内容简介:深入浅出排序算法(1)-堆排序
概述
堆排序
即是利用 堆
这个数据结构来完成 排序 的.所以,要想理解 堆排序
就要先了解 堆
.
堆
堆(Heap)
是一种数据结构,它可以被看做是一棵树的数组对象.一个 二叉堆
拥有以下性质.
-
父节点
k
的左子节点在数组中的索引位置为2 * k + 1
. -
父节点
k
的右子节点在数组中的索引位置为2 * k + 2
. -
子节点
i
的父节点在数组中的索引位置为(i - 1) / 2
. -
父节点
k
的任意子节点都必须小于(或大于)k
. -
根节点必须是最大节点(或最小节点).
最大堆代码实现
public class MaxHeap<T extends Comparable> { T[] heap; private MaxHeap() { } public MaxHeap(T[] heap) { this.heap = heap; buildHeap(); } /** * 自底向上构建堆 */ private void buildHeap() { int length = heap.length; // 当堆为空或者长度为1时不需要任何操作 if (length <= 1) return; int root = (length - 2) >>> 1; // (i - 1) / 2 while (root >= 0) { heapify(heap, length, root); root--; } } /** * 调整堆的结构 * * @param heap 堆 * @param length 堆的长度 * @param root 根节点索引 */ public void heapify(T[] heap, int length, int root) { if (root >= length) return; int largest = root; // 表示root,left,right中最大值的变量 int left = (root << 1) + 1; // 左子节点,root * 2 + 1 int right = left + 1; // 右子节点,root * 2 + 2 // 找出最大值 if (left < length && greater(heap[left], heap[largest])) largest = left; if (right < length && greater(heap[right], heap[largest])) largest = right; // 如果largest发生变化,将largest与root交换 if (largest != root) { T t = heap[root]; heap[root] = heap[largest]; heap[largest] = t; // 继续向下调整堆 heapify(heap, length, largest); } } private boolean greater(Comparable a, Comparable b) { return a.compareTo(b) > 0; } }
优先队列
普通的队列是基于 先进先出
的,也就是说最先入队的元素永远是在第一位,而 优先队列
中的每一个元素都是拥有 优先级
的, 优先级
最高的元素永远在第一位.
优先队列
也是 贪心算法
的体现,所谓的 贪心算法
即是在问题求解的每一步中总是选择当前最好的结果.
堆
就是用于实现 优先队列
的,因为 堆
的性质与 优先队列
十分吻合.
添加
往 优先队列
中添加元素时,我们只需要将元素添加到数组末尾并调整堆(以下例子均是以最大堆为例).
public boolean add(T t) { if (t == null) throw new NullPointerException(); if (size == queue.length) resize(queue.length * 2); int i = size; // 如果当前队列为空,则不需要进行堆调整直接插入元素即可 if (i == 0) queue[0] = t; else swim(i, t); size++; return true; } // 上浮调整 private void swim(int i, T t) { Comparable<? super T> key = (Comparable) t; while (i > 0) { int parent = (i - 1) >>> 1; T p = (T) queue[parent]; // 如果key小于他的父节点(符合最大堆规则)则结束调整 if (key.compareTo(p) < 0) break; queue[i] = p; i = parent; } queue[i] = key; }
删除
删除操作要稍微麻烦一点,将 优先队列
中末尾的元素放到队头并进行堆调整.
public T poll() { if (isEmpty()) return null; int s = --size; Object result = queue[0]; Object end = queue[s]; queue[s] = null; if (s != 0) sink(0, (T) end); if (size <= queue.length / 4) resize(queue.length / 2); return (T) result; } // 下沉调整 private void sink(int i, T t) { Comparable<? super T> key = (Comparable<? super T>) t; int half = size >>> 1; while (i < half) { int child = (i << 1) + 1; // 左子节点 int right = child + 1; // 右子节点 T max = (T) queue[child]; // find maximum element if (right < size && ((Comparable<? super T>) max).compareTo((T) queue[right]) < 0) max = (T) queue[child = right]; // key大于它的最大子节点(符合最大堆规则)则结束调整 if (key.compareTo(max) > 0) break; queue[i] = max; i = child; } queue[i] = key; }
堆排序
实现 堆排序
有两种方法,一种是使用 优先队列
,另一种是直接使用 堆
.
直接使用堆实现堆排序
// 使用最大堆实现堆排序 private static void maxHeapSort(Comparable[] a) { MaxHeap<Comparable> maxHeap = new MaxHeap<>(a); //不断地将最大堆中顶端元素(最大值)与最底部的元素(最小值)交换 for (int i = a.length - 1; i > 0; i--) { Comparable largest = a[0]; a[0] = a[i]; a[i] = largest; // 堆减少,并调整新的堆 maxHeap.heapify(a, i, 0); } }
使用优先队列实现堆排序
// 使用优先队列实现堆排序 private static void pqSort(Comparable[] a) { MinPriorityQueue<Comparable> priorityQueue = new MinPriorityQueue<>(); for (int i = 0; i < a.length; i++) { priorityQueue.add(a[i]); } for (int i = 0; i < a.length; i++) { a[i] = priorityQueue.poll(); } }
本文作者为 SylvanasSun(sylvanassun_xtz@163.com) ,转载请务必指明原文链接.
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 算法之常见排序算法-冒泡排序、归并排序、快速排序
- 排序算法之冒泡排序改进算法
- 快速排序算法,C语言快速排序算法深入剖析
- 排序算法下——桶排序、计数排序和基数排序
- 数据结构和算法面试题系列—排序算法之快速排序
- 数据结构和算法面试题系列—排序算法之基础排序
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
JavaScript DOM编程艺术
Jeremy Keith / 杨涛、王建桥、杨晓云 / 人民邮电出版社 / 2006年12月 / 39.00元
本书讲述了JavaScript和DOM的基础知识,但重点放在DOM编程技术背后的思路和原则:预留退路、循序渐进和以用户为中心等,这些概念对于任何前端Web开发工作都非常重要。本书将这些概念贯穿在书中的所有代码示例中,使你看到用来创建图片库页面的脚本、用来创建动画效果的脚本和用来丰富页面元素呈现效果的脚本,最后结合所讲述的内容创建了一个实际的网站。 本书适合Web设计师和开发人员阅读。一起来看看 《JavaScript DOM编程艺术》 这本书的介绍吧!