Algorithms - Heap Sorting - 堆排序算法
概念 堆(heap): 堆是一个数组, 它可以被看成一个近似的完全二叉树. 树的每一个结点对应数组中的一个元素. 树的根节点是 A[1] 堆包含2个属性 A.length 表示数组A中元素的个数, A.heap_size 表示数组A中存储的堆元素的个数. 也就是说: 虽然 A[1,.., length] 可能都存在数据, 但是只有 A[1,…, heap_size]中存放的属于堆属性的元素. 最大堆, 最小堆(max heap, min heap): 最大堆的性质是指除了根以外的所有节点 i 都要满足: A[parent(i)] >= A[i] 也就是说, 莫个节点的值至多与其父节点一样大. 最小堆正好相反: A[parent(i)] <= A[i] 在排序算法中, 使用的是最大堆。最小堆通常用于构造优先队列。
Python programming
1 , 各结点下标的维护(父节点 parent, 左子结点 left, 右子结点 right):
def parent(i): return i // 2 def left(i): return 2*i def right(i): return 2*i + 1
![](https://img2020.cnblogs.com/blog/977170/202005/977170-20200511133900901-1138424910.png)
2. 创建 max_heap(A, i) 函数. 它的输入为一个数组A 和一个下标 i. 在函数被调用之前, 假定前提是 left(i) 和 right(i) 都已经是最大堆. 也就是说调用一次 max_heap(A, i), 操作一个A[i]到正确的位置上( i, left(i) 和 right(i) ). 函数通过让 A[i] 值在最大堆中'逐级下降', 从而使得以A[i]为根结点的子树满足最大堆的性质. def max_heapify(A, i, heap_size): # 这里 heap_size 参数, 而并不是属性实现的. l = left(i) r = right(i) if l <= heap_size and A[l-1] > A[i-1]: largest = l else: largest = i if r <= heap_size and A[r-1] > A[largest-1]: largest = r if largest != i: A[i-1], A[largest-1] = A[largest-1], A[i-1] max_heapify(A, largest, heap_size) if __name__ == '__main__': A = [16,4,10,14,7,9,3,2,8,1] print('Before: ',A) max_heapify(A,2,10) print('After: ', A) 结果打印: Before: [16, 4, 10, 14, 7, 9, 3, 2, 8, 1] After: [16, 14, 10, 8, 7, 9, 3, 2, 4, 1]
![](https://img2020.cnblogs.com/blog/977170/202005/977170-20200511141828412-871895051.png)
3. 通过 build_max_heap(A) 处理 数组 A 满足最大堆属性. def build_max_heap(A): heap_size = len(A) for i in range(1, heap_size//2+1): # 这里遍历次 heap_size // 2, 因为在函数 max_heapify 已经处理了 heap_size // 2 个元素(通过递归调用的方式) max_heapify(A,heap_size//2 + 1 - i,heap_size) print('Factory: ', A) 结果打印: Before: [4, 1, 3, 2, 16, 9, 10, 14, 8, 7] Factory: [4, 1, 3, 2, 16, 9, 10, 14, 8, 7] Factory: [4, 1, 3, 14, 16, 9, 10, 2, 8, 7] Factory: [4, 1, 10, 14, 16, 9, 3, 2, 8, 7] Factory: [4, 16, 10, 14, 7, 9, 3, 2, 8, 1] Factory: [16, 14, 10, 8, 7, 9, 3, 2, 4, 1] After: [16, 14, 10, 8, 7, 9, 3, 2, 4, 1]
4. 创建 heapsort(A) 函数. 在步骤3中 build_max_heap(A) 将 A 创建成立了最大堆. 这个时候数组A中的最大元素是 A[1], 所以保持将最大堆 A 中的 A[1] 和 A[n]进行互换, 并重复这一互换过程 ( n = n - i, i = [1…, n-2] ), 即可完成了排序. 注意: 每一次互换之前要保证输入数组A的最大堆性质, 这一点可以通过调用 max_heap(A, 1)来保证. def heap_sort(A): build_max_heap(A) n = heap_size = len(A) for i in range (2, n+1): print('Step ', i - 1) A[0], A[n-i+1] = A[n-i+1], A[0] heap_size -= 1 max_heapify(A,1, heap_size) print(A) if __name__ == '__main__': A = [4,1,3,2,16,9,10,14,8,7] print('Before: ', A) heap_sort(A) print('After: ', A) 结果打印: Before: [16, 14, 10, 8, 7, 9, 3, 2, 4, 1] Step 1 [14, 8, 10, 4, 7, 9, 3, 2, 1, 16] Step 2 [10, 8, 9, 4, 7, 1, 3, 2, 14, 16] Step 3 [9, 8, 3, 4, 7, 1, 2, 10, 14, 16] Step 4 [8, 7, 3, 4, 2, 1, 9, 10, 14, 16] Step 5 [7, 4, 3, 1, 2, 8, 9, 10, 14, 16] Step 6 [4, 2, 3, 1, 7, 8, 9, 10, 14, 16] Step 7 [3, 2, 1, 4, 7, 8, 9, 10, 14, 16] Step 8 [2, 1, 3, 4, 7, 8, 9, 10, 14, 16] Step 9 [1, 2, 3, 4, 7, 8, 9, 10, 14, 16] After: [1, 2, 3, 4, 7, 8, 9, 10, 14, 16]
Reference,
Introduction to algorithms