堆排序优化与几个排序算法时间复杂度

我们通常所说的堆是指二叉堆，二叉堆又称完全二叉树或者叫近似完全二叉树。二叉堆又分为最大堆和最小堆。

堆排序(Heapsort)是指利用堆这种数据结构所设计的一种排序算法，它是选择排序的一种。可以利用数组的特点快速定位指定索引的元素。数组可以根据索引直接获取元素，时间复杂度为O（1），也就是常量，因此对于取值效率极高。

这里以最大堆为例：

最大堆的特性如下：

父结点的键值总是大于或者等于任何一个子节点的键值

每个结点的左子树和右子树都是一个最大堆

最大堆的算法思想是：

先将初始的R[0…n-1]建立成最大堆，此时是无序堆，而堆顶是最大元素

再将堆顶R[0]和无序区的最后一个记录R[n-1]交换，由此得到新的无序区R[0…n-2]和有序区R[n-1]，且满足R[0…n-2].keys ≤ R[n-1].key

由于交换后，前R[0…n-2]可能不满足最大堆的性质，因此再调整前R[0…n-2]为最大堆，直到只有R[0]最后一个元素才调整完成。

最大堆排序完成后，其实是升序序列，每次调整堆都是要得到最大的一个元素，然后与当前堆的最后一个元素交换，因此最后所得到的序列是升序序列。

构建堆：

 1 #ifndef INC_06_HEAP_SORT_HEAP_H
 2 #define INC_06_HEAP_SORT_HEAP_H
 3 #include <algorithm>
 4 #include <cassert>
 5 using namespace std;
 6 template<typename Item>
 7 class MaxHeap{
 8 private:
 9     Item *data;
10     int count;
11     int capacity;
12 
13     void shiftUp(int k){
14         while( k > 1 && data[k/2] < data[k] ){
15             swap( data[k/2], data[k] );
16             k /= 2;
17         }
18     }
19 
20     void shiftDown(int k){
21         while( 2*k <= count ){
22             int j = 2*k;
23             if( j+1 <= count && data[j+1] > data[j] ) j ++;
24             if( data[k] >= data[j] ) break;
25             swap( data[k] , data[j] );
26             k = j;
27         }
28     }
29 
30 public:
31 
32     // 构造函数, 构造一个空堆, 可容纳capacity个元素
33     MaxHeap(int capacity){
34         data = new Item[capacity+1];
35         count = 0;
36         this->capacity = capacity;
37     }
38     // 构造函数, 通过一个给定数组创建一个最大堆
39     // 该构造堆的过程, 时间复杂度为O(n)
40     MaxHeap(Item arr[], int n){
41         data = new Item[n+1];
42         capacity = n;
43         for( int i = 0 ; i < n ; i ++ )
44             data[i+1] = arr[i];
45         count = n;
46 
47         for( int i = count/2 ; i >= 1 ; i -- )
48             shiftDown(i);
49     }
50     ~MaxHeap(){
51         delete[] data;
52     }
53 
54     // 返回堆中的元素个数
55     int size(){
56         return count;
57     }
58 
59     // 返回一个布尔值, 表示堆中是否为空
60     bool isEmpty(){
61         return count == 0;
62     }
63 
64     // 像最大堆中插入一个新的元素 item
65     void insert(Item item){
66         assert( count + 1 <= capacity );
67         data[count+1] = item;
68         shiftUp(count+1);
69         count ++;
70     }
71 
72     // 从最大堆中取出堆顶元素, 即堆中所存储的最大数据
73     Item extractMax(){
74         assert( count > 0 );
75         Item ret = data[1];
76         swap( data[1] , data[count] );
77         count --;
78         shiftDown(1);
79         return ret;
80     }
81 
82     // 获取最大堆中的堆顶元素
83     Item getMax(){
84         assert( count > 0 );
85         return data[1];
86     }
87 };
88 
89 #endif

简单堆排序：

 1 #ifndef INC_06_HEAP_SORT_HEAPSORT_H
 2 #define INC_06_HEAP_SORT_HEAPSORT_H
 3 #include "Heap.h"
 4 using namespace std;
 5 // heapSort1, 将所有的元素依次添加到堆中, 在将所有元素从堆中依次取出来, 即完成了排序
 6 // 无论是创建堆的过程, 还是从堆中依次取出元素的过程, 时间复杂度均为O(nlogn)
 7 // 整个堆排序的整体时间复杂度为O(nlogn)
 8 template<typename T>
 9 void heapSort1(T arr[], int n){
10 
11     MaxHeap<T> maxheap = MaxHeap<T>(n);
12     for( int i = 0 ; i < n ; i ++ )
13         maxheap.insert(arr[i]);
14 
15     for( int i = n-1 ; i >= 0 ; i-- )
16         arr[i] = maxheap.extractMax();
17 }
18 // heapSort2, 借助我们的heapify过程创建堆
19 // 此时, 创建堆的过程时间复杂度为O(n), 将所有元素依次从堆中取出来, 实践复杂度为O(nlogn)
20 // 堆排序的总体时间复杂度依然是O(nlogn), 但是比上述heapSort1性能更优, 因为创建堆的性能更优
21 template<typename T>
22 void heapSort2(T arr[], int n){
23 
24     MaxHeap<T> maxheap = MaxHeap<T>(arr,n);
25     for( int i = n-1 ; i >= 0 ; i-- )
26         arr[i] = maxheap.extractMax();
27 }
28 #endif

插入排序：

 1 #ifndef INC_06_HEAP_SORT_INSERTIONSORT_H
 2 #define INC_06_HEAP_SORT_INSERTIONSORT_H
 3 #include <iostream>
 4 #include <algorithm>
 5 using namespace std;
 6 template<typename T>
 7 void insertionSort(T arr[], int n){
 8 
 9     for( int i = 1 ; i < n ; i ++ ) {
10 
11         T e = arr[i];
12         int j;
13         for (j = i; j > 0 && arr[j-1] > e; j--)
14             arr[j] = arr[j-1];
15         arr[j] = e;
16     }
17 
18     return;
19 }
20 
21 // 对arr[l...r]范围的数组进行插入排序
22 template<typename T>
23 void insertionSort(T arr[], int l, int r){
24 
25     for( int i = l+1 ; i <= r ; i ++ ) {
26 
27         T e = arr[i];
28         int j;
29         for (j = i; j > l && arr[j-1] > e; j--)
30             arr[j] = arr[j-1];
31         arr[j] = e;
32     }
33 
34     return;
35 }
36 
37 #endif

归并排序：

 1 #ifndef INC_06_HEAP_SORT_MERGESORT_H
 2 #define INC_06_HEAP_SORT_MERGESORT_H
 3 
 4 #include <iostream>
 5 #include <algorithm>
 6 #include "InsertionSort.h"
 7 
 8 using namespace std;
 9 
10 
11 // 将arr[l...mid]和arr[mid+1...r]两部分进行归并
12 // 其中aux为完成merge过程所需要的辅助空间
13 template<typename  T>
14 void __merge(T arr[], T aux[], int l, int mid, int r){
15 
16     // 由于aux的大小和arr一样, 所以我们也不需要处理aux索引的偏移量
17     // 进一步节省了计算量:)
18     for( int i = l ; i <= r; i ++ )
19         aux[i] = arr[i];
20 
21     // 初始化，i指向左半部分的起始索引位置l；j指向右半部分起始索引位置mid+1
22     int i = l, j = mid+1;
23     for( int k = l ; k <= r; k ++ ){
24 
25         if( i > mid ){  // 如果左半部分元素已经全部处理完毕
26             arr[k] = aux[j]; j ++;
27         }
28         else if( j > r ){  // 如果右半部分元素已经全部处理完毕
29             arr[k] = aux[i]; i ++;
30         }
31         else if( aux[i] < aux[j] ) {  // 左半部分所指元素 < 右半部分所指元素
32             arr[k] = aux[i]; i ++;
33         }
34         else{  // 左半部分所指元素 >= 右半部分所指元素
35             arr[k] = aux[j]; j ++;
36         }
37     }
38 
39 }
40 
41 // 使用优化的归并排序算法, 对arr[l...r]的范围进行排序
42 // 其中aux为完成merge过程所需要的辅助空间
43 template<typename T>
44 void __mergeSort(T arr[], T aux[], int l, int r){
45 
46     // 对于小规模数组, 使用插入排序
47     if( r - l <= 15 ){
48         insertionSort(arr, l, r);
49         return;
50     }
51 
52     int mid = (l+r)/2;
53     __mergeSort(arr, aux, l, mid);
54     __mergeSort(arr, aux, mid+1, r);
55 
56     // 对于arr[mid] <= arr[mid+1]的情况,不进行merge
57     // 对于近乎有序的数组非常有效,但是对于一般情况,有一定的性能损失
58     if( arr[mid] > arr[mid+1] )
59         __merge(arr, aux, l, mid, r);
60 }
61 
62 
63 template<typename T>
64 void mergeSort(T arr[], int n){
65 
66     // 在 mergeSort中, 我们一次性申请aux空间,
67     // 并将这个辅助空间以参数形式传递给完成归并排序的各个子函数
68     T *aux = new T[n];
69 
70     __mergeSort( arr , aux, 0 , n-1 );
71 
72     delete[] aux;   // 使用C++, new出来的空间不要忘记释放掉:)
73 }
74 
75 #endif

单路快排：

 1 #ifndef INC_06_HEAP_SORT_QUICKSORT_H
 2 #define INC_06_HEAP_SORT_QUICKSORT_H
 3 
 4 #include <iostream>
 5 #include <ctime>
 6 #include <algorithm>
 7 #include "InsertionSort.h"
 8 using namespace std;
 9 // 对arr[l...r]部分进行partition操作
10 // 返回p, 使得arr[l...p-1] < arr[p] ; arr[p+1...r] > arr[p]
11 template <typename T>
12 int _partition(T arr[], int l, int r){
13 
14     // 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot
15     swap( arr[l] , arr[rand()%(r-l+1)+l] );
16 
17     T v = arr[l];
18     int j = l;
19     for( int i = l + 1 ; i <= r ; i ++ )
20         if( arr[i] < v ){
21             j ++;
22             swap( arr[j] , arr[i] );
23         }
24 
25     swap( arr[l] , arr[j]);
26 
27     return j;
28 }
29 
30 // 对arr[l...r]部分进行快速排序
31 template <typename T>
32 void _quickSort(T arr[], int l, int r){
33 
34     // 对于小规模数组, 使用插入排序进行优化
35     if( r - l <= 15 ){
36         insertionSort(arr,l,r);
37         return;
38     }
39 
40     int p = _partition(arr, l, r);
41     _quickSort(arr, l, p-1 );
42     _quickSort(arr, p+1, r);
43 }
44 
45 template <typename T>
46 void quickSort(T arr[], int n){
47 
48     srand(time(NULL));
49     _quickSort(arr, 0, n-1);
50 }
51 
52 #endif

双路快排：

 1 #ifndef INC_06_HEAP_SORT_QUICKSORT2WAYS_H
 2 #define INC_06_HEAP_SORT_QUICKSORT2WAYS_H
 3 
 4 #include <iostream>
 5 #include <algorithm>
 6 #include "InsertionSort.h"
 7 
 8 using namespace std;
 9 
10 // 双路快速排序的partition
11 // 返回p, 使得arr[l...p-1] < arr[p] ; arr[p+1...r] > arr[p]
12 template <typename T>
13 int _partition2(T arr[], int l, int r){
14 
15     // 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot
16     swap( arr[l] , arr[rand()%(r-l+1)+l] );
17     T v = arr[l];
18 
19     // arr[l+1...i) <= v; arr(j...r] >= v
20     int i = l+1, j = r;
21     while( true ){
22         // 注意这里的边界, arr[i] < v, 不能是arr[i] <= v
23         
24         while( i <= r && arr[i] < v )
25             i ++;
26 
27         // 注意这里的边界, arr[j] > v, 不能是arr[j] >= v
28         
29         while( j >= l+1 && arr[j] > v )
30             j --;
31 
32   
34 
35         if( i > j )
36             break;
37 
38         swap( arr[i] , arr[j] );
39         i ++;
40         j --;
41     }
42 
43     swap( arr[l] , arr[j]);
44 
45     return j;
46 }
47 
48 // 对arr[l...r]部分进行快速排序
49 template <typename T>
50 void _quickSort2Ways(T arr[], int l, int r){
51 
52     // 对于小规模数组, 使用插入排序进行优化
53     if( r - l <= 15 ){
54         insertionSort(arr,l,r);
55         return;
56     }
57 
58     // 调用双路快速排序的partition
59     int p = _partition2(arr, l, r);
60     _quickSort2Ways(arr, l, p-1 );
61     _quickSort2Ways(arr, p+1, r);
62 }
63 
64 template <typename T>
65 void quickSort2Ways(T arr[], int n){
66 
67     srand(time(NULL));
68     _quickSort2Ways(arr, 0, n-1);
69 }
70 
71 #endif

三路快排：

 1 #ifndef INC_06_HEAP_SORT_QUICKSORT3WAYS_H
 2 #define INC_06_HEAP_SORT_QUICKSORT3WAYS_H
 3 
 4 #include <iostream>
 5 #include <algorithm>
 6 #include "InsertionSort.h"
 7 
 8 using namespace std;
 9 
10 // 递归的三路快速排序算法
11 template <typename T>
12 void __quickSort3Ways(T arr[], int l, int r){
13 
14     // 对于小规模数组, 使用插入排序进行优化
15     if( r - l <= 15 ){
16         insertionSort(arr,l,r);
17         return;
18     }
19 
20     // 随机在arr[l...r]的范围中, 选择一个数值作为标定点pivot
21     swap( arr[l], arr[rand()%(r-l+1)+l ] );
22 
23     T v = arr[l];
24 
25     int lt = l;     // arr[l+1...lt] < v
26     int gt = r + 1; // arr[gt...r] > v
27     int i = l+1;    // arr[lt+1...i) == v
28     while( i < gt ){
29         if( arr[i] < v ){
30             swap( arr[i], arr[lt+1]);
31             i ++;
32             lt ++;
33         }
34         else if( arr[i] > v ){
35             swap( arr[i], arr[gt-1]);
36             gt --;
37         }
38         else{ // arr[i] == v
39             i ++;
40         }
41     }
42 
43     swap( arr[l] , arr[lt] );
44 
45     __quickSort3Ways(arr, l, lt-1);
46     __quickSort3Ways(arr, gt, r);
47 }
48 
49 template <typename T>
50 void quickSort3Ways(T arr[], int n){
51 
52     srand(time(NULL));
53     __quickSort3Ways( arr, 0, n-1);
54 }
55 
56 #endif

测试用例：

 1 #ifndef INC_06_HEAP_SORT_SORTTESTHELPER_H
 2 #define INC_06_HEAP_SORT_SORTTESTHELPER_H
 3 #include <iostream>
 4 #include <algorithm>
 5 #include <string>
 6 #include <ctime>
 7 #include <cassert>
 8 #include <string>
 9 using namespace std;
10 namespace SortTestHelper {
11     // 生成有n个元素的随机数组,每个元素的随机范围为[rangeL, rangeR]
12     int *generateRandomArray(int n, int range_l, int range_r) {
13         int *arr = new int[n];
14         srand(time(NULL));
15         for (int i = 0; i < n; i++)
16             arr[i] = rand() % (range_r - range_l + 1) + range_l;
17         return arr;
18     }
19     // 生成一个近乎有序的数组
20     // 首先生成一个含有[0...n-1]的完全有序数组, 之后随机交换swapTimes对数据
21     // swapTimes定义了数组的无序程度
22     int *generateNearlyOrderedArray(int n, int swapTimes){
23         int *arr = new int[n];
24         for(int i = 0 ; i < n ; i ++ )
25             arr[i] = i;
26 
27         srand(time(NULL));
28         for( int i = 0 ; i < swapTimes ; i ++ ){
29             int posx = rand()%n;
30             int posy = rand()%n;
31             swap( arr[posx] , arr[posy] );
32         }
33 
34         return arr;
35     }
36 
37     // 拷贝整型数组a中的所有元素到一个新的数组, 并返回新的数组
38     int *copyIntArray(int a[], int n){
39 
40         int *arr = new int[n];
41         //* 在VS中, copy函数被认为是不安全的, 请大家手动写一遍for循环:)
42         copy(a, a+n, arr);
43         return arr;
44     }
45 
46     // 打印arr数组的所有内容
47     template<typename T>
48     void printArray(T arr[], int n) {
49 
50         for (int i = 0; i < n; i++)
51             cout << arr[i] << " ";
52         cout << endl;
53 
54         return;
55     }
56 
57     // 判断arr数组是否有序
58     template<typename T>
59     bool isSorted(T arr[], int n) {
60 
61         for (int i = 0; i < n - 1; i++)
62             if (arr[i] > arr[i + 1])
63                 return false;
64 
65         return true;
66     }
67 
68     // 测试sort排序算法排序arr数组所得到结果的正确性和算法运行时间
69     // 将算法的运行时间打印在控制台上
70     template<typename T>
71     void testSort(const string &sortName, void (*sort)(T[], int), T arr[], int n) {
72 
73         clock_t startTime = clock();
74         sort(arr, n);
75         clock_t endTime = clock();
76         cout << sortName << " : " << double(endTime - startTime) / CLOCKS_PER_SEC << " s"<<endl;
77 
78         assert(isSorted(arr, n));
79 
80         return;
81     }
82 
83     // 测试sort排序算法排序arr数组所得到结果的正确性和算法运行时间
84     // 将算法的运行时间以double类型返回, 单位为秒(s)
85     template<typename T>
86     double testSort(void (*sort)(T[], int), T arr[], int n) {
87 
88         clock_t startTime = clock();
89         sort(arr, n);
90         clock_t endTime = clock();
91 
92         assert(isSorted(arr, n));
93 
94         return double(endTime - startTime) / CLOCKS_PER_SEC;
95     }
96 
97 };
98 
99 #endif

测试结果：

	平均时间复杂度	是否是原地排序	需要额外空间	稳定排序
插入排序	O(n^2)	是	O(1)	是
归并排序	O(nlogn)	否	O(n)	是
快速排序	O(nlogn)	是	O(logn)	否
堆排序	O(nlogn)	是	O(1)	否

稳定性解释：排序后的元素相同元素的顺序依然是排序之前的顺序。

堆排序的最坏时间复杂度为O(N*logN)，其平均性能较接近于最坏性能。由于初始建堆所需比较的次数较多，所以堆排序不适合记录数较少的文件，其空间复杂度是O(1)，它是一种不稳定的排序算法.

posted @ 2018-12-08 23:19 Tom-shushu 阅读(2396) 评论(0) 编辑收藏举报

刷新页面返回顶部

慢时光~

慢时光~

堆排序优化与几个排序算法时间复杂度

公告