Java 树结构实际应用一（堆排序2秒排完800w数据）

堆排序

1 堆排序基本介绍

1) 堆排序是利用堆这种数据结构而设计的一种排序算法，堆排序是一种选择排序，它的最坏，最好，平均时间复

杂度均为 O(nlogn)，它也是不稳定排序。

2) 堆是具有以下性质的完全二叉树：每个结点的值都大于或等于其左右孩子结点的值，称为大顶堆, 注意 : 没有

要求结点的左孩子的值和右孩子的值的大小关系。

3) 每个结点的值都小于或等于其左右孩子结点的值，称为小顶堆

4) 大顶堆举例说明

5) 小顶堆举例说明

6) 一般升序采用大顶堆，降序采用小顶堆

2 堆排序基本思想

堆排序的基本思想是：

1) 将待排序序列构造成一个大顶堆

2) 此时，整个序列的最大值就是堆顶的根节点。

3) 将其与末尾元素进行交换，此时末尾就为最大值。

4) 然后将剩余 n-1 个元素重新构造成一个堆，这样会得到 n 个元素的次小值。如此反复执行，便能得到一个有序

序列了。

可以看到在构建大顶堆的过程中，元素的个数逐渐减少，最后就得到一个有序序列了

3 堆排序步骤图解说明

要求：给你一个数组 {4,6,8,5,9} , 要求使用堆排序法，将数组升序排序。

步骤一构造初始堆。将给定无序序列构造成一个大顶堆（一般升序采用大顶堆，降序采用小顶堆)。

原始的数组 [4, 6, 8, 5, 9]

1) .假设给定无序序列结构如下

2) .此时我们从最后一个非叶子结点开始（叶结点自然不用调整，第一个非叶子结点arr.length/2-1=5/2-1=1，也就是下面的 6 结点），从左至右，从下至上进行调整

3) .找到第二个非叶节点 4，由于[4,9,8]中 9 元素最大，4 和 9 交换。

4) 这时，交换导致了子根[4,5,6]结构混乱，继续调整，[4,5,6]中 6 最大，交换 4 和 6。

此时，我们就将一个无序序列构造成了一个大顶堆。

步骤二将堆顶元素与末尾元素进行交换，使末尾元素最大。然后继续调整堆，再将堆顶元素与末尾元素交换，得到第二大元素。如此反复进行交换、重建、交换.

1) .将堆顶元素 9 和末尾元素 4 进行交换

2) .重新调整结构，使其继续满足堆定义

3) .再将堆顶元素 8 与末尾元素 5 进行交换，得到第二大元素 8

4) 后续过程，继续进行调整，交换，如此反复进行，最终使得整个序列有序

再简单总结下堆排序的基本思路：

1).将无序序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆;

2).将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端;

3).重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，反复执行调整+交换步骤，

直到整个序列有序。

4 堆排序代码实现

要求：给你一个数组 {4,6,8,5,9} , 要求使用堆排序法，将数组升序排序。

说明：

1) 堆排序的速度非常快，在我的机器上 8 百万数据 2 秒左右。O(nlogn)

2) 代码实现

package com.lin.tree_0308;

import java.text.SimpleDateFormat;
import java.util.Arrays;
import java.util.Date;

public class HeapSort {

    public static void main(String[] args) {
        
//        int[] arr = {4, 6, 8, 5, 9};
        // 随机生成
        int[] arr = new int[80000000];
        for(int i = 0; i < 80000000; i++) {
            arr[i] =(int)(Math.random()*8000000);
        }
        Date date1 = new Date();
        SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
        String format1 = simpleDateFormat.format(date1);
        System.out.println("排序前时间为：" + format1);
        
        heapSort(arr);
        
        Date date2 = new Date();
        String format2= simpleDateFormat.format(date2);
        System.out.println("排序后时间为：" + format2);
    }
    
    // heapSort
    public static void heapSort(int[] arr) {
        int temp = 0;
//        adjustHeap(arr, 1, arr.length);
//        System.out.println("第一次：" + Arrays.toString(arr));
//        
//        adjustHeap(arr, 0, arr.length);
//        System.out.println("第二次：" + Arrays.toString(arr));
        // 将无序序列建成一个堆，根据升序需求选择大顶堆或小顶堆
        for(int j = arr.length/2 -1; j >= 0; j--) {
            adjustHeap(arr, j, arr.length);
        }
        
        // 将堆顶元素与尾元素交换，将最大元素沉到数组尾端
        // 重新调整至堆，继续交换，反复操作直至整个序列有序
        for(int j = arr.length-1; j > 0; j--) {
            temp = arr[j];
            arr[j] = arr[0];
            arr[0] = temp;
            adjustHeap(arr, 0, j);
        }
        
    }
    
    // heap
    /**
     * 
     * @Description: 
     * @author LinZM  
     * @date 2021-3-11 10:14:16 
     * @version V1.8
     * @param arr 待调整数组
     * @param i 表示非叶子节点在数组中的索引
     * @param lenght 表示对多少个元素继续调整，逐渐变小
     */
    public static void adjustHeap(int[] arr, int i, int length) {
        // 先取出当前元素的值
        int temp = arr[i];
        // j = 2 * i + 1 j是i节点的左节点
        for(int j = i * 2 + 1; j < length; j = j * 2 + 1) {
            if(j+1 < length && arr[j] < arr[j+1]) {//右子节点大于左子节点
                j++;// j指向有子节点
            }
            if(arr[j] > temp) {// 子节点大于父节点
                arr[i] = arr[j];
                i = j;
            } else {
                break;
            }
        }
        arr[i] = temp;
    }
}