2023-05-26 04:46:56 +08:00
|
|
|
|
# 堆排序
|
|
|
|
|
|
|
|
|
|
!!! tip
|
|
|
|
|
|
2023-08-20 23:28:30 +08:00
|
|
|
|
阅读本节前,请确保已学完“堆“章节。
|
2023-05-26 04:46:56 +08:00
|
|
|
|
|
2023-08-27 22:49:47 +08:00
|
|
|
|
「堆排序 heap sort」是一种基于堆数据结构实现的高效排序算法。我们可以利用已经学过的“建堆操作”和“元素出堆操作”实现堆排序。
|
2023-05-26 04:46:56 +08:00
|
|
|
|
|
|
|
|
|
1. 输入数组并建立小顶堆,此时最小元素位于堆顶。
|
2023-05-26 20:34:48 +08:00
|
|
|
|
2. 不断执行出堆操作,依次记录出堆元素,即可得到从小到大排序的序列。
|
2023-05-26 04:46:56 +08:00
|
|
|
|
|
2023-05-26 20:34:48 +08:00
|
|
|
|
以上方法虽然可行,但需要借助一个额外数组来保存弹出的元素,比较浪费空间。在实际中,我们通常使用一种更加优雅的实现方式。
|
|
|
|
|
|
|
|
|
|
## 算法流程
|
|
|
|
|
|
2023-08-21 19:33:45 +08:00
|
|
|
|
设数组的长度为 $n$ ,堆排序的流程如下图所示。
|
2023-05-26 04:46:56 +08:00
|
|
|
|
|
|
|
|
|
1. 输入数组并建立大顶堆。完成后,最大元素位于堆顶。
|
|
|
|
|
2. 将堆顶元素(第一个元素)与堆底元素(最后一个元素)交换。完成交换后,堆的长度减 $1$ ,已排序元素数量加 $1$ 。
|
|
|
|
|
3. 从堆顶元素开始,从顶到底执行堆化操作(Sift Down)。完成堆化后,堆的性质得到修复。
|
2023-12-02 06:21:34 +08:00
|
|
|
|
4. 循环执行第 `2.` 步和第 `3.` 步。循环 $n - 1$ 轮后,即可完成数组排序。
|
2023-05-26 04:46:56 +08:00
|
|
|
|
|
2023-08-21 19:33:45 +08:00
|
|
|
|
!!! tip
|
|
|
|
|
|
2023-12-02 06:21:34 +08:00
|
|
|
|
实际上,元素出堆操作中也包含第 `2.` 步和第 `3.` 步,只是多了一个弹出元素的步骤。
|
2023-05-26 04:46:56 +08:00
|
|
|
|
|
|
|
|
|
=== "<1>"
|
|
|
|
|
![堆排序步骤](heap_sort.assets/heap_sort_step1.png)
|
|
|
|
|
|
|
|
|
|
=== "<2>"
|
|
|
|
|
![heap_sort_step2](heap_sort.assets/heap_sort_step2.png)
|
|
|
|
|
|
|
|
|
|
=== "<3>"
|
|
|
|
|
![heap_sort_step3](heap_sort.assets/heap_sort_step3.png)
|
|
|
|
|
|
|
|
|
|
=== "<4>"
|
|
|
|
|
![heap_sort_step4](heap_sort.assets/heap_sort_step4.png)
|
|
|
|
|
|
|
|
|
|
=== "<5>"
|
|
|
|
|
![heap_sort_step5](heap_sort.assets/heap_sort_step5.png)
|
|
|
|
|
|
|
|
|
|
=== "<6>"
|
|
|
|
|
![heap_sort_step6](heap_sort.assets/heap_sort_step6.png)
|
|
|
|
|
|
|
|
|
|
=== "<7>"
|
|
|
|
|
![heap_sort_step7](heap_sort.assets/heap_sort_step7.png)
|
|
|
|
|
|
|
|
|
|
=== "<8>"
|
|
|
|
|
![heap_sort_step8](heap_sort.assets/heap_sort_step8.png)
|
|
|
|
|
|
|
|
|
|
=== "<9>"
|
|
|
|
|
![heap_sort_step9](heap_sort.assets/heap_sort_step9.png)
|
|
|
|
|
|
|
|
|
|
=== "<10>"
|
|
|
|
|
![heap_sort_step10](heap_sort.assets/heap_sort_step10.png)
|
|
|
|
|
|
|
|
|
|
=== "<11>"
|
|
|
|
|
![heap_sort_step11](heap_sort.assets/heap_sort_step11.png)
|
|
|
|
|
|
|
|
|
|
=== "<12>"
|
|
|
|
|
![heap_sort_step12](heap_sort.assets/heap_sort_step12.png)
|
|
|
|
|
|
2023-12-02 06:21:34 +08:00
|
|
|
|
在代码实现中,我们使用了与“堆”章节相同的从顶至底堆化 `sift_down()` 函数。值得注意的是,由于堆的长度会随着提取最大元素而减小,因此我们需要给 `sift_down()` 函数添加一个长度参数 $n$ ,用于指定堆的当前有效长度。代码如下所示:
|
2023-05-26 04:46:56 +08:00
|
|
|
|
|
2023-10-17 01:06:00 +08:00
|
|
|
|
```src
|
|
|
|
|
[file]{heap_sort}-[class]{}-[func]{heap_sort}
|
|
|
|
|
```
|
2023-05-26 04:46:56 +08:00
|
|
|
|
|
|
|
|
|
## 算法特性
|
|
|
|
|
|
2023-08-27 23:40:39 +08:00
|
|
|
|
- **时间复杂度 $O(n \log n)$、非自适应排序**:建堆操作使用 $O(n)$ 时间。从堆中提取最大元素的时间复杂度为 $O(\log n)$ ,共循环 $n - 1$ 轮。
|
|
|
|
|
- **空间复杂度 $O(1)$、原地排序**:几个指针变量使用 $O(1)$ 空间。元素交换和堆化操作都是在原数组上进行的。
|
2023-05-26 04:46:56 +08:00
|
|
|
|
- **非稳定排序**:在交换堆顶元素和堆底元素时,相等元素的相对位置可能发生变化。
|