二叉堆應(yīng)用一:堆排序

什么是堆?
大根堆和小根堆.jpg

如圖所示:當(dāng)父結(jié)點(diǎn)的值,都比其子結(jié)點(diǎn)的值小時(shí),就是小根堆,一個(gè)小根堆中,最小的值肯定在堆頂。

同理,當(dāng)父結(jié)點(diǎn)的值都比其子結(jié)點(diǎn)的值大時(shí),就是大根堆,一個(gè)大根堆中,最大的值肯定在堆頂。

堆排序
1.jpg

現(xiàn)在是一個(gè)大頂堆,那么最大值肯定在堆頂處,我們將堆頂?shù)脑嘏c最后一個(gè)元素交換。

步驟2.jpg

然后再將剩下的元素(排除交換的最后一個(gè)元素)重新調(diào)整為大根堆,過程如下:
10 與左兒子結(jié)點(diǎn)右兒子結(jié)點(diǎn)中最大值交換。

步驟3.jpg

此時(shí)有形成一個(gè)新的大根堆。我們?cè)谧龅谝徊阶?/p>

繪圖4.jpg

此時(shí),我們就將最大數(shù),和第二大數(shù)排好序(升序排列)。
將這個(gè)過程往復(fù)下去,最后我們就能夠?qū)⑺袛?shù)據(jù)排序完畢。

我們上面所作的所有步驟,都是假設(shè)序列一開始就是大根堆的情況下,但是并不是所有將要排序序列一開始就是是符合大根堆的。

所以,其中關(guān)鍵就是構(gòu)造大根堆。當(dāng)我們第一次把隨機(jī)的數(shù)組構(gòu)造成大根堆后,以后我們只需要每次交換后調(diào)整堆頂?shù)臄?shù)據(jù)使之再成為大根堆。往復(fù)下去。

思路:
  • precolate down(下溯算法):

給定一個(gè)結(jié)點(diǎn)n, 其左子結(jié)點(diǎn)2n+1,右子節(jié)點(diǎn):2n+2。然后與左右子結(jié)點(diǎn)中最大值childmax比較,如果大于childmax,則說明該結(jié)點(diǎn)及子樹已經(jīng)符合大根堆標(biāo)準(zhǔn)。
否則則與childmax交換,然后再把原childmax結(jié)點(diǎn)作為新的父結(jié)點(diǎn)和其左子結(jié)點(diǎn)和右子結(jié)點(diǎn)比較,作上述過程。最后一直下溯至葉子結(jié)點(diǎn)(葉子節(jié)點(diǎn)沒有左右子結(jié)點(diǎn))。這樣我們將結(jié)點(diǎn)n及其子樹調(diào)整為了大根堆。整個(gè)過程如上圖3。

但是步驟3排序思路的大前提是我們已經(jīng)將一個(gè)隨機(jī)的數(shù)組已經(jīng)有構(gòu)造成大根堆的情況下。所以我們之前還必須做將一個(gè)隨機(jī)數(shù)組構(gòu)造成一個(gè)大根堆。

  • 那怎么做將一個(gè)隨機(jī)數(shù)組構(gòu)造成一個(gè)大根堆?

有了步驟3 的思路,我們可以從最后一個(gè)非葉子結(jié)點(diǎn)開始,每一個(gè)按照步驟3調(diào)整,(這樣,每一個(gè)結(jié)點(diǎn)調(diào)整后都可以保證該結(jié)點(diǎn)及其子樹是副符合大根堆)。這樣至下而上,直到根節(jié)點(diǎn)。完成后我們將一個(gè)隨機(jī)數(shù)組調(diào)整為了大根堆。

代碼實(shí)現(xiàn)
//  precolate down 將[n, lastIndex]的值調(diào)整為大根堆。
void HeapAdjust(vector<int> &vec, int n, int lastIndex)
{
    int leftChild = n * 2 + 1;    // 左兒子結(jié)點(diǎn)
    int rightChild = n * 2 + 2;  // 右兒子結(jié)點(diǎn)
    int lastNotLeave = (lastIndex-1)/2; // 最后一個(gè)非葉子結(jié)點(diǎn)。

    /* 如果當(dāng)前結(jié)點(diǎn)不是葉子結(jié)點(diǎn), 則調(diào)整 */
    if (n <= lastNotLeave) 
    {
         /* 左右子節(jié)點(diǎn)較大值結(jié)點(diǎn)的索引 */
        int maxIndex;    
        if (rightChild <= lastIndex)    // 該父結(jié)點(diǎn)有左右2個(gè)子結(jié)點(diǎn)
            maxIndex = vec[leftChild] >= vec[rightChild] ? leftChild : rightChild;
        else
            maxIndex = leftChild;
        /* 與當(dāng)前結(jié)點(diǎn)值比較 */    
        if (vec[maxIndex] > vec[n]) 
        {
            swap(vec[maxIndex], vec[n]);
            /* 如果當(dāng)左右子較大的結(jié)點(diǎn)不是是葉子結(jié)點(diǎn), 則繼續(xù)下溯調(diào)整 */
            if (maxIndex <= lastNotLeave)
                HeapAdjust(vec, maxIndex, lastIndex);
        }
    }
}

/* 第一次將一個(gè)隨機(jī)數(shù)組調(diào)整為大根堆 */
void makeHeap(vector<int>& vec, int length)
{     
    /* 最后一個(gè)子樹的父節(jié)點(diǎn)是(length-2)/2,從它開始上溯調(diào)整 */
    for (int i = (length-2)/2; i >= 0; i--)
        HeapAdjust(vec, i, length-1);
}

void HeapSort(vector<int>& vec, int length)
{     
    makeHeap(vec, length);
    for (int i = length - 1; i > 0; i--) 
    {
        swap(vec[i], vec[0]);
        HeapAdjust(vec, 0, i-1);    // 交換值之后,只需要調(diào)整第一個(gè)結(jié)點(diǎn)
    }
}
性能
平均時(shí)間 最差 最佳 輔助空間 穩(wěn)定性
O(Nlog2N) O(Nlog2N) ONlog2N) O(1) 不穩(wěn)定
算法題
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,963評(píng)論 6 542
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 99,348評(píng)論 3 429
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,083評(píng)論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我,道長(zhǎng),這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,706評(píng)論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 72,442評(píng)論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 55,802評(píng)論 1 328
  • 那天,我揣著相機(jī)與錄音,去河邊找鬼。 笑死,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,795評(píng)論 3 446
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,983評(píng)論 0 290
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 49,542評(píng)論 1 335
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 41,287評(píng)論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 43,486評(píng)論 1 374
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,030評(píng)論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 44,710評(píng)論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,116評(píng)論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,412評(píng)論 1 294
  • 我被黑心中介騙來泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 52,224評(píng)論 3 398
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 48,462評(píng)論 2 378

推薦閱讀更多精彩內(nèi)容