1 堆排序拥有插入排序的优点 (是一种原地排序算法只需要存储常数个元素在输入数组以外 即省空间),
同时拥有合并排序算法的复杂度 nlgn,逼格有点高
2 堆数据结构 是一个数组对象,可以被视为一颗完全二叉树,树中的每个结点的值 与 数组中存放的值 对应(看图)
完全二叉树,树中每一层都是满的,除最后一层,即叶子结点只可能存在于(假如深度为n) 最后一层n和n-1 层,且最后一层严格按照最左边的子树开始填)
a 左边为一颗完全二叉树,右边为一个数组
b 圆圈中的数字表示树中每个结点存储的值
c 结点上方的数字 表示对应的数组下标
d 数组上下连线表示父子关系,且父结点总在子结点的左边
f 当前树的高度为3 ,存储值为8的 4号结点的高度为 1 (注:此处高度 从底层最下面开始计算)
3 二叉堆有两种 最大堆 和 最小堆
最大堆特性:某个结点的值 至多跟父节点一样大 即子节点的值 <= 父节点的值
最小堆特性:与上述相反 父节点的值 <= 即子节点的值
4 一颗完全二叉树有n个结点 (n个元素),则有 [(n/2 + 1) .. n] 中的元素都是树中的叶子 (此书练习6.1-7)
//保持最大堆性质 参数inode为内部结点 注意结点从1开始,数组从0开始
void MaxHeapify(int array[], int size, int inode)
{
int largest= inode; //父结点
int left = inode*; //左子结点
int right = inode*+; //右子结点 if (left <= size && array[left-] > array[largest-])
{
largest = left;
}
if (right <= size && array[right-] > array[largest-])
{
largest = right;
} if (largest != inode) //父结点小于 左子结点 或者 右子结点
{
int temp = array[inode-]; //子结点值与父结点值交换
array[inode-] = array[largest-];
array[largest-] = temp; MaxHeapify(array, size, largest); //再次验证被交换的值的子结点是否满足 最大堆性质
}
}
//建立最大堆 使每一个父结点大于子结点 并且根结点为最大值
void BuildMaxHeap(int array[],int size)
{
for(int i=size/; i>; --i) //最多有 size/2 个内部结点
{
MaxHeapify(array, size, i);
}
}
//堆排序
void HeapSort(int array[], int size)
{
BuildMaxHeap(array, size); //建立最大堆 最大值为根结点
int temp = ;
int heapSize = size;
for (int i=size; i>; --i)
{
temp=array[]; //交换 根结点的值 与 最后面末尾的结点的值
array[]=array[i-]; //此时违背了最大堆的性质
array[i-] = temp; --heapSize; //保持最大堆的性质之前 先去掉已排好序的元素,即减小堆的大小
MaxHeapify(array, heapSize, );
}
};
void main()
{
_CrtSetDbgFlag(_CRTDBG_ALLOC_MEM_DF | _CRTDBG_LEAK_CHECK_DF); int Array[] = {, , , , , , , , , }; HeapSort(Array, ); for (int i=; i<; ++i)
{
cout << Array[i] << endl;
} system("pause");
}
(转载请注明作者和出处^_* Seven++ http://www.cnblogs.com/sevenPP/ )