内部排序之堆排序
2018-03-15 20:37
267 查看
在学习堆排序之前,我们先来了解一下堆。本篇用到的堆为二叉堆,是一种特殊完全二叉树。堆的定义如下:一个含有n条记录的序列,当且仅当满足以下关系时,称为堆。
1)堆的每一个父节点都大于(或小于)其子节点;
2)堆的每个左子树和右子树也是一个堆。
堆的分类:
1)最大堆(大顶堆):堆的每个父节点都大于其孩子节点;
2)最小堆(小顶堆):堆的每个父节点都小于其孩子节点;
根据堆的定义可知,二叉堆中所有非终结点的值均不小于或者不大于其左右孩子的值。若根结点关键字是堆中所有结点关键字结点的最大者,称为大顶堆,或者称为最大堆。小顶堆的定义与其类似。
下面给出堆排序的代码实现:
下面分析该算法的时间复杂度。堆排序算法包含构建堆的算法和堆排序的算法两部分,其主体为两个for循环,这两个for循环都用到了调用算法。调整算法的主体是一个for循环,调整的时间复杂度与结点的深度有关。是一个log2n的操作,时间复杂度为O(log2n)。构建堆的算法从(n-1)/2处开始,一直处理到第一个位置为止,过程中的操作时间相当于每个被操作的结点的深度之和,即O(h1)+O(h2)+…,结果为O(n)。堆排序的算法是利用前面两个步骤完成的,其中构建堆的步骤被调用了一次,调用堆的算法被调用了n-1次,所以堆排序的时间复杂度为O(nlog2n)。
1)堆的每一个父节点都大于(或小于)其子节点;
2)堆的每个左子树和右子树也是一个堆。
堆的分类:
1)最大堆(大顶堆):堆的每个父节点都大于其孩子节点;
2)最小堆(小顶堆):堆的每个父节点都小于其孩子节点;
根据堆的定义可知,二叉堆中所有非终结点的值均不小于或者不大于其左右孩子的值。若根结点关键字是堆中所有结点关键字结点的最大者,称为大顶堆,或者称为最大堆。小顶堆的定义与其类似。
下面给出堆排序的代码实现:
void HeapAdjust(int* arr,int n) { int nChild; int tmp; for(;2*i+1<n;i=nChild) { nChild=2*i+1; if(nChild<n-1&&arr[nChile+1]>arr[nChild]) ++nChild; if(arr[i]<arr[nChild]) { tmp=arr[i]; arr[i]=arr[nChild]; arr[nChild]=tmp; } else break; } } void HeapSort(int* arr,int n) { int i=0; for(i=(n-1)/2;i>=0;i--) { HeapAdjust(arr,i,n); for(i=n-1;i>0;i--) { arr[i]=arr[0]^arr[i]; arr[0]=arr[0]^arr[i]; arr[i]=arr[0]^arr[i]; HeapAdjust(arr,0,i); } }
下面分析该算法的时间复杂度。堆排序算法包含构建堆的算法和堆排序的算法两部分,其主体为两个for循环,这两个for循环都用到了调用算法。调整算法的主体是一个for循环,调整的时间复杂度与结点的深度有关。是一个log2n的操作,时间复杂度为O(log2n)。构建堆的算法从(n-1)/2处开始,一直处理到第一个位置为止,过程中的操作时间相当于每个被操作的结点的深度之和,即O(h1)+O(h2)+…,结果为O(n)。堆排序的算法是利用前面两个步骤完成的,其中构建堆的步骤被调用了一次,调用堆的算法被调用了n-1次,所以堆排序的时间复杂度为O(nlog2n)。
相关文章推荐
- 内部排序之堆排序
- 【数据结构与算法】内部排序之三:堆排序(含完整源码)
- 内部排序-堆排序
- 内部排序之堆排序
- 内部排序之选择排序(直接选择排序,堆排序)
- 【数据结构与算法】内部排序之三:堆排序(含完整源码)
- 【数据结构与算法】内部排序之三:堆排序(含完整源码)
- 内部排序之三:堆排序
- 内部排序之直接选择排序、堆排序
- 【数据结构与算法】内部排序之三:堆排序(含完整源码)
- 内部选择排序---堆排序
- 内部排序之三:堆排序(含完整源码)
- 【数据结构与算法】内部排序之三:堆排序(含完整源码)
- 内部排序之三:堆排序
- 内部排序算法之堆排序
- 内部排序之堆排序
- 第十八篇:内部排序之三:堆排序(含完整源码)
- 经典内部排序: 堆排序,快排,归并排序
- 内部排序之堆排序的实现详解
- 内部排序---快速排序、堆排序