堆排序算法 总结
近期面试,老是被问到堆排序算法。
回答时老是感觉思路不清楚,如今总结一下,把思路弄清楚的。
1.堆排序是利用堆的特性对记录序列进行排序的一种排序方法。
好的那么堆得特性是什么呢?
堆得定义:
好的那么堆得特性是什么呢?
堆得定义:
堆是满足下列性质的数列{r1, r2, …,rn}:
例如以下图最開始是一个小顶堆。当把97和13 交换后不是堆了,所以我们要调整根节点使之成为堆即筛选。(注意:是自堆顶到叶子的筛选过程,应该刚開始是堆因为把堆顶给换了,罪魁祸首是堆顶,其他小范围还是堆,所以是从堆顶開始)。
这当中还要注意一点。97 与13 交换后应该跟27 比較为什么呢?
1.由于是小顶堆,所以在97 的子节点里选择小者。假设把38放上去。38成了27的父节点比27大就不是小顶堆了。假设换成大顶堆就要比較把大的数据放上去。
所以程序里交换时要先要比較一下。
程序例如以下:
//堆调整算法 void HeapAdjust (HeapType &H, int s, int m) { // 已知 H.r[s..m]中记录的keyword除 H.r[s] 之外 //均满足堆的特征,本函数自上而下调整 H.r[s] //的keyword,使 H.r[s..m] 也成为一个大顶堆 rc = H.r[s]; // 暂存 H.r[s] for ( j=2*s; j<=m; j*=2 ) { // j 初值指向左孩子 自上而下的筛选过程; } // 自上而下的筛选过程 if ( j<m && H.r[j].key>H.r[j+1].key ) ++j; // 左/右“子树根”之间先进行相互比較 // 令 j 指示keyword较小记录的位置 if ( rc.key <= H.r[j].key ) break; // 再作“根”和“子树根”之间的比較, // 若“>=”成立,则说明已找到 rc 的插 // 入位置 s ,不须要继续往下调整 H.r[s] = H.r[j]; s = j; // 否则记录上移,尚需继续往下调整 H.r[s] = rc; // 将调整前的堆顶记录插入到 s (注意插入的位置为s j=2*s) } // HeapAdjust
2)建堆是一个从下往上进行“筛选”的过程 (首先要把底部的建成小堆,前面调整是由于仅仅有堆顶,其他都已经是堆了。当我建堆到堆顶是也是从堆顶往下筛选)(所以说建堆大范围是从下往上筛选,在加入该结点时,还得从该节点往下筛选确保加入该节点后还是堆)。
例如以下图建堆过程: 从97 開始->65->38 ->49这是从下往上(大范围从下往上)。第二个图到65时又 65与13 调整了(从上往下调整)。当到49时也是49<-> 13 <-> 27所以也是从上之下调整(为了确保增加该结点后还是堆)。
程序例如以下:
堆排序算法例如以下:
note: 堆排序算法曾经看过几遍老是忘,问得时候思路不太清楚。仅仅要把关键几个点弄清楚,把思路搞清楚了以后就不怕了。
例如以下图建堆过程: 从97 開始->65->38 ->49这是从下往上(大范围从下往上)。第二个图到65时又 65与13 调整了(从上往下调整)。当到49时也是49<-> 13 <-> 27所以也是从上之下调整(为了确保增加该结点后还是堆)。
程序例如以下:
堆排序算法例如以下:
void HeapSort ( HeapType &H ) { // 对顺序表 H 进行堆排序 for ( i=H.length/2; i>0; --i ) HeapAdjust ( H.r, i, H.length ); // 建小顶堆 for ( i=H.length; i>1; --i ) { H.r[1]←→H.r[i]; // 将堆顶记录和当前未经排序子序列 // H.r[1..i]中最后一个记录相互交换 HeapAdjust(H.r, 1, i-1); // 对 H.r[1] 进行筛选 } } // HeapSort
note: 堆排序算法曾经看过几遍老是忘,问得时候思路不太清楚。仅仅要把关键几个点弄清楚,把思路搞清楚了以后就不怕了。