内部排序算法：堆排序

基本思想


堆的定义
n个关键字序列kl，k2，…，kn称为堆，当且仅当该序列满足如下性质之一（简称堆性质）：


ki≤k2i且ki≤k2i+1 或
ki≥k2i且ki≥k2i+1（1≤i≤FLOOR(n/2)）
若将此序列所存储的向量R[1..n]看做是一棵完全二叉树的存储结构，则堆实质上是满足如下性质的完全二叉树：树中任一非叶结点的关键字均不大于（或不小于）其左右孩子（若 存在）结点的关键字。


小根堆：根结点（亦称为堆顶）的关键字是堆里所有结点关键字中最小的。
大根堆：根结点（亦称为堆顶）的关键字是堆里所有结点关键字中最大的。
我们可以选择大根堆或者小根堆中的任意一个来进行排序。


排序思想
用大根堆排序的基本思想：


先将初始文件R[1..n]建成一个大根堆，此堆为初始的无序区。
再将关键字最大的记录R[1]（即堆顶）和无序区的最后一个记录R[n]交换，由此得 到新的无序区R[1..n-1]和有序区R[n]，且满足R[1..n-1].keys≤R[n].key。
由于交换后新的根R[1]可能违反堆性质，故应将当前无序区R[1..n-1]调整为堆。 然后再次将R[1..n-1]中关键字最大的记录R[1]和该区间的最后一个记录R[n-1]交换，由 此得到新的无序区R[1..n-2]和有序区R[n-1..n]，且仍满足关系 R[1..n-2].keys≤R[n-1..n].keys，同样要将R[1..n-2]调整为堆。
算法实现

堆排序算法，Java实现，代码如下所示：

public abstract class Sorter {
     public abstract void sort(int[] array);
}

public class HeapSorter extends Sorter {

     public void sort(int[] array) {
          heapSort(array);
     }

     /**
     * <p>堆排序方法
     * <p>基于大根堆的堆排序方法
     */
     private void heapSort(int[] array) {
          Integer tmp; // 用于交换的暂存单元
          buildHeap(array); // 执行初始建堆，并调整
          for (int i = 0; i < array.length; i++) {
               // 交换堆顶元素array[0]和堆中最后一个元素array[array.length-1-i]
               tmp = array[0];
               array[0] = array[array.length - 1 - i];
               array[array.length - 1 - i] = tmp;
               // 每次交换堆顶元素和堆中最后一个元素之后，都要对堆进行调整
               adjustHeap(array, 0, array.length - 1 - i);
          }
     }

     /**
     * <p>
     * 建堆方法
     * <p>
     * 调整堆中0~array.length/2个结点，保持堆的性质
     *
     */
     private void buildHeap(int[] array) {
          // 求出当前堆中最后一个存在孩子结点的索引
          int pos = (array.length - 1) / 2;
          // 从该结点结点开始，执行建堆操作
          for (int i = pos; i >= 0; i--) {
               adjustHeap(array, i, array.length); // 在建堆过程中，及时调整堆中索引为i的结点
          }
     }

     /**
     * <p>
     * 调整堆的方法
     *
     * @param s 待调整结点的索引
     * @param m 待调整堆的结点的数量(亦即：排除叶子结点)
     */
     private void adjustHeap(int[] array, int s, int m) {
          Integer tmp = array[s]; // 当前待调整的结点
          int i = 2 * s + 1; // 当前待调整结点的左孩子结点的索引(i+1为当前调整结点的右孩子结点的索引)
          while (i < m) {
               if (i + 1 < m && array[i] < array[i + 1]) { // 如果右孩子大于左孩子(找到比当前待调整结点大的孩子结点)
                    i = i + 1;
               }
               if (array[s] < array[i]) {
                    array[s] = array[i]; // 孩子结点大于当前待调整结点，将孩子结点放到当前待调整结点的位置上
                    s = i; // 重新设置待调整的下一个结点的索引
                    i = 2 * s + 1;
               } else { // 如果当前待调整结点大于它的左右孩子，则不需要调整，直接退出
                    break;
               }
               array[s] = tmp; // 当前待调整的结点放到比其大的孩子结点位置上
          }
     }
}

堆排序算法，Python实现，代码如下所示：

class Sorter:
    '''
    Abstract sorter class, which provides shared methods being used by
    subclasses.
    '''
    __metaclass__ = ABCMeta
   
    @abstractmethod   
    def sort(self, array):
        pass

class HeapSorter(Sorter):
    '''
    Heap sorter
    '''     
    def sort(self, array):
        length = len(array)
        self.__heapify(array)
        i = 0
        while i<length:
            array[0], array[length-1-i] = array[length-1-i], array[0]
            self.__sift_down(array, 0, length-1-i)          
            i = i + 1
   
    def __heapify(self, array):
        length = len(array)
        pos = (length-1) // 2
        i = pos
        while i>=0:
            self.__sift_down(array, i, length)
            i = i - 1
   
    def __sift_down(self, array, s, m):
        tmp = array[s]
        i = 2 * s + 1
        while i<m:
            if i+1<m and array[i]<array[i+1]:
                i = i + 1
            if array[s]<array[i]:
                array[s] = array[i]
                s = i
                i = 2 * s + 1
            else:
                break
            array[s] = tmp

排序过程


假设待排序数组为array = {94,12,34,76,26,9,0,37,55,76,37,5,68,83,90,37,12,65,76,49}，数组大小为20。


第一步：初始建堆
首先执行的初始建堆（在建堆的过程中需要调整堆）。过程如下：


求出当前堆中最后一个存在孩子结点的索引
这里，把数组array看做是一棵完全二叉树，这样数组每个索引位置上的元素都对应到二叉树中的结点，如图所示：

其中需要在这棵树中找到最后一个有孩子最大的一个结点的索引：
pos = (array.length-1)/2 = (20-1)/2 = 9
也就是索引为9的array[9] = 76，由后至前层次遍历，从array[9]一直到array[0]，对初始堆进行调整。


对初始堆进行调整
调整结点array[9] = 76：
先比较array[9] = 76的左右孩子：s = 9，i = 2*s+1 = 2*9 + 1 = 19，而i+1 = 19 + 1 = 20 > m = array.length-1 = 20 -1 = 19(array[9] = 76没有右孩子)，只需要将array[9] = 76与array[i] = array[19] = 49比较，因为array[9] = 76>array[i] = array[19] = 49，则不需要交换array[9] = 76与array[i] = array[19] = 49，继续对下一个结点（也就是array[8] = 55）进行调整；


调整结点array[8] = 55：
先比较array[8] = 55的左右孩子：s = 8，i = 2*s+1 = 2*8 + 1 = 17,，而i+1 = 17 + 1 = 18 < m = array.length-1 = 20-1 = 19(array[8] = 55存在右孩子)，左孩子array[i] = array[17] = 65小于右孩子array[i+1] = array[18] = 76，只需要将array[8] = 76与右孩子array[i+1] = array[18] = 76比较，因为array[8] = 55<array[i+1] = array[18] = 76，则需要交换array[8] = 55与array[i+1] = array[18] = 76，交换后如图所示：

继续对下一个结点（也就是array[8] = 55）进行调整；


调整结点array[7] = 37：
显然，不需要交换；


调整结点array[6] = 0：
调整结果如图所示：

调整结点array[5] = 9：
调整结果如图所示：

调整结点array[4] = 26：
调整结果如图所示：

调整结点array[3] = 76：
显然，不需要交换。


调整结点array[2] = 34：
调整结果如图所示：

调整结点array[1] = 12：
调整结果如图所示：

调整结点array[0] = 94：
显然，不需要交换。
至此，对初始堆的调整完成。


第二步：第一次交换
将堆顶元素与最后一个元素交换，即array[0] = 94与最后一个元素array[19] = 49交换，如图所示：

此时，数组为：
array = {49,76,90,12,76,68,34,37,76,26,37,5,9,83,0,37,12,65,55,94}
数组中最大的元素被交换到了数组的末尾，也就是array[19] = 94是最终排好序的固定位置。


第三步：调整堆
过程同前面类似。
……
最后经过堆排序得到有序的数组。


算法分析


时间复杂度
堆排序的时间，主要由建立初始堆和反复重建堆这两部分的时间开销构成。
堆排序的最坏时间复杂度为O(nlgn)。堆排序的平均性能较接近于最坏性能。由于建初始堆所需的比较次数较多，所以堆排序不适宜于记录数较少的文件。


空间复杂度
堆排序过程中，需要调整堆，交换待排序记录需要一个临时存储单元，所以空间复杂度为O(1)。


排序稳定性
堆排序是就地排序，它是不稳定的排序方法。