堆排序和代码实现笔记

C语言堆排序(HeapSort)的思想和代码实现 C语言堆排序(HeapSort)的思想和代码实现 经过一晚上和有一早上的思考和学习,在Clion上反复的单步调试之后,我总结了关于堆排序这个算法的一点体会。现在来记录一下,如有错误,欢迎批评指出,谢谢! 首先:什么是堆排序,为什么叫堆? Heapsort是一种根据选择排序的思想,利用堆这种数据结构 所设计的一种排序算法 选择排序的思想是什么?:每一趟比较找到这个序列中的最值,拿出来和最前面... 阅读详情

堆是一种数据结构,堆排序是用这种数据结构解决排序问题,它的一个典型应用就是优先队列。

普通队列:先进先出,后进后出,由时间顺序决定出队的顺序,
优先队列:出队顺序和入队顺序无关;和优先级有关
在操作系统中动态管理调度任务就是使用优先队列,优先队列适合于处理动态的情况。

优先队列的主要操作:入队、出队(取出优先级最高的元素)

优先队列的实现:
在这里插入图片描述
可以用数组实现优先队列,而用堆这种数据结构,效率比数组要高,对于总共N个请求:使用普通数组或者顺序数组,最差的情况,时间复杂度是O(n^2),而使用堆,则是O(nlgn)。

堆的实现

堆是树形结构,一种经典的堆的实现是二叉堆,它是一颗二叉树,它的每一个子节点的值,都不大于其父节点的值,另一个性质是,必须是一颗完全二叉树,满足这两个性质的数据结构就是堆,特别的,下图展示的是一个最大堆,因为树顶位置总是最大的元素,而相应的每个子节点不小于其父节点的值构成的是最小堆。
在这里插入图片描述

这里以最大堆做分析。
用组数存储二叉堆,由于堆是一个完全二叉树,因此可以用数组来存储二叉堆,按照层序从上到下,每一层从左到右,以1作为起始号标上序号,如下图,可以看出一个规律,每个节点的左节点的序号是该节点序号的2倍,右节点的序号是自身序号的2倍加1。
在这里插入图片描述
这样我们就可以把所有这些数据存在数组中,而相应的我们标记的序号对应数组中的索引,上面的堆可以用下面的数组存储。
在这里插入图片描述

在数组中我们可以用下面的公式来找到数组中每个索引的元素相应的左孩子、右孩子和父节点。
parent(i) = i/2
left child (i) = 2i
right child (i) = 2
i + 1

Heapify实现由数组构成堆

给定一个数组,我们可以按照上面的规则构造一颗完全二叉树,此时的完全二叉树还不是最大堆。如下图中所示,而对于一颗完全二叉树,所有的叶子节点本身就是一个最大堆,图中有5个(蓝色的节点)只含有1个元素的最大堆。
在这里插入图片描述
有一个规律是,第一个非叶子节点的索引,是这颗完全二叉树的节点个数除以2得到的结果,图中是5,(从索引1开始计数得出的规则)。
接下来从后向前依次考察每一个不是叶子节点的节点,上图示例中我们最先看的是22这个节点,以这个元素为根构成的这颗子树不满足最大堆的性质,因此将22和它的子节点做一次比较,发现22小于62,于是两者交换一下位置,此时,以索引5对应元素为根构成的这个子树满足了最大堆的性质,如下图所示
在这里插入图片描述
接下来看13这个元素,将13和它的左右子节点作比较,13比30和41都小,将30和41中的较大者与13交换位置,这样一来,以索引4对应元素为根构成的这个子树也满足了最大堆的性质。
在这里插入图片描述
然后,我们再看下一个非叶子节点19(索引3所在的元素),将它和左右叶子节点比较,然后与28交换位置,使得以索引3对应元素为根构成的这个子树也满足了最大堆的性质。
在这里插入图片描述
然后是看17这个节点,类似的与子节点比较大小,与62交换一次位置,此时由于17还有子节点,所以还要继续和它的子节点22比较大小,并交换位置,此时以索引2对应元素为根构成的子树满足了最大堆的性质,如下图所示。
在这里插入图片描述
最后看树的根15,同样的依次和它的左右子节点比较大小,并和其中较大者交换位置,依次和42交换位置,和41交换位置,和30交换位置,得到如下图的结果。
在这里插入图片描述
此时完成了将一开始的数组整理成为最大堆的过程。

将n个元素逐个插入到一个空堆中,实现一个堆,算法复杂度是O(nlogn),而Heapify过程使得一个数组变成一个堆,算法复杂度是O(n)。

代码实现(C++):

#include <iostream>
#include <algorithm>
#include <string>
#include <ctime>
#include <cmath>
#include <cassert>

using namespace std;


template<typename Item>
class MaxHeap{
private:
    Item *data;
    int count; //堆中元素的数量

   
    }

    void shiftDown(int k){
        while( 2*k <= count ){
            int j = 2*k; // 在此轮循环中,data[k]和data[j]交换位置
            if( j+1 <= count && data[j+1] > data[j] )
                j ++;
            // data[j] 是 data[2*k]和data[2*k+1]中的最大值

            if( data[k] >= data[j] ) break;
            swap( data[k] , data[j] );
            k = j;
        }
    }

public:
	//构造函数
	MaxHeap(Item arr[],int n){
		data = new Item[n+1]; //开辟空间
		capacity = n; //容量
		for( int i = 0; i < n ; i++ )
			data[i+1]  = arr[i]; //遍历数组把值复制给data
		count = n; //堆中元素的个数
		for( int i = count/2 ; i >= 1 ; i-- )
        	shiftDown(i); //Heapify的过程
	}
	//析构函数,释放空间
    ~MaxHeap(){
        delete[] data;
    }
	//成员函数,返回堆中元素个数
    int size(){
        return count;
    }
	//成员函数,堆中元素是否为0
    bool isEmpty(){
        return count == 0;
    }


    Item extractMax(){
        assert( count > 0 );
        Item ret = data[1];

        swap( data[1] , data[count] );
        count --;
        shiftDown(1);

        return ret;
    }
	
	
template<typename T>
void heapSort(T arr[], int n){
    MaxHeap<T> maxheap = MaxHeap<T>(arr,n);//将数组变成堆
  	for( int i = n-1 ; i >= 0 ; i-- )
        arr[i] = maxheap.extractMax();
}


Python实现堆排序 堆排序(Heap Sort)是利用堆这种数据结构所设计的一种排序算法。堆的结构是一棵完全二叉树的结构,并且满足堆积的性质:每个节点(叶节点除外)的值都大于等于(或都小于等于)它的子节点。Python实现二叉树递归遍历堆排序先按从上到下、从左到右的顺序将待排序列表中的元素构造成一棵完全二叉树,然后对完全二叉树进行调整,使其满足堆积的性质:每个节点(叶节点除外)的值都大于等于(或都小于等于)它的子节点。构建出堆后,将堆顶与堆尾进行交换,然后将堆尾从堆中取出来,取出来的数据就是最大(或最小)的数据。 阅读详情

相关推荐

实现堆排序算法

堆排序是指利用堆积树(堆)这种数据结构所设计的一种排序算法,它是选择排序的一种。可以利用数组的特点快速定位指定索引的元素。堆分为大根堆和小根堆,是完全二叉树。大根堆的要求是每个节点的值都不大于其父节点的值。在数组的非降序排序中,需要使用的就是大根堆,因为根据大根堆的要求可知,最大的值一定在堆顶。 /** *    实验题目: *        实现堆排序算法 *    实验目的: *      ...

xiezhi123456的博客 2557

堆排序的C语言实现

#include<stdio.h>//堆排序 #define leftchild(i) (2*i+1) void percdown(int a[],int i,int n){ int child; int temp; for(temp=a[i];leftchild(i)<n;i=child){ child=leftchild(i); if(child!=n-1&&a[child+1]>a[child]) child++; if(temp&l.

m0_57673664的博客 947

堆排序算法实现

根据算法导论第六章实现的堆排序

排序算法之堆排序的实现

用于记录数据结构和算法的学习过程

1978

el-upload自定义上传dwg/dxf文件并且携带额外参数(CAD)

需求:需要使用el-upload自定义上传cad的图片或普通图片,这边需要判断区分下,以及上传后清空上传文件列表。

请叫我欧皇!的博客 1536

Node框架之NestJS入门学习

文章主要分为三部分:1 NestJS 与Egg对比2 NestJS 基础知识介绍3 使用NestJS快速搭建应用,实现CURD操作e-link文档Egg官网NestJS 官网NestJS中文文档(非官方)

十九万里的博客 4742

【PTA】【数据结构与算法】排序

这里是从PTA平台整理的【排序】题目集

葑鈊丶 1万+

【暂时完结】Prescan学习笔记

Prescan学习记录1. Prescan基础知识1.1 Conventions·坐标1.2 Road segment·道路片段1.2.1 让一个路段连接其他两个路段1.2.2 配置车道线1.2.3 Road marking·道路标志1.3 Trajectory·轨迹1.3.1 建立一个Path·路径1.3.2 配置Speedprofile1.3.3 Synchronization of Trajectories·轨迹同步1.3.4 Multiple trajectories · 多轨迹分配 1. Pres

dreautumn的博客 1万+

【数据结构】堆排序的实现

堆排序详细解析!你好,欢迎光临媛仔的数据结构进阶之路~

vpurple_的博客 1603

Allegro中调整差分对等长的步骤介绍

【代码】Allegro中调整差分对等长的步骤介绍。

qq_30882617的博客 3834

ROS-Industrial :simple_message

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录1. 概述2. 协议(Protocol)3. HEADER解析3.1 MSG_TYPE3.2 COMM_TYPE3.3 REPLY CODE 1. 概述 Simple_Message是ROS-Industrial的一部分,定义了用于与工业机器人控制器通信的简单消息连接协议。另外还包括处理连接受限系统的处理器和管理器类。 2. 协议(Protocol) 简单消息(simplemessage)协议定义了ROS的驱动层和机器人控制器之.

flsxyw的博客 782

客观题——排序

若第一趟排序结果为( 1, 3, 7, 5, 2, 6, 4, 9, 11, 10, 8 ),第二趟排序结果为( 1, 2, 6, 4, 3, 7, 5, 8, 11, 10, 9 ),则两趟排序采用的增量(间隔)依次是: (2分)D。解析:增量为3的序列排序得(56,92,19)→(19,56,92),(23,34,88)→(23,34,88),(67,78)→(67,78),从而得出正确答案。3.对关键字序列(56,23,78,92,88,67,19,34),进行增量为3的一趟希尔排序的结果为( )。

xz857的博客 3192

YOLO26 改进 | 基于特征蒸馏 | 知识蒸馏 (Response & Feature-based Distillation)

本文系统介绍了YOLO26中的知识蒸馏技术,包含五大核心方法:基于响应的蒸馏(学习分类概率)、基于特征的蒸馏(学习中间层表示)、基于关系的蒸馏(学习特征关联)、通道维度蒸馏(CWD)和前景背景分离蒸馏(FGD)。文章深入解析了每种方法的数学原理与实现细节,并提出动态训练策略,包括一致性匹配和蒸馏权重退火机制。通过教师模型向学生模型传递"暗知识",在保持模型轻量化的同时逼近大模型性能。配套代码支持模块化组合不同蒸馏方法,为YOLO26模型压缩提供了一套完整的解决方案。

weixin_51988935的博客 275

【算法学习笔记】堆排序和归并排序、其他几种排序的代码实现、比较和应用(习题)

文章目录基本堆排序1.有20个数组,每个数组有500个元素,且是有序的,如何在20*500个数中找出排名前500的数 基本堆排序 调整为大根堆: void shif(int a[],int low,int high) { int i = low,j = 2*i;//j为左孩子 int temp = a[i]; while(j <= high) { if(j < high && a[j] < a[j+1])//如果右孩子更大 j++;

qq_41358574的博客 351

【WRF模拟】如何查看 WPS 的输入静态地理数据(二进制格式)?

如何查看 WPS 的输入静态地理数据(二进制格式)?

WW、forever的博客 636

通过Netlink检测网线插拔

Android/Linux通过netlink编程检测网线插拔。

阿xin*的嵌入式AI 1037

算法笔记之堆排序

堆排序是一种基于二叉堆的高效排序算法,时间复杂度为O(nlogn)。它首先将无序数组构建成最大堆,然后通过反复交换堆顶元素与末尾元素并调整堆来实现排序。算法包含三个关键步骤:堆调整(维护堆性质)、建堆(从非叶子节点开始调整)和排序阶段(反复提取最大值)。堆排序是原地排序,不需要额外空间,特别适合大规模数据。C语言实现展示了堆调整、建堆和排序的具体操作,通过递归确保子树满足堆性质。最后分析了建堆O(n)和排序O(nlogn)的时间复杂度,强调了算法的高效性和空间优势。

HRDMN的博客 1028

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

Java实现堆排序和图解

堆排序:堆排序(Heapsort)是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构,并同时满足堆积的性质:即子结点的键值或索引总是小于(或者大于)它的父节点。 堆是具有以下性质的完全二叉树:每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆;或者每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆。如下图: 同时,我们对堆中的结点按层进行编号,将这种逻辑结构...

Fuzz 4万+

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

经典排序算法之堆排序详解|c++代码实现|什么是堆排序|如何代码实现堆排序

经典排序算法之堆排序详解|c++代码实现|什么是堆排序|如何代码实现堆排序

qq_64431512的博客 3095

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

堆排序原理详解和代码实现

堆是利用完全二叉树大根堆:每个节点的值都大于等于其左右孩子的值。小根堆:每个节点的值都小于等于其左右孩子的值。

dawn191228的博客 991

堆排序的代码实现

利用大顶堆(小顶堆)的根节点记录最大数值(最小数值)的特性,可以对数值进行排序 现以大顶堆的基本思想为例: 1、将int 数组arr[1,…,n]构造为大顶堆,实现函数为heapadjust(); 2、可得大顶堆的根节点,即arr[1]的数值为最大数值,然后将该值与arr[n]互换。 3、对数组arr[1,…,n-1]构造为大顶堆并将arr[1]与arr[n-1]互换,直到n-1为2停止互换,堆排...

白雪少年 1779

Java实现堆排序及详细图解

文章目录堆排序前言实现步骤代码实现 堆排序 前言 堆排序(HeapSort)是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似于完全二叉树的结构,同时满足子节点的键值总是小于(或者大于)其父节点。 每个节点的值都大于或者等于其左右子节点的值,称为大顶堆;或者每个节点的值都小于或者等于其左右子节点的值,称为小顶堆。 对堆中的节点按层进行编号,将这种逻辑结构映射到数组如下图所示: 该数组从逻辑上讲就是一个堆结构,并且有以下特点: 大顶堆:arr[i] >= arr[2i+1] &&a

又蠢又笨的懒羊羊程序猿的博客 2万+

C语言实现堆排序

堆排序是一种利用堆数据结构实现的排序算法。首先,它将待排序的数组构建成一个大顶堆或小顶堆。然后,通过不断将堆顶元素(最大或最小)与末尾元素交换并重新调整堆,使得数组逐渐有序。最后,当堆的大小减至1时,排序完成。堆排序的时间复杂度为O(nlogn),空间复杂度为O(1),具有稳定性和适用性广的优点。堆排序使用堆来选数,效率就高了很多。时间复杂度:O(N*logN)空间复杂度:O(1)稳定性:不稳定。

qq_74013365的博客 1346

堆排序Java代码实现

堆排序 堆排序(Heapsort)是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构,并同时满足堆积的性质:即子结点的键值或索引总是小于(或者大于)它的父节点。 算法描述 将初始待排序关键字序列 (R1,R2….Rn) 构建成大顶堆,此堆为初始的无序区; 将堆顶元素R[1] 与最后一个元素R[n] 交换,此时得到新的无序区 (R1,R2,……Rn-1) 和新的有...

YelloJesse的博客 4600

堆排序和TopK问题的代码实现

堆排和TopK问题:堆排序:基本思想:代码实现:TopK: 堆排序: 基本思想: 当我们要实现一个堆排序的时候,首先考虑是建大堆还是小堆,如果建小堆,根节点一定是最小的,而根节点的子节点不一定是次小的(如下图一)。因此我们每次都需要重新对堆进行全部的调整,保证根节点是已有元素中最小的一个。但是当我们使用大堆是,根节点一定是最大的,根节点的子节点一定是次大的,因此每次只需调节根节点即可,效率较高。 ...

这是书生呀 754
上一篇: SVM支持向量机学习笔记
下一篇: cv2读取有中文路径的图片(python)
zhangycode
博客等级 码龄7年 5粉丝 16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