i为根的一个大顶堆。
* 2 堆排序过程heapSort:由大顶堆的性质可知,i = 1处的结点是该前堆中的最大值,所以该过程不断地
* Exchange(array, i, 1),然后调用基本过程maxHeapIfY(array, 1)不断的以i = 1为根
* 结点进行大顶堆调整以保持大顶堆的性质,该过程一直到i=2的结点处(此时i = 1的结点与i = 2处的结点
* 进行最后一次交换及堆调整)。
* @author xuecheng
*
*/
public class Sort_HeapSort {
private int [] arrayA = null;
private int heapSize = -1;
private int length = 1000 + 1;//1000个数字,第一个位置不用
@Test
public void insertSort() {
//fail("Not yet implemented");
getData();
printArray(arrayA);
System.out.println("heap sort begin");
long now = System.nanoTime();
doSort(arrayA);
long last = System.nanoTime() - now;
System.out.println("heap sort end, duration = " + last);
printArray(arrayA);
}
private void getData() {
arrayA = new int[length];
Random random = new Random(System.currentTimeMillis());
for (int i = 0; i < length; i++) {
arrayA[i] = random.nextInt(1000) + 1;
}
}
private void doSort(int array[]) {
heapSort(array);
}
private void heapSort(int array[]) {
buildMaxHeap(array);
for (int i = this.heapSize; i >= 2; i--) {
exchangeValue(array, 1, i);
this.heapSize = this.heapSize - 1;
maxHeapIfY(array, 1);
}
}
private void buildMaxHeap(int array[]) {
this.heapSize = array.length - 1;//由于第一个位置不存储数据,所以这里减了一
for (int i = this.heapSize / 2; i >=1; i--) {
maxHeapIfY(array, i);
}
}
private void maxHeapIfY(int array[], int i) {
int l = this.left(i);
int r = this.right(i);
int largest = -1;
if ((l <= this.heapSize) && (array[i] < array[l])) {
largest = l;
} else {
largest = i;
}
if (r <= this.heapSize && (array[largest] < array[r])) {
largest = r;
}
if (largest != i) {
exchangeValue(array, i, largest);
maxHeapIfY(array, largest);
}
}
private void exchangeValue(int array[], int indexA, int indexB) {
int temp = array[indexB];
array[indexB] = array[indexA];
array[indexA] = temp;
}
private int left(int i) {
return 2 * i;
}
private int right(int i) {
return 2 * i + 1;
}
private int parent(int i) {
return i / 2;
}
private void printArray(int array[]) {
for (int i = 1; i < array.length; i++) {
System.out.print("i = " + i + ", value = " + array[i] + "\n");
}
}
}
相关文章推荐
- acm pku 1226 Substring的算法分析与实现
- 插补搜寻法之算法分析及实现
- 通过分析 JDK 源代码研究 TreeMap 红黑树算法实现 refer from http://www.ibm.com/developerworks/cn/java/j-lo-tree/index.html?ca=drs-
- 基于.NET实现数据挖掘--关联规则分析算法
- 算法分析之合并排序——merge sort子函数实现
- 偏最小二乘回归分析建模步骤的R实现(康复俱乐部20名成员测试数据)+补充pls回归系数矩阵的算法实现
- Java遍历集合方法分析(实现原理、算法性能、适用场合)
- 【线程池】几种线程池的实现算法分析
- 最短路径算法—Dijkstra(迪杰斯特拉)算法分析与实现代码(C/C++)
- 最短路径算法—Dijkstra(迪杰斯特拉)算法分析与实现(C/C++)
- 算法分析与设计——快排和插入排序的实现
- logistic回归算法详细分析与Python代码实现注释
- 最短路径算法—Dijkstra(迪杰斯特拉)算法分析与实现(C/C++)
- 快速傅里叶算法分析与实现
- 密码强度检测算法分析及实现(JavaScript)案例说明
- 几种线程池的实现算法分析
- 几种线程池的实现算法分析
- 一步步学习数据结构和算法之直接插入排序效率分析及java实现
- 百度登录算法分析和实现(中 - 整理篇)
- C 算法精解----堆的实现及分析