堆排序之-大顶堆

【软考】数据结构 - 堆结构(小顶堆、大顶堆和二叉堆) 大顶堆(Max Heap)是一种特殊的堆结构大顶堆堆的每个节点的值都大于或等于其子节点的值大顶堆通常用于实现优先队列,其中堆顶元素是最优先的元素。大顶堆是一种大于等于父节点的二叉堆,即每个节点的值都不小于其父节点的值。大顶堆的性质为堆顶元素不小于其子节点,即堆顶的值不小于其子节点的值。小顶堆(Min Heap)也是一种特殊的堆结构小顶堆的每个节点的值都小于或等于其子节点的值小顶堆通常用于实现优先队列,其中堆顶元素是最不优先的元素。 阅读详情

一、堆排序的概念

堆的定义:

设有n个元素的序列k_{1},k_{2},k_{3},...,k_{n},当且仅当满足下述关系之一时,称之为堆。

(1)k_{i}\leqslant k_{2i} 且 k_{i}\leqslant k_{2i+1}  或者是

(2)k_{i} \geq k_{2i} 且 k_{i} \geqslant k_{2i+1}

解释:如果让满足以上条件的元素序列(k_{1},k_{2},k_{3},...,k_{n})依次顺序排成一颗完全二叉树,则此树的特点是:树中所有结点的值均大于(或小于)其左右孩子,此树的根结点(即堆顶)必最大(或最小)。

二、怎样建堆(如何调整堆)

建堆的步骤:

从最后一个非终端结点开始往前逐步调整,让每个双亲大于(或小于)子女,直到根节点为止。

注意:终端结点(即叶子)没有任何子女,无需单独调整。

建堆的具体做法:

(1)将原始序列转换成完全二叉树。

(2)从序号最大的非叶子节点开始遍历,左右孩子中有比它大的,交换该节点和叶子的位置。

(3)父节点和较大的孩子节点交换后,新的父节点是稳定的,但是新的孩子节点可能不满足大顶堆规则,而另一边的孩子不会受影响。

(4)继续对新孩子进行调整判断,直至新孩子满足规则,或者没有新孩子为止。

建堆的一些性质:

(1)根据堆的性质,可以直接通过数组索引映射堆中父子节点的关系。

(2)需要排序的数组对应堆的层序遍历。

(3)堆满足一些公式:

左孩子 = arr[2i+1]

右孩子 = arr[2i+2]

大顶堆:arr[i]>=arr[2i+1] && arr[i]>=arr[2i+2]

小顶堆:arr[i]<=arr[2i+1] && arr[i]<=arr[2i+2]

最后一个非叶子节点下标 = length/2-1

第一个叶子节点下标 = length/2

最后一个叶子节点 = length - 1

(4)堆调整是从最后一个非叶子节点(下标时length / 2 - 1)开始。

(5)从小到大排序,调整为大顶堆。

三、怎样进行堆排序

关键:确定当前堆顶节点为最值后,如何将剩余序列重新调整为堆?

方法:将当前堆顶节点与堆尾记录交换,然后仿建堆动作重新调整,如此反复直到排序结束。

基于初始堆进行堆排序的算法步骤:

(1)堆的第一个对象arr[0]具有最大的关键码,将arr[0]与arr[length - 1]交换,把具有最大关键码的对象交换到最后。

(2)再对前面的(length - 1) 个对象,使用堆的调整算法,重新建立堆。结果具有次最大关键码的对象又上浮到堆顶,即arr[0]位置。再交换arr[0]和arr[length - 2]。

(3)调用建堆的调整算法对前面(length - 2)个对象重新调整。如此反复,知道得到全部排序好的对象序列。

堆排序的算法分析:

(1)时间效率:O(nlog_{2}n)

(2)空间效率:O(1)

(3)稳定性:不稳定

(4)特点:对小文件效果不明显,但对大文件有效。

四、利用大顶堆进行排序的Java代码

public class GetLeastNumbers {

	public static void main(String[] args) {
		// TODO Auto-generated method stub
		int[] arr = {79, 66, 43, 83, 30, 87, 38, 55};
		HeapSort(arr);
		for (int i : arr) {
			System.out.println(i);
		}
	}
	
	 public static void HeapSort(int[] a) {
	        // 初始建堆
	        for (int i=a.length/2-1; i>=0; i--) {     //从最后一个非叶子节点开始,从左向右,从下往上,调整成大顶堆
	        	HeapAdjust(a, i, a.length);
	        }
	        // 交换元素后,调整堆
	        for (int i=a.length-1; i>0; i--) {
	            swapReferences(a, 0, i);       // 调整堆顶元素与末尾元素
	            HeapAdjust(a, 0, i);               // 重新调整(堆顶),堆的范围是length - 1, 最后一个元素已经从堆中排除
	        }
	    }
	 
	 /**
	  * 在数组中交换两个元素
	  * @param a 数组
	  * @param index1 下标1
	  * @param index2 下标2
	  */
	 public static void swapReferences(int[] a, int index1, int index2) {
		 int tmp = a[index1];
		 a[index1] = a[index2];
		 a[index2] = tmp;
	 }
	 
   /**
     * 调整堆的思路:从序号最大的非叶子节点开始便利,左右孩子中有比它大的,交换该节点和叶子的位置
     * 父节点和较大的孩子节点交换后,新的父节点是稳定的,但是新的孩子节点可能不满足大顶堆规则,而另一边的孩子不会受影响,
     * 所以要继续对新孩子进行调整判断,直至新孩子满足规则,或者没有新孩子为止
     */
    public static void HeapAdjust(int[] a, int i, int n) {
        int child;
        int tmp; // 保存待调整的父亲节点
        // 从最后一个非叶子节点开始
        for (tmp = a[i]; leftChild(i) < n; i=child) { // 交换以后,调下去的节点可能会依旧不平衡
            child = leftChild(i);   // 取得左孩子的下标
            //child=n-1, 说明只有一个左孩子,直接到下一步
            if (child != n - 1 && a[child] < a[child+1]) { //找出两个孩子中较大的
                child++;
            }
            if (tmp < a[child]) {  //如果堆顶小于比较大的孩子,交换位置
                a[i] = a[child];
            } else {
                break;
            }
        }
        a[i] = tmp;     // 父节点元素给child
    }
    
    public static int leftChild(int i) {
        return 2 * i + 1;
    }

}

 

 

 

C++红黑树收关(五)--------红黑树其他方法补全 1、本篇补全红黑树的其他方法 find(); findMin(); findMax(); isEmpty(); makeEmpty(); 2、上代码 #include <iostream> using namespace std; template < class T> class RedBlackTree; //红黑树 template <class T> class RedBlackTreeNode... 阅读详情

相关推荐

Datawhale~数据挖掘实践之序列问题处理~天池·资金流入流出预测-挑战Baseline~Day01~数据探索与分析

写在前面✍ 本系列笔记基于天池平台上“资金流入流出预测-挑战Baseline”学习赛,记录如何完整的打一次数据挖掘类比赛。同时,该比赛属于序列建模问题,希望学习完成这个任务,可以对序列问题的处理有一定的独立思考能力和实践操作能力,可以将所学理论,用编码的形式和实际的问题得到深入。 第一篇,EDA Content: 初步了解赛题及数据 1.1 任务 1.2 用户基本信息数据 1.3 用户申购赎回数据 1.4 收益率表 1.5 银行间拆借利率表 1.6 提交格式 1.7 评分指标 EDA 1 初.

小卜妞的博客 2361

数据结构:大顶堆、小顶堆

堆是其中一种非常重要且实用的数据结构。堆可以用于实现优先队列,进行堆排序,以及解决各种与查找和排序相关的问题。大顶堆和小顶堆都是堆数据结构的变种,它们分别能够在 O(1) 时间内访问最大和最小元素。无论是大顶堆还是小顶堆,插入元素和删除堆顶元素的时间复杂度都是 O(log n),其中 n 为堆中的元素数量。

crr411422的博客 1万+

VirtualBox 7.0.8 + Android-x86 9.0 保姆级安装教程(附图形界面卡顿解决方案)

本文提供VirtualBox 7.0.8与Android-x86 9.0的详细安装教程及性能优化方案,帮助开发者解决图形界面卡顿问题。从环境准备到高级配置,涵盖硬件要求、安装步骤、显存优化及ADB调试等实用技巧,显著提升虚拟机流畅度,适用于应用测试和开发调试。

weixin_29224309的博客 531

堆排序(浅谈大顶堆与小顶堆)

1、什么是堆? 堆是一种非线性结构,(本篇随笔主要分析堆的数组实现)可以把堆看作一个数组,也可以被看作一个完全二叉树,通俗来讲堆其实就是利用完全二叉树的结构来维护的一维数组,按照堆的特点可以把堆分为大顶堆和小顶堆。 大顶堆:每个结点的值都大于或等于其左右孩子结点的值 小顶堆:每个结点的值都小于或等于其左右孩子结点的值 2、堆的特点 我们对堆中的结点按层进行编号,将这种逻辑结构映射到数组中就是下面...

不务正业随手记 3万+

华为Watch的ECG功能技术分析

华为Watch的ECG(心电图)功能通过硬件传感器、算法优化和医疗认证的结合,实现了对心脏电活动的监测和房颤(AFib)等心律失常的预警。采用医疗级ECG模拟前端芯片(AFE),如TI(德州仪器)的ADS1292R等,支持低噪声、高采样率(通常≥200Hz)。结合PPG(光学心率)数据交叉验证,提高检测可靠性(如ECG和PPG心率不一致时触发警告)。通过RR间期变异性判断心律是否规则,识别房颤(AFib)的典型特征(如不规则不规则心律)。结合加速度计数据,识别手臂运动导致的信号失真,动态调整算法参数。

xu_wenming的博客 6450

Cesium+Vue3教程(003):基于Vue3的Cesium自定义地图和地图叠加

在 Cesium 中,是用于加载地表影像图层的核心接口。通过它,您可以将各种地图服务(如卫星影像、街道地图、自定义瓦片等)加载到 Cesium 的地球上。Cesium 提供了多个内置的。

WwLK123的博客 636

大顶堆

1. 概述: 最大堆(大顶堆) 一句话 heap:一种数据结构,完全二叉树(若二叉树高 h,则除过最底层 h 层,其他 1~h-1 层都是满的;并且最底层从左到右不能有空隙)。有最大堆和最小堆两种,最大堆即根节点的键值比其他所有节点键值都大;最小堆即根节点的键值比其他所有节点键值都小。在实现上,它没有选择一般的二叉树数据结构(即一个节点包含指向两个孩子的指针),使用的是数组;heap 最为常用的...

ddddfang的专栏 6157

华为OD机试双机位C卷-统计差异值大于相似值二元组个数(C/C++/Py/Java/Js/Go)

华为OD机试(机考)双机位C卷 【统计差异值大于相似值二元组个数】,提供Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试 - 统计差异值大于相似值二元组个数

qq_45776114的博客 784

堆排序与大顶堆

有一天,别人问到你,你了解 堆排序吗?或者 你对大顶堆了解吗? 之前问我的话,我是不太了解的,不过现在了解多了。 也期望通过下文,你也能对它了解起来。

春夜喜雨的专栏 815

微信小程序 - 详细解决web-view公众号文章或第三方网站分享转发后打开失败,页面显示“无法打开该页面,不支持打开“、“页面不存在“报错提示,苹果IOS系统手机打开是空白页,安卓手机系统会有提示!

微信小程序,公众号文章,第三方H5网页,内嵌网站分享后打不开,web-view,页面分享,小程序里公众号文章转发后无法打开,白屏,页面空白什么都没有,不支持打开,无法打开该页面,页面不存在,业务域名配置好了还是不行,公众号和小程序已经关联,iOS端苹果真机打开空白页,安卓手机,页面分享后,用户打不开提示错误,提示页面不存在,如何解决页面提示无法打开该页面,微信小程序web-view无法打开该页面不支持打开的解决方法,无法打开该页面不支持打开,最新详细解决方案,分享之后无法打开页面,提示无法打开该页面,不支持

🏆 前端领域优质创作者 1万+

如何绘制电气绝缘图(GB9706.1-2007和GB9706.1-2020差异)

是用来描述要考虑设备的绝缘状况和它们的值 ,从而便于和相关部门交流和沟通,如权威机构和检测实验室等。本文为绝缘图的实例, 包括所有相关的绝缘路径以及介电强度,爬电距离和电气间隙的值。

学海无涯的专栏 1万+

堆排序(大顶堆)

# ifndef maxheap # define maxheap # include&lt;iostream&gt; using namespace std; const int capacity=100; class maxHeap { public: maxHeap() { heap=new int [capacity]; heapsize=0; ...

艾克 218

从0开始图形学(光栅化)

从0开始图形学

A112459的专栏 2397

谈谈堆排序,大顶堆,小顶堆

目录 1、前言 2、使用堆的原因 3、堆的特点 4、堆和普通树的区别 5、堆排序的过程 6、堆排序的代码实现 来源:jianshu.com/p/15a29c0ace73 1、前言 堆是一种非线性结构,可以把堆看作一个数组,也可以被看作一个完全二叉树,通俗来讲堆其实就是利用完全二叉树的结构来维护的一维数组但堆并不一定是完全二叉树 按照堆的特点可以把堆分为...

包磊磊的博客 3814

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

C++ 堆、大顶堆、小顶堆、堆排序

堆(heaps)不是容器,而是一种特别的数据组织方式。};};int id;} };} };return 0;

琅嬛福地 7107

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

堆排序之构建大顶堆

堆排序中大顶堆的原理及其代码实现

m0_59356888的博客 3863

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

大顶堆、小顶堆与堆排序

堆的逻辑结构是一颗完全二叉树,而内存中实际的物理结构是一个顺序数组。完全二叉树是一种每一层都是从左往右放值直到把该层放满才会增长至更深层的结构。堆的数组到堆结构的映射关系满足:数组中第i个元素的左孩子为第2*i+1的元素,右孩子为第2*i+2的元素,父节点为第(i-1)/2 (取整数位,0位的父节点是自己)的元素。 大顶堆即对于堆中任何一颗子树来说,该子树的最大值一定是其根节点。小顶堆即对于堆中任何一颗子树来说,该子树的最小值一定是其根节点。该示例是一个可对无序堆进行堆排序变为大顶堆的程序,各函数意义详见注

Kallou的博客 770

堆排序和大顶堆小顶堆

什么是堆? 堆是一种非线性结构,可以把堆看作一个数组,也可以被看作一个完全二叉树,通俗来讲堆其实就是利用完全二叉树的结构来维护的一维数组但堆并不一定是完全二叉树 按照堆的特点可以把堆分为大顶堆和小顶堆 大顶堆:每个结点的值都大于或等于其左右孩子结点的值 小顶堆:每个结点的值都小于或等于其左右孩子结点的值 使用堆的原因? 如果仅仅是需要得到一个有序的序列,使用排序就可以很快完成,并不需要去组织一个新的数据结构。但是如果我们的需求是对于一个随时会有更新的序列,我要随时知道这个序列的最小值或最大值是什么。显然如果

qimingxinlei的博客 2553

大顶堆和小顶堆以及堆排序

大顶堆和小顶堆的理论是相同的,实现上就只有符号的变化。 堆的含义 堆是类似与完全二叉树的结构(注意可能不是满二叉树), 堆的结构是要使得每个根节点的元素大于(小与)子节点元素,左右节点是没有要求的。 堆排序 堆排序是分为三个步骤: 调整堆,使得以当前节点为根的子树是一个大顶堆,但不保证其他节点满足。 遍历从len/2----->1的所有根节点,分别进行调整,结束后该堆满足一个大顶...

qq_24279775的博客 1031

大顶堆和小顶堆和堆排序!!!!!!!!!!!!!!

一、大顶堆 二、小顶堆 三、堆排序 首先我讲一下大顶堆和小顶堆的基本概念大家先理解一下 所谓大顶堆通俗意义上来讲就是大的数放顶上,小的数放下面、也就是降序。所以需要保证每一个父节点都大于他的两个子节点。 小顶堆那肯定就是和大顶堆相反了,小的数放上面,大的数放下面,也就是升序、所以需要保证每一个父节点都小于他的两个子节点。 为了方便大家理解,我下面放上两个图。不然太抽象了。 当我们进行堆排序的时...

DeathRS的博客 2539

堆排序(大顶堆、小顶堆)

https://www.cnblogs.com/lanhaicode/p/10546257.html 大顶堆:每个结点的值都大于或等于其左右孩子结点的值 小顶堆:每个结点的值都小于或等于其左右孩子结点的值 ...

书山有路勤为径 2046

揭秘堆排序:大顶堆和小顶堆的高效利用

本文详细介绍了堆排序的原理,以及大顶堆和小顶堆的概念和特性。堆是一种特殊的完全二叉树结构,广泛应用于排序和优先队列的实现中。大顶堆用于维护最大值的优先级,而小顶堆用于维护最小值的优先级。堆排序通过建堆和反复调整堆顶元素,实现了稳定的O(nlogn) 排序性能。

进一步有进一步的欢喜~ 1031

大顶堆、小顶堆及其建堆过程、堆排序

定义 按照堆的特点可以把堆分为大顶堆和小顶堆。 大顶堆:每个结点的值都大于或等于其左右孩子结点的值; 小顶堆:每个结点的值都小于或等于其左右孩子结点的值。 (堆的这种特性非常的有用,堆常常被当做优先队列使用,因为可以快速的访问到“最重要”的元素) 我们用简单的公式来描述一下堆的定义就是: 大顶堆:arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2] 小顶堆:arr[i] <= arr[2i+1] && arr[.

魔筝炼药师 2万+

堆:什么是大顶堆,什么是小顶堆,堆排序,代码实现堆排序

堆排序代码 using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks; namespace 堆排序___顺序存储 { class Program { static ...

u011644138的博客 1990

java大顶堆类,构建大顶堆、堆排序实现(java)

构建大顶堆、堆排序实现(java)构建大顶堆、堆排序实现(java)堆排序介绍:①堆排序是利用堆的数据结构设计的一种排序算法,堆排序是一种选择排序,时间复杂度为O(nlogn),是不稳定排序;②堆是具有以下性质的完全二叉树:每个节点的值都大于或者等于其左右孩子节点的值,称为大顶堆;(没有要求其左右孩子节点的值谁大谁小)③每个节点的值都小于或者等于其左右孩子节点的值,称为小顶堆对堆中的节点按层进行编...

weixin_36184940的博客 1388
上一篇: 【面试心得】算法和数据结构:查找和排序
下一篇: 【商汤科技2019校招】计算机视觉研究员笔试
Microstrong0305
Microstrong0305 领域专家: 算法与数据结构技术领域 领域专家: 算法与数据结构技术领域
博客等级 码龄12年 6406粉丝 312原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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