一、引言二、图解堆排序（heapsort）三、java代码实现及时间复杂度分析四、总结
一、引言
优先队列可以用于以O(NlogN)时间排序，正如上一篇的求解topK问题中用到的思想一样，这种思想就是堆排序(heapsort)。
二、图解堆排序（heapsort）
- 算法思想：通过将数组元素进行buildHeap进行堆序化（构建大顶堆）；再对堆进行N-1次deleteMax操作。这里有个技巧，如果使用新的数组来存储，需要O(N)的空间；但每次deleteMax会空出一个位置，并将尾端的节点进行下滤操作，那我们就可以将deleteMax的数据放到尾端。
- 堆排序过程：
对二叉堆不了解的可以看看图解优先队列（堆）
三、java代码实现及时间复杂度分析
我们从数组下标0开始，不像二叉堆从数组下标1开始。
- 代码实现
public class Heapsort {
public static void main(String[] args) {
Integer[] integers = {7, 1, 13, 9, 11, 5, 8};
System.out.println("原序列：" + Arrays.toString(integers));
heapsort(integers);
System.out.println("排序后：" + Arrays.toString(integers));
}
public static <T extends Comparable<? super T>> void heapsort(T[] a) {
if (null == a || a.length == 0) {
throw new RuntimeException("数组为null或长度为0");
}
//构建堆
for (int i = a.length / 2 - 1; i >= 0; i--) {
percDown(a, i, a.length);
}
//deleteMax
for (int i = a.length - 1; i > 0; i--) {
swapReferences(a, 0, i);
percDown(a, 0, i);
}
}
/**
* 下滤的方法
*
* @param a：待排序数组
* @param i：从哪个索引开始下滤
* @param n ：二叉堆的逻辑大小
* @param <T>
*/
private static <T extends Comparable<? super T>> void percDown(T[] a, int i, int n) {
int child;
T tmp;
for (tmp = a[i]; leftChild(i) < n; i = child) {
child = leftChild(i);
if (child != n - 1 && a[child].compareTo(a[child + 1]) < 0) {
child++;
}
if (tmp.compareTo(a[child]) < 0) {
a[i] = a[child];
} else {
break;
}
}
a[i] = tmp;
}
private static int leftChild(int i) {
return 2 * i + 1;
}
/**
* 交换数组中两个位置的元素
*
* @param a：目标数组
* @param index1 ：第一个元素下标
* @param index2 ：第二个元素下标
* @param <T>
*/
private static <T> void swapReferences(T[] a, int index1, int index2) {
T tmp = a[index1];
a[index1] = a[index2];
a[index2] = tmp;
}
}
//输出结果
//原序列：[7, 1, 13, 9, 11, 5, 8]
//排序后：[1, 5, 7, 8, 9, 11, 13]
时间复杂度：buildHeap使用O(N)的时间，元素下滤需要O(logN)，需要下滤N-1次，所以总共需要O(N+(N-1)logN) = O(NlogN)。从过程可以看出，堆排序，不管最好，最坏时间复杂度都稳定在O(NlogN)。
空间复杂度：使用自身存储，无疑是O(1)。
四、总结
本篇通过画图，说明堆排序的过程，清晰明了知道堆排序先经过堆序化，再通过deleteMax进行排序。其空间复杂度是O(1)，时间复杂度稳定在O(NlogN)。