整理排序算法(五):堆排序

堆排序详解与性能分析
    /**
     * 堆排序(大顶堆)
     * 将记录看成一个顺序存储的二叉树
     * 先构建大顶堆,所有节点都比他的儿子大或者等于。
     * 第一步:从最后一个非叶子节点开始比较,一直到根。
     *        构建大顶堆成功。
     * 第二步:根与最后的叶子节点交换位置
     * 第三步:除去刚才的叶子节点,再次构建大顶堆,
     *        这个时候构建大顶堆只要从上往下层级遍历就好。
     *
     * 算法性能:
     * 堆排序,他的运行时间主要实在堆的构建和重建堆的反复筛选上
     * 在构建堆的时候:我们从完全二叉树的最后一个非叶子节点开始构建
     * 将他与他的孩子节点进行比较,交换。对于每一个非叶子节点来说。
     * 最多就是两次比较和一次交换。所以初始化堆的时间复杂度是O(n)
     * 正式排序的时候:第i次取堆顶记录和重建堆需要O(logi)的时间。
     * (完全二叉树每个节点到根的距离为log2i+1);并且需要去除n-1
     * 次堆顶记录。因此重建堆的时间复杂度为O(nlogn)。
     * 所以总的来说,堆排序的时间复杂度为O(nlogn)
     * @param arr
     */
    public static void duiSort(int[] arr) {
        //        构建大顶堆
        //        从最后一个非叶子节点的根节点开始比较
        int len = arr.length;
        //        从最后一个叶子节点的根节点开始比较,根始终是最大的
        //        因为数组从0开始计数,所以最后一个叶子节点的根节点要减一(arr.length / 2 - 1)
        //        从下往上,每一次找出最大的放到根节点,变成最大堆
        for (int i = (arr.length / 2 - 1); i >= 0; i--) {
            //            根节点与叶子节点比较,
            compareWithLeaf(arr, len, i);
        }

        //        调整堆结构,交换堆顶元素和末尾元素的值,数组结构,所以减一,到了根就不用比较了。所以i>0就行
        for (int i = (len - 1); i > 0; i--) {
            int swap = arr[0];
            arr[0] = arr[i];
            arr[i] = swap;
            //            去掉堆末尾元素,继续调整
            compareWithLeaf(arr, i, 0);
        }
    }

    public static void compareWithLeaf(int[] arr, int len, int root) {
        int k = root; // 记录根节点下标
        int temp = arr[root]; // 记录根节点值
        int index = 2 * k + 1; // 记录左叶子节点下标,因为数组从0开始计数,所以最后要加一
        while (index < len) { // 在数组长度内
            if (index + 1 < len) { // 有右叶子节点
                if (arr[index] < arr[index + 1]) { // 如果右叶子节点大于左叶子节点的值
                    index = index + 1; // 保存右叶子节点的下标
                }
            }
            if (temp < arr[index]) { // 根节点的值小于叶子节点的值
                arr[k] = arr[index]; // 把叶子节点的值放在根上
                k = index; // 交换位子的叶子结点当做根
                index = 2 * k + 1; // 交换位子的叶子结点的左叶子节点
            } else { // 不需要操作,已经满足状态
                break;
            }
            arr[k] = temp; // 找到最终根节点的位置
        }
    }

 

排序方法

平均情况

最好情况

最坏情况

辅助空间

稳定性

冒泡排序

N2

n

N2

1

稳定

选择排序

N2

N2

N2

1

不稳定

插入排序

N2

n

N2

1

稳定

希尔排序

N*logn~n2

N1.3

N2

1

不稳定

堆排序

N*logn

N*logn

N2

1

不稳定

归并排序

N*logn

N*logn

N*logn

N

稳定

快速排序

N*logn

N*logn

N2

1

不稳定

 

内容概要:本文介绍了一个基于Google Earth Engine(GEE)平台的JavaScript函数库,主要用于时间序列数据的优化与子采样处理。核心函数包括de_optim,采用差分进化算法对时间序列模型进行参数优化,支持自定义目标函数、变量边界及多种变异策略,并可返回最优参数或收敛过程的“陡度图”(scree image);sub_sample函数则用于按时间密度对影像集合进行三种方式的子采样(批量、分段打乱、跳跃式),以减少数据量同时保留时序特征;配套函数ts_image_to_coll可将子采样后的数组图像还原为标准影像集合,apply_model可用于将优化所得模型应用于原始时间序列生成预测结果。整个工具链适用于遥感时间序列建模前的数据预处理与参数调优。; 适合人群:具备Earth Engine基础开发经验、熟悉JavaScript语法并从事遥感数据分析、生态建模等相关领域的科研人员或技术人员;有时间序列建模需求且希望自动化参数优化流程的用户。; 使用场景及目标:①在有限观测条件下优化非线性时间序列拟合模型(如物候模型)的参数;②压缩大规模时间序列数据集以提升计算效率;③实现模型验证与交叉验证所需的时间序列子集抽样;④构建端到端的遥感时间序列分析流水线。; 阅读建议:此资源为功能性代码模块,建议结合具体应用场景在GEE平台上实际调试运行,重点关注各函数的输入格式要求(如band命名、image属性设置)和异常处理机制,确保输入数据符合规范以避免运行错误。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值