首页 > 编程语言 >深入了解堆排序算法

深入了解堆排序算法

时间:2023-09-15 21:35:04浏览次数:36  
标签:arr int 堆排序 heapify 算法 深入 largest 排序

堆排序(Heap Sort)是一种高效的、基于堆数据结构的排序算法,它具有稳定性和可预测的性能,适用于各种数据规模。本文将详细介绍堆排序的工作原理,提供示例和Python、Go、Java以及C语言的实现代码。

堆排序的基本思想

堆排序的核心思想是通过构建一个二叉堆,将待排序的数组转换为一个堆,然后反复从堆中取出最大(或最小)的元素,并将其放入已排序的部分。具体步骤如下:

  1. 构建堆: 将待排序的数组视为一个完全二叉树,并将其调整为一个堆,通常是一个最大堆(每个节点的值大于或等于其子节点的值)或最小堆(每个节点的值小于或等于其子节点的值)。
  2. 取出根节点: 从堆中取出根节点元素,它是堆中的最大(或最小)元素。
  3. 重建堆: 删除根节点后,将堆重新调整为合法的堆结构。
  4. 重复操作: 重复步骤2和步骤3,直到堆中的元素为空。已经取出的元素会构成已排序部分。
  5. 返回结果: 最终得到一个完全有序的数组。

堆排序的关键在于构建堆和维护堆的性质,以确保每次取出的元素都是堆中的最大(或最小)元素。这一过程使得堆排序的时间复杂度保持在O(n*log(n)),并且在实际应用中表现出色。

堆排序的示例

让我们通过一个示例来理解堆排序的工作原理。假设我们有一个整数数组 [5, 2, 9, 3, 4],我们希望按升序排序它。

  1. 构建堆: 首先将数组 [5, 2, 9, 3, 4] 转换为一个最大堆。最大堆的性质是父节点的值大于或等于其子节点的值。
原始数组: [5, 2, 9, 3, 4]
最大堆:   [9, 4, 5, 3, 2]
  1. 取出根节点: 取出堆的根节点元素,即 9,并将其放入已排序的部分。
  2. 重建堆: 删除根节点后,重新调整堆结构,确保其满足最大堆的性质。
剩余堆:   [5, 4, 2, 3]
  1. 重复操作: 重复步骤2和步骤3,直到堆中的元素为空。已经取出的元素会构成已排序部分。这个过程得到了一个升序排列的已排序数组 [2, 3, 4, 5, 9]

堆排序的时间复杂度

堆排序的时间复杂度保持在O(n*log(n)),其中n是数组的长度。这使得它在处理大型数据集时具有出色的性能。堆排序不需要额外的存储空间,因此具有O(1)的空间复杂度。

堆排序的稳定性取决于堆的性质。如果使用最大堆来进行排序,相同元素的相对顺序可能会发生变化,因此它通常是不稳定的排序算法。

示例代码

以下是堆排序的示例代码,分别使用Python、Go、Java和C语言编写。

Python 堆排序

def heapify(arr, n, i):
    largest = i
    left = 2 * i + 1
    right = 2 * i + 2

    if left < n and arr[left] > arr[largest]:
        largest = left

    if right < n and arr[right] > arr[largest]:
        largest = right

    if largest != i:
        arr[i], arr[largest] = arr[largest], arr[i]
        heapify(arr, n, largest)

def heap_sort(arr):
    n = len(arr)

    # 构建最大堆
    for i in range(n // 2 - 1, -1, -1):
        heapify(arr, n, i)

    # 逐个取出堆中的元素并排序
    for i in range(n - 1, 0, -1):
        arr[i], arr[0] = arr[0], arr[i]
        heapify(arr, i, 0)

arr = [5, 2, 9, 3, 4]
heap_sort(arr)
print("排序后的数组:", arr)

Go 堆排序

package main

import "fmt"

func heapify(arr []int, n int, i int) {
    largest := i
    left := 2*i + 1
    right := 2*i + 2

    if left < n && arr[left] > arr[largest] {
        largest = left
    }

    if right < n && arr[right] > arr[largest] {
        largest = right
    }

    if largest != i {
        arr[i], arr[largest] = arr[largest], arr[i]
        heapify(arr, n, largest)
    }
}

func heapSort(arr []int) {
    n := len(arr)

    // 构建最大堆
    for i := n/2 - 1; i >= 0; i-- {
        heapify(arr, n, i)
    }

    // 逐个取出堆中的元素并排序
    for i := n - 1; i > 0; i-- {
        arr[i], arr[0] = arr[0], arr[i]
        heapify(arr, i, 0)
    }
}

func main() {
    arr := []int{5, 2, 9, 3, 4}
    heapSort(arr)
    fmt.Println("排序后的数组:", arr)
}

Java 堆排序

import java.util.Arrays;

public class HeapSort {
    public static void heapify(int[] arr, int n, int i) {
        int largest = i;
        int left = 2 * i + 1;
        int right = 2 * i + 2;

        if (left < n && arr[left] > arr[largest]) {
            largest = left;
        }

        if (right < n && arr[right] > arr[largest]) {
            largest = right;
        }

        if (largest != i) {
            int swap = arr[i];
            arr[i] = arr[largest];
            arr[largest] = swap;

            heapify(arr, n, largest);
        }
    }

    public static void heapSort(int[] arr) {
        int n = arr.length;

        // 构建最大堆
        for (int i = n / 2 - 1; i >= 0; i--) {
            heapify(arr, n, i);
        }

        // 逐个取出堆中的元素并排序
        for (int i = n - 1; i > 0; i--) {
            int temp = arr[0];
            arr[0] = arr[i];
            arr[i] = temp;

            heapify(arr, i, 0);
        }
    }

    public static void main(String[] args) {
        int[] arr = {5, 2, 9, 3, 4};
        heapSort(arr);
        System.out.print("排序后的数组: ");
        System.out.println(Arrays.toString(arr));
    }
}

C 语言 堆排序

#include <stdio.h>

void heapify(int arr[], int n, int i) {
    int largest = i;
    int left = 2 * i + 1;
    int right = 2 * i + 2;

    if (left < n && arr[left] > arr[largest]) {
        largest = left;
    }

    if (right < n && arr[right] > arr[largest]) {
        largest = right;
    }

    if (largest != i) {
        int temp = arr[i];
        arr[i] = arr[largest];
        arr[largest] = temp;

        heapify(arr, n, largest);
    }
}

void heapSort(int arr[], int n) {
    // 构建最大堆
    for (int i = n / 2 - 1; i >= 0; i--) {
        heapify(arr, n, i);
    }

    // 逐个取出堆中的元素并排序
    for (int i = n - 1; i > 0; i--) {
        int temp = arr[0];
        arr[0] = arr[i];
        arr[i] = temp;

        heapify(arr, i, 0);
    }
}

int main() {
    int arr[] = {5, 2, 9, 3, 4};
    int n = sizeof(arr) / sizeof(arr[0]);
    heapSort(arr, n);
    printf("排序后的数组: ");
    for (int i = 0; i < n; i++) {
        printf("%d ", arr[i]);
    }
    return 0;
}

以上示例代码展示了不同编程语言中的堆排序算法实现。这些示例帮助你理解堆排序的工作原理,并提供了可供参考和使用的代码示例。堆排序是一种高效且稳定的排序算法,适用于各种应用场景,特别适合对大型数据集进行排序。


标签:arr,int,堆排序,heapify,算法,深入,largest,排序
From: https://blog.51cto.com/u_16170163/7486978

相关文章

  • 代码随想录算法训练营第10天| 232.用栈实现队列 ● 225. 用队列实现栈
    栈和队列232.用栈实现队列stack:queue:卡哥代码一个入栈,一个出栈,即可模拟队列的pop操作pop之前要检查出栈是否为空若为空,则排出入栈里所有的元素至出栈中classMyQueue{public:stack<int>stackIn;stack<int>stackOut;MyQueue(){......
  • 【算法进阶课】动态规划笔记
    基环树DP一些基本概念:在一棵树上加一条边,就会构成一个环,环上会挂着一些子树。基环树是只有一个环的仙人掌。如果基环树的边是有向边,环上的点是p1,p2,p3,...则环上的边是p1->p2,p2->p3,...,pn->p1或者全部反过来总之就是环上的边要么全部逆时针要么全部顺时针。对于......
  • 3 - 任务调度算法 & 同步与互斥 &队列
    之前的都是按照优先级不同允许抢占(不讲道理),不管你在做什么,轮到优先级最高的任务,直接抢占执行怎样才能讲道理呢?稍微等等嘛,等我做完活你再做 1支持抢占,0不支持抢占 同优先级任务是否交替执行,1交替0不交 空闲任务是否礼让其他任务礼让的话,自己的函数逻辑在时间片内只执行......
  • 【代码随想录算法训练营第二天】977.有序数组的平方、209.长度最小的子数组 、59.螺旋
    Day2-数组2023.9.15Leetcode977有序数组的平方给你一个按非递减顺序排序的整数数组nums,返回每个数字的平方组成的新数组,要求也按非递减顺序排序。初解我还是不能想到暴力解法之外的,对某个问题的最优复杂度也没有概念。就算提示我是用指针,我也想不到思路。现在我知......
  • 浅析安防监控/AI视频智能分析算法:河道水位超标算法应用
    传统的水位水尺刻度尺位监测中,所采用的人工读数方式,效率较为低下且人工成本较高,不利于作业流程的数字化。尽管感应器检测会自动对水位的模拟输入进行筛选,但是由于成本、使用场景要求高、后续日常维护复杂等多种因素,在一些场景下没法合理应用。TSINGSEE青犀智能分析AI算法中台——......
  • 深入理解Spring MVC框架及其工作原理
    SpringMVC是一种基于Java的Web应用程序开发框架,它提供了一种模型-视图-控制器(MVC)的架构模式,用于构建灵活、可扩展且高效的Web应用程序。本文将深入探讨SpringMVC框架的各个组件和工作原理。介绍SpringMVCSpringMVC是SpringFramework的一个模块,用于开发Web应用程序。它基于经......
  • 安防监控/视频云存储/视频AI智能分析:人形检测算法应用汇总
    随着人工智能的飞速发展,TSINGSEE青犀智能AI算法功能也日渐丰富,除了常见的人脸、工服、安全帽检测以外,人形检测算法的应用也十分广泛,主要可以应用在以下场景:1、安防监控系统人形检测算法可以应用于监控摄像头中,实时检测和跟踪人体目标。当有可疑人员进入监控区域时,系统可以自动发出......
  • 深入剖析模板引擎:理解原理、应用场景和常见类型
    模板引擎是一种广泛应用于Web开发的工具,能够将动态数据与静态模板进行结合,生成最终的页面内容。本篇博客将详细介绍模板引擎的原理、常见应用场景以及多种类型的模板引擎。引言模板引擎是现代Web开发中不可或缺的一部分,它的作用是将静态的模板文件与动态的数据进行结合,生成最终呈......
  • 浅析安防监控系统/AI视频智能分析算法:河道水文水位超标算法应用
    传统的水位水尺刻度尺位监测中,所采用的人工读数方式,效率较为低下且人工成本较高,不利于作业流程的数字化。尽管感应器检测会自动对水位的模拟输入进行筛选,但是由于成本、使用场景要求高、后续日常维护复杂等多种因素,在一些场景下没法合理应用。TSINGSEE青犀智能分析AI算法中台......
  • Lnton羚通机器视觉算法平台煤矿皮带运输AI智能监控算法
    Lnton羚通的算法算力云平台是一款卓越的解决方案,具备出众的特点。它提供高性能、高可靠性、高可扩展性和低成本的优势,使用户能够高效地执行复杂计算任务。此外,该平台还提供广泛的算法库和工具,并支持用户上传和部署自定义算法,以增强平台的灵活性和个性化能力。煤矿皮带运输智能监控......