zoukankan      html  css  js  c++  java
  • 堆排序JAVA实现

    package kpp.sort;
    
    /**
     * 堆的定义如下:
    
      n个元素的序列{k0,k1,...,ki,…,k(n-1)}当且仅当满足下关系时,称之为堆。
    
      " ki<=k2i,ki<=k2i+1;或ki>=k2i,ki>=k2i+1.(i=1,2,…,[n/2])"
    
      若将和此次序列对应的一维数组(即以一维数组作此序列的存储结构)看成是一个完全二叉树,
    
      则完全二叉树中每一个节点的值的都大于或等于任意一个字节的值(如果有的话),称之为大顶堆。
    
      则完全二叉树中每一个节点的值的都小于或等于任意一个字节的值(如果有的话),称之为小顶堆。
    
      由此,若序列{k0,k1,…,k(n-1)}是堆,则堆顶元素(或完全二叉树的根)必为序列中n个元素的最小值(或最大值)。
    
      倘若给堆中每一个节点都赋予一个整数值标签,根节点被标记为0,对于每一个标记为i的节点,其左子节点(若存在的话)被标记为2*i+1,其右 子节点(若存在的话)被标记为2*i+2,对于一个标记为i的非根节点,其父节点被标记为(i-1)/2。使用这个标记,我们能够将堆存储在数组中,节点 存储在数据中的位置就使其标签。
     * 
     * ****************
     * 注意:
     * 1.初始建堆时从下往上调整(从第n/2-1个元素开始调整,到0元素)
     * 堆顶元素和最后一个未排序叶子节点元素交换后,调整堆时,从上往下调整,因为下面的元素已在上次建堆时调整过了
     * (从0元素开始,到没有需要调整的节点为止)
     * ****************
     * 
     * 堆排序也是一种不稳定的排序算法。
    
      堆排序优于简单选择排序的原因:
    
      直接选择排序中,为了从R[1..n]中选出关键字最小的记录,必须进行n-1次比较,然后在R[2..n]中选出关键字最小的记录,又需要做n-2次比较。事实上,后面的n-2次比较中,有许多比较可能在前面的n-1次比较中已经做过,但由于前一趟排序时未保留这些比较结果,所以后一趟排序时又重复执行了这些比较操作。
    
      堆排序可通过树形结构保存部分比较结果,可减少比较次数。
    
      堆排序的最坏时间复杂度为O(nlogn)。堆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。
     * @author kpp
     *
     */
    public class HeapSort {
    
        public static void main(String[] args) {
            // TODO Auto-generated method stub
    
            int array[] = {49,38,65,97,176,213,227,49,78,34,12,164,11,18,1};
            heapSort(array);
            for(int k :array){
                System.out.println(k);
            }
        }
    
        /**
         * 堆排序
         * @param array
         */
        public static void heapSort(int[] array){
            //构建初始堆
            buildHeap(array);
            int n = array.length;
            for(int i=n-1;i>=1;i--){
                //交换堆顶元素和最后一个未排序元素
                swap(array,0,i);
                //重新调整剩下的堆
                adjustHeap(array,0,i);
                }
        }
        
        /**
         * 建堆
         * @param array
         */
        public static void buildHeap(int[] array){
            int n = array.length;//数组中元素的个数
            for(int i=n/2-1;i>=0;i--)
                adjustHeap(array,i,n);
                
        }
        /**
         * 调整堆
         * @param A
         * @param current 当前元素
         * @param end 当前需要调整的堆的最后一个叶子节点下标
         */
        public static void adjustHeap(int[] A,int current,int end){
            int left = 2*current+1;// 左孩子的下标(如果存在的话)
            int right =2*current+2;// 左孩子的下标(如果存在的话)
            int largest = 0;//寻找3个节点中最大值节点的下标
            if(left<end && A[left]>A[current])
                largest = left;
            else
                largest = current;
            if(right<end && A[right]>A[largest])
                largest = right;
            if(largest!=current){
                swap(A,largest,current);
                adjustHeap(A,largest,end);            
                }    
        }
        /**
         * 堆顶元素和最后一个未排序元素交换
         * @param array
         * @param i
         * @param j
         */
        public static void swap(int[] array,int i,int j){
            int temp =0;
            temp=array[i];
            array[i]=array[j];
            array[j]=temp;
        }
    }
  • 相关阅读:
    D3.js中对array的使用
    kibana中信息分类查询显示的方法
    JAVA异常机制简述
    Google Web Toolkit(GWT) 在windows下环境搭建
    zico源代码分析(二) 数据读取和解析部分
    zico源代码分析(一) 数据接收和存储部分
    eclipse中导入zico Maven项目
    Zorka和zico实现不同主机之间的交互
    【转载】使用logstash+elasticsearch+kibana快速搭建日志平台
    LA 3644 易爆物 并查集
  • 原文地址:https://www.cnblogs.com/kangpp/p/4372979.html
Copyright © 2011-2022 走看看