美文网首页排序算法我爱编程
排序算法(五):堆排序

排序算法(五):堆排序

作者: zhipingChen | 来源:发表于2018-08-20 13:31 被阅读10次

    二叉搜索树平衡二叉树的介绍中,可以发现二叉树这种结构具有一个很好的特性,当有序的二叉树构造完成之后,更改树中节点后,只需要 O(log_2N) 的时间复杂度即可将二叉树重新调整为有序状态。若构造出一种具有特殊节点顺序的二叉树,使得每次对二叉树执行插入或删除节点操作后,都调整保持二叉树根节点的值为树中节点的极值,则 N 个元素的集合,构造出这种二叉树后,只需要对树执行 N-1 次的取根节点操作,即可获得一个有序序列。整个取节点加调整操作的时间复杂度为 O(Nlog_2N),若构造这种二叉树的时间复杂度不高于 O(Nlog_2N),则采用构造这种二叉树的方式来完成排序的时间复杂度为 O(Nlog_2N)

    堆定义

    上面提到的利用具有特殊节点顺序的二叉树完成排序的方式,就是堆排序。这里所说的节点顺序是指:树中每个节点的值都不小于(不大于)它的子节点值。堆描述的是一颗完全二叉树,在对数组进行排序的过程中,并不是真的构建一个二叉树结构,只是将数组中元素下标映射到完全二叉树,利用元素下标来表示父节点和子节点关系。

    list type tree type

    通过以上两张图可知,堆中父子节点的下标关系为:

    • 下标为 i 的节点,其左子节点下标为 2*i+1
    • 下标为 i 的节点,其右子节点下标为 2*i+2
    • 下标为 i 的节点,其父节点下标为 \lfloor {\frac {i-1} 2} \rfloor(i\ge1)

    算法过程

    以递增排序为例,集合初始为待排序集合,已排序集合为空

    1. 构造最大堆,即调整待排序集合,使得元素映射出的完全二叉树,满足每个节点元素值都不小于其子节点值
    2. 替换待排序集合中第一个元素和最后一个元素值,即在待排序集合映射出的完全二叉树上,将根节点值和树中最下面一层、最右边的节点值进行替换
    3. 调整堆结构使其满足节点大小顺序,标记待排序集合最后一个元素为已排序
    4. 重复步骤2, 3,直到待排序集合只有一个元素

    演示示例

    调整为最大堆结构

    要保证每个节点的值不小于其左右子节点的值,只需要从后往前遍历集合中每个具有子节点的节点,使得其节点值不小于左右子节点的值即可(递归与子节点进行比较)。已知下标为 i 的节点,其父节点下标为 \lfloor {\frac {i-1} 2} \rfloor(i\ge1),所以具有 N 个元素的集合,起始遍历节点的下标为 \lfloor { {\frac {N} 2} -1} \rfloor(i\ge1)

    起始待调整元素下标为 4,即值为 2 的节点

    1 次调整后,下一个待调整元素下标为 3,即值为 0 的节点

    2 次调整后,下一个待调整元素下标为 2,即值为 4 的节点

    3 次调整后,下一个待调整元素下标为 1,即值为 3 的节点。这里注意,节点 3 与子节点 9 比较并交换后,需要递归与子节点进行比较,直到值不小于子节点值

    step_1 step_2

    4 次调整后,下一个待调整元素下标为 0,即值为 5 的节点。同样涉及递归操作

    5 次调整后,当前结构即为最大堆

    调整代码
    def transformToHeap(arr, index, end):
        targetIndex, leftChildIndex, rightChildIndex = index, 2 * index + 1, 2 * index + 2
        if leftChildIndex < end and arr[leftChildIndex] > arr[targetIndex]:
            targetIndex = leftChildIndex
        if rightChildIndex < end and arr[rightChildIndex] > arr[targetIndex]:
            targetIndex = rightChildIndex
        if not targetIndex == index:
            arr[index], arr[targetIndex] = arr[targetIndex], arr[index]
            transformToHeap(arr, targetIndex, end)
    

    代码中声明 targetIndex 用于指向根节点、左右子节点中的最大节点,若需要替换节点值,则递归调整替换后的根节点和其左右子节点。end 变量用于标志待排序集合的边界。

    迭代获取堆顶元素

    重复将待排序集合首元素和尾元素进行替换,标记替换后的尾元素为已排序,并调整堆结构使其重新成为最大堆。

    起始待替换根节点为 9,第 1 次替换并调整后结构后(调整过程上面已列出)
    待排序集合:[8, 7, 4, 6, 5, 1, 2, 3, 0]
    已排序集合:[9]

    下一个待替换根节点为 8,第 2 次替换并调整后结构后
    待排序集合:[7, 6, 4, 3, 5, 1, 2, 0]
    已排序集合:[8, 9]


    ...
    ...
    ...

    下一个待替换根节点为 0,第 9 次替换并调整后结构后
    待排序集合:[0]
    已排序集合:[1, 2, 3, 4, 5, 6, 7, 8, 9]

    观察以上过程可知,每次排序后待排序集合元素数减一。N 个元素的序列,经过 N-1 次排序后,待排序集合元素数为一,即完成排序。

    迭代操作代码
    def heapSort(arr):
        index = len(arr) // 2 - 1
        while index >= 0:
            transformToHeap(arr, index, len(arr))  # transform arr to heap arr
            index = index - 1
        num = 1
        while num < len(arr):
            arr[0], arr[-num] = arr[-num], arr[0]
            transformToHeap(arr, 0, len(arr) - num)  # transform arr to heap arr
            num = num + 1
    

    代码中第一个循环为构造最大堆,第一个循环为替换待排序集合首尾元素,并调整最大堆。

    算法分析

    堆排序是一种不稳定排序算法,对于 N 个元素的序列,构造堆过程,需要遍历的元素次数为 O(N),每个元素的调整次数为 O(log_2N),所以构造堆复杂度为 O(Nlog_2N)。迭代替换待排序集合首尾元素的次数为 O(N),每次替换后调整次数为 O(log_2N),所以迭代操作的复杂度为 O(Nlog_2N)。由此可知堆排序的时间复杂度为 O(Nlog_2N),排序过程属于原地排序,不需要额外的存储空间,所以空间复杂度为 O(1)

    相关文章

      网友评论

        本文标题:排序算法(五):堆排序

        本文链接:https://www.haomeiwen.com/subject/mxyhiftx.html