[算法导论]第六章《堆排序》
2013-12-22 16:30
274 查看
本章开始介绍了堆的基本概念,然后引入最大堆和最小堆的概念。全章采用最大堆来介绍堆的操作,两个重要的操作是调整最大堆和创建最大堆,接着着两个操作引进了堆排序,最后介绍了采用堆实现优先级队列。
表示堆的数组A包括两个属性: A.length是数组中的元素个数,A.heap-size是存放在中的堆的元素个数。通常给定节点i,可以根据其在数组中的位置求出该节点的父亲节点、左右孩子节点。输的根节点是A[1],对于一个给定结点的下标i,所有可到:
根据节点数值满足的条件,可以将分为最大堆和最小堆。最大堆的特性是:除了根节点以外的每个节点i,有A[PARENT(i)] >= A[i],最小堆的特性是:除了根节点以外的每个节点i,有A[PARENT(i)] >=A[i]。
把堆看成一个棵树,有如下的特性:
(1)含有n个元素的堆的高度是lgn。
(2)当用数组表示存储了n个元素的堆时,叶子节点的下标是n/2+1,n/2+2,……,n。
(3)在最大堆中,最大元素该子树的根上;在最小堆中,最小元素在该子树的根上。
从图中可以看出,在节点i=2时,不满足最大堆的要求,需要进行调整,选择节点2的左右孩子中最大一个进行交换,然后检查交换后的节点i=4是否满足最大堆的要求,从图看出不满足,接着进行调整,直到没有交换为止。书中给出了递归形式的伪代码:
书中给出了创建堆的为代码
(1)创建最大堆,数组第一个元素最大,执行后结果下图:
(2)进行循环,从length(a)到2,并不断的调整最大堆,给出一个简单过程如下:
书中给出了对排序为代码
堆排序算法时间复杂度:调整堆过程满足递归式T(n)<=T(2n/3)+θ(1),有master定义可以知道T(n) = O(lgn),堆排序过程中执行一个循环,调用最大堆调整函数,总的时间复杂度为O(nlgn)。
一.堆
(二叉)堆数据结构是一种数组对象,它可以被视为一棵完全二叉树。除了最底层外,该树是完全充满的,而且是从左到右填充的。树中每个节点与数组中的存放该节点值的那个元素对应。堆与完全二叉树的对应关系如下图所示:表示堆的数组A包括两个属性: A.length是数组中的元素个数,A.heap-size是存放在中的堆的元素个数。通常给定节点i,可以根据其在数组中的位置求出该节点的父亲节点、左右孩子节点。输的根节点是A[1],对于一个给定结点的下标i,所有可到:
根据节点数值满足的条件,可以将分为最大堆和最小堆。最大堆的特性是:除了根节点以外的每个节点i,有A[PARENT(i)] >= A[i],最小堆的特性是:除了根节点以外的每个节点i,有A[PARENT(i)] >=A[i]。
把堆看成一个棵树,有如下的特性:
(1)含有n个元素的堆的高度是lgn。
(2)当用数组表示存储了n个元素的堆时,叶子节点的下标是n/2+1,n/2+2,……,n。
(3)在最大堆中,最大元素该子树的根上;在最小堆中,最小元素在该子树的根上。
二.维护堆的性质
堆的关键操作过程是如何维持堆的特有性质,给定一个节点i,要保证以i为根的子树满足堆性质。书中以最大堆作为例子进行讲解,并给出了递归形式的保持最大堆性的操作过程MAX-HEAPIFY。先从看一个例子,操作过程如下图所示:从图中可以看出,在节点i=2时,不满足最大堆的要求,需要进行调整,选择节点2的左右孩子中最大一个进行交换,然后检查交换后的节点i=4是否满足最大堆的要求,从图看出不满足,接着进行调整,直到没有交换为止。书中给出了递归形式的伪代码:
MAX-HEAPIFY(A,i) 1 l = LEFT(i) 2 r = RIGHT(i) 3 if l<=A.heap-size and A[l] > A[i] 4 largest = l 5 else largest = i 6 if r <= A.heap-size and A[r] > A[largest] 7 largest = r 8 if largest != i 9 exchange A[i] with A[largest] 10 MAX-HEAPIFY(A, largest)
三.建堆
建立最大堆的过程是自底向上地调用最大堆调整程序将一个数组A[1.....N]变成一个最大堆。将数组视为一颗完全二叉树,从其最后一个非叶子节点(n/2)开始调整。调整过程如下图所示:书中给出了创建堆的为代码
BUILD-MAX-HEAP(A) 1 A.heap-size = A.length 2 for i = A.length/2 downto 1 3 MAX-HEAPIFY(A, i)
四.堆排序算法
堆排序算法过程为:先调用创建堆函数将输入数组A[1...n]造成一个最大堆,使得最大的值存放在数组第一个位置A[1],然后用数组最后一个位置元素与第一个位置进行交换,并将堆的大小减少1,并调用最大堆调整函数从第一个位置调整最大堆。给出堆数组A={4,1,3,16,9,10,14,8,7}进行堆排序简单的过程如下:(1)创建最大堆,数组第一个元素最大,执行后结果下图:
(2)进行循环,从length(a)到2,并不断的调整最大堆,给出一个简单过程如下:
书中给出了对排序为代码
HEAPSORT(A) 1 BUILD-MAX-HEAP(A) 2 for i = A.length downto 2 3 exchange A[1] with A[i] 4 A.heap-size = A.heap-size-1 5 MAX-HEAPIFY(A, 1)
五.代码的C++实现
结合上面的调整堆和创建堆 的过程,写个简单测试程序连续堆排序,程序如下所示:/* *Created by RogerKing *Email:jin_tengfei@163.com */ #include <iostream> #include <stdlib.h> using namespace std; int heap_size,i; int PARENT(int i) { return i/2; }//查找堆中节点父母 int LEFT(int i) { return 2*i+1; }//查找堆中节点左孩子(因为程序下标是从0开始的) int RIGHT(int i) { return 2*i+2; }//查找堆中节点右孩子 void Max_Heapify(int A[],int i,int n) { int l=LEFT(i); int r=RIGHT(i); int largest; heap_size=n; if( l<heap_size&&A[l]>A[i] ) largest=l; else largest=i; if( r<heap_size&&A[r]>A[largest] ) largest=r; if( largest!=i ) { int tmp=A[largest]; A[largest]=A[i]; A[i]=tmp; Max_Heapify(A,largest,heap_size); } } void Bulid_Max_Heap(int A[],int n) { heap_size=n; for( i=heap_size/2+1; i>=0; --i) Max_Heapify(A,i,heap_size); } void HeapSort(int A[],int n) { heap_size=n; Bulid_Max_Heap(A,heap_size); int tmp; for( i=heap_size-1 ; i>=1 ; --i ) { tmp=A[0]; A[0]=A[i]; A[i]=tmp; Max_Heapify(A,0,--heap_size); } } void display(int A[],int n) { for( i=0; i<n ; i++) cout<<A[i]<<" "; cout<<endl; } int main(int argc, char *argv[]) { int A[100]; int n; while (cin >> n) { for (int i = 0; i < n; i++) cin >> A[i]; HeapSort (A, n); display (A, n); } return 0; }
堆排序算法时间复杂度:调整堆过程满足递归式T(n)<=T(2n/3)+θ(1),有master定义可以知道T(n) = O(lgn),堆排序过程中执行一个循环,调用最大堆调整函数,总的时间复杂度为O(nlgn)。
相关文章推荐
- 【算法导论】第六章之堆排序
- 【算法导论】第六章 再谈 堆排序和最大优先级队列
- 算法导论 第六章 堆排序
- 堆排序(算法导论第六章)
- 算法导论第六章堆排序(一)
- 堆排序详细分析(算法导论第六章)
- 算法导论第六章 堆排序
- 【算法导论实验3】堆结构与堆排序
- 【算法导论】堆排序
- 堆排序(算法导论)
- 算法导论 第六章 思考题6-3 Young氏矩阵
- 算法导论学习笔记 第6章 堆排序
- 算法导论 堆排序 C语言实现
- 算法导论——第六章——中位数和顺序统计学
- 堆排序(算法导论)
- 算法学习导论学习笔记-第6章 堆排序
- 【算法导论 第6章 堆排序】
- 算法导论之插入排序,选择排序,归并排序,冒泡排序,希尔排序,堆排序,快速排序的c语言实现
- 堆实现优先级队列(算法导论第六章)
- 算法导论6.4-4 所有元素均不相同时,最好情况下,堆排序复杂度为Ω(nlgn)