堆排序详解(含对时间复杂度的分析)
(文章目录)
一、堆
1.概念
堆的物理结构(我们能看到的)是一个数组 堆的逻辑结构(我们想象出来的)是一个完全二叉树
2.特性
1.结构性：用数组表示完全二叉树 2.有序性: 任一结点的关键字是其子树所有结点的最大值(最小值) 而拥有最大值在顶叫做 大堆 拥有最小值在顶叫做 小堆
3. 父子结点
因为都是由数组表示的完全二叉树 而数组对应下标 左孩子下标 =父亲节点下标*2+1 右孩子下标 =父亲节点下标*2+2
二、向下调整算法
1.概念
向下调整算法 以小堆为例， 当满足左子树与右子树都是小堆时 从根节点开始 取左右孩子小的那个，与父亲比较，如果比父亲小就交换 然后往下调，以此时的child赋值给parent， 直到调到叶节点就结束
2. 实现
void justdown(int* a, int n, int root)//向下调整算法 ——建堆 小堆
{
int parent = root;
int child = parent * 2 + 1;//假设左右孩子小的是左孩子
while (child三 、堆排序的实现
1.建堆
以大堆为例 若发现左子树与右子树不是大堆，则不能直接使用向下调整算法 可以倒着从最后一颗子树开始调 ,使其变成左右子树都是大堆 但是由于叶节点调并由实际作用，所以从倒数第一个非叶子树开始调 ，而正好都是用数组下标表示的，每次减一，都会达到前一个数的位置。 元素个数为n，最后一个数的下标为n-1，0作为8的左子树，8就为(n-1-1)/2
2. 排序
以升序为例 正常来说，我们排升序都应该想到是用小堆， 但是会存在一个问题
建小堆，我们应该把最小数放在堆顶，这个数已经被选出来了，然后在剩下的数中在去选数，此时的树的结构已经乱了，必须重新建堆才能选出下一个数，建堆的时间复杂度是O(N) 这时的时间复杂度为O(N-1) N-2 N-3 N-4.... 最后建堆选序的时间复杂度为O(N^2) 对比其他排序这样都没有效率
所以我们采用大堆排升序 使用大堆可以不改变二叉树本身的结构 将 堆顶与最后一个数交换 ，这样最大的数就排到最后了 再将前n-1个数再次使用向下调整算法，找到次大的数 ，与倒数第二个数交换 直到有一个数时停止
3.代码实现
void justdown(int* a, int n, int root)//向下调整算法 ——建堆 大堆
{
int parent = root;
int child = parent * 2 + 1;//假设左右孩子大的是左孩子
while (child < n)//child作为下标小于元素个数就成立，否则数据不存在
{
if (a[child + 1] > a[child] && child + 1 < n)//作为完全二叉树存在，有可能只存在左子树，而不存在右子树
{
child++;//如果左孩子大于右孩子，设大的为右孩子
}
if (a[child] > a[parent])//孩子大于父亲,两者就交换
{
swap(&a[child], &a[parent]);
parent = child;
child = parent * 2 + 1;
}
else//孩子比父亲小 就结束循环 因为左右子树都是大堆
{
break;
}
}
}
void heapsort(int* a, int n)
{
int i = 0;
for (i = (n - 1 - 1) / 2; i >= 0; i--)//(n-1-1)/2是从叶节点的上一个父节点开始，
{
justdown(a, n, i);//因为实际是一个数组,所以每次减一都往前调一个下标位置
}
int end = n - 1;
while (end > 0)//多于一个值时就进行
{
swap(&a[0], &a[end]);//排升序用大堆
justdown(a, end, 0);
end--;
}
}
四、堆排序的时间复杂度
1.建堆的时间复杂度 O(N)
2.排序中运用向下调整算法 ,向下调整算法需要调整高度次h 2^h -1 =N h=log N 时间复杂度为O(logN) 不太懂高度计算的 二叉树的详细图解
堆排序的整体时间复杂度为 O(N*log N)
