排序算法6之堆排序
2016-02-28 22:48
337 查看
本文主要参考:
http://blog.csdn.net/morewindows/article/details/6709644/
在这里补充一下,什么是完全二叉树:
完全二叉树是由满二叉树而引出来的。对于深度为K的,有n个结点的二叉树,当且仅当其每一个结点都与深度为K的满二叉树中编号从1至n的结点一一对应时称之为完全二叉树。
性质:
可以根据公式进行推导,假设n0n_0是度为0的结点总数(即叶子结点数),n1n_1是度为1的结点总数,n2n_2是度为2的结点总数,由二叉树的性质可知:n0=n2+1n_0=n_2+1,n=n0+n1+n2n= n_0+n_1+n_2(其中nn为完全二叉树的结点总数),由上述公式把n2n_2消去得:n=2n0+n1−1n= 2n_0+n_1-1,由于完全二叉树中度为1的结点数只有两种可能0或1,由此得到n0=(n+1)/2n_0=(n+1)/2或n0=n/2n_0=n/2。
总结起来,就是 n0=[n/2]n_0=[n/2],其中[]表示上取整。可根据完全二叉树的结点总数计算出叶子结点数。
二叉堆满足二个特性:
1.父结点的键值总是大于或等于(小于或等于)任何一个子节点的键值。
2.每个结点的左子树和右子树都是一个二叉堆。
当父结点的键值总是大于或等于任何一个子节点的键值时为最大堆。当父结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。
当已知子节点的数组下标为ii时,父节点的数组下标为i−12\frac{i-1}{2};
当已知父节点的数组下标为ii时,左子节点的数组下标为(2∗i+1)(2*i+1),右子节点的数组下标为(2∗i+2)(2*i+2)。
http://blog.csdn.net/morewindows/article/details/6709644/
堆的定义
二叉堆是完全二叉树或者是近似完全二叉树。在这里补充一下,什么是完全二叉树:
完全二叉树是由满二叉树而引出来的。对于深度为K的,有n个结点的二叉树,当且仅当其每一个结点都与深度为K的满二叉树中编号从1至n的结点一一对应时称之为完全二叉树。
性质:
可以根据公式进行推导,假设n0n_0是度为0的结点总数(即叶子结点数),n1n_1是度为1的结点总数,n2n_2是度为2的结点总数,由二叉树的性质可知:n0=n2+1n_0=n_2+1,n=n0+n1+n2n= n_0+n_1+n_2(其中nn为完全二叉树的结点总数),由上述公式把n2n_2消去得:n=2n0+n1−1n= 2n_0+n_1-1,由于完全二叉树中度为1的结点数只有两种可能0或1,由此得到n0=(n+1)/2n_0=(n+1)/2或n0=n/2n_0=n/2。
总结起来,就是 n0=[n/2]n_0=[n/2],其中[]表示上取整。可根据完全二叉树的结点总数计算出叶子结点数。
二叉堆满足二个特性:
1.父结点的键值总是大于或等于(小于或等于)任何一个子节点的键值。
2.每个结点的左子树和右子树都是一个二叉堆。
当父结点的键值总是大于或等于任何一个子节点的键值时为最大堆。当父结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。
子节点和父节点的下标关系
作为数据结构意义上的堆,一般利用数组进行存储。比如:当已知子节点的数组下标为ii时,父节点的数组下标为i−12\frac{i-1}{2};
当已知父节点的数组下标为ii时,左子节点的数组下标为(2∗i+1)(2*i+1),右子节点的数组下标为(2∗i+2)(2*i+2)。
堆的插入
每次插入都是将新数据放在数组最后。可以发现从这个新数据的父结点到根结点必然为一个有序的数列,现在的任务是将这个新数据插入到这个有序数据中,代码如下:void minHeapFixUp(int *p,int i) { int tmp=p[i];//i是子节点的下标 int j=(i-1)/2;//j是父节点的下标 while(j>=0) { if (p[j]<=tmp) break;//如果父节点比子节点小,说明数组已经是有序的了。 p[i]=p[j];//否则交换父节点和子节点的位置 i=j; j=(i-1)/2; } p[i]=tmp; return; }//插入节点 //在最小堆中加入新的数据nNum void MinHeapAddNumber(int *p, int n, int nNum) { p = nNum; minHeapFixUp(p, n); }
堆的删除
按定义,堆中每次都只能删除第0个数据。为了便于重建堆,实际的操作是将最后一个数据的值赋给根结点,然后再从根结点开始进行一次从上向下的调整。调整时先在左右儿子结点中找最小的,如果父结点比这个最小的子结点还小说明不需要调整了,反之将父结点和左右子节点中较小交换。void minHeapFixDown(int *p,int i,int n) { int tmp=p[i];//n是节点个数 int j=2*i+1;//i是父节点,j是子节点 while(j<n) { if((j+1)<n&&(p[j+1]<p[j])) j++;//找出左右子节点中较小的 if(tmp<p[j])//如果父节点比子节点小,说明已经是正确顺序 break; p[i]=p[j];//否则交换父节点和子节点 i=j; j=2*i+1; } p[i]=tmp; return; }//剔除节点后,重新排列成堆 void swap(int& a,int& b) { int tmp; tmp=a; a=b; b=tmp; } //在最小堆中删除数 void MinHeapDeleteNumber(int *p, int n) { swap(p[0], p[n-1]); MinHeapFixdown(a, 0, n - 1); }
堆化数组
由于叶子节点是不需要比较大小的,所以可以认为所有的叶子节点都是正确排列的,那么叶子节点之前的父节点,可以理解为一个个待排序的根节点,也就是一个“下沉”过程。由完全二叉树的性质,存在n0=[n/2]n_0=[n/2]个叶子节点,如果在c++里定义就是n0=n2+1n_0=\frac{n}{2}+1个叶子节点,也就是存在n/2n/2个父节点,那么我们需要从数组下标i=n2−1i=\frac{n}{2}-1处开始进行“下沉”过程:void MakeMinHeap(int p*, int n) { for (int i = n / 2 - 1; i >= 0; i--) MinHeapFixdown(p, i, n); }
堆排序
首先可以看到堆建好之后堆中第0个数据是堆中最小的数据。取出这个数据再执行堆的删除操作。这样堆中第0个数据又是堆中最小的数据,重复上述步骤直至堆中只有一个数据时就直接取出这个数据。void MinheapsortTodescendarray(int p*, int n) //n是总的节点数 { for (int i = n - 1; i >= 1; i--) { swap(a[i], p[0]); //将根节点删除 MinHeapFixdown(p, 0, i); } }
时间复杂度分析
由于每次重新恢复堆的时间复杂度为O(logN)O(logN),共N−1N - 1次重新恢复堆操作,再加上前面建立堆时N/2N / 2次向下调整,每次调整时间复杂度也为O(logN)O(logN)。二次操作时间相加还是O((3∗N2−1)∗logN)=O(NlogN)O((\frac{3*N}{2}-1)* logN)=O(NlogN)。故堆排序的时间复杂度为O(N∗logN)O(N * logN)。相关文章推荐
- 编程语言的语法和语义
- html - get the id of onclick(this), onfocus(this) or whatever(this)
- USACO Palindromic Squares 解题日志
- 写在前面
- Java反射机制的几点用法
- uva10020 - Minimal coverage(区间覆盖)
- 数据库逆向框架代码生成工具:MyBatis Generator的使用
- Linux内核及分析 第一周 计算机是如何工作的?
- Linux下搭建coreseek(sphinx+mmseg3)全文检索
- 21. Merge Two Sorted Lists
- UIView属性clipsTobounds的应用
- OA学习笔记-008-岗位管理Action层实现
- 使用JS实现RTMP协议直播(三)
- Toolbar使用方法
- HOJ-2056 Bookshelf(线性动态规划)
- ACM_模板_并查集
- HOJ-2056 Bookshelf(线性动态规划)
- 调查问卷
- Spiral Matrix II
- 3-9-模拟银行排队过程-栈和队列-第3章-《数据结构》课本源码-严蔚敏吴伟民版