二叉树(四) -- 堆排序

1 .堆排序

1.1 堆排序基本介绍

1. 堆排序是利用堆这种数据结构而设计的一种排序算法，堆排序是一种选择排序，它的最坏，最好，平均时间复杂度均为 O(nlogn)，它也是不稳定排序。
2. 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, 注意 : 没有要求结点的左孩子的值和右孩子的值的大小关系。
3. 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
4. 大顶堆举例说明
   
   我们对堆中的结点按层进行编号，映射到数组中就是下面这个样子:
   
   大顶堆特点：arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2] // i 对应第几个节点，i从0开始编号
5. 小顶堆举例说明
   
   小顶堆：arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2] // i 对应第几个节点，i从0开始编号
6. 一般升序采用大顶堆，降序采用小顶堆

1.2 堆排序基本思想

堆排序的基本思想是：

1. 将待排序序列构造成一个大顶堆
2. 此时，整个序列的最大值就是堆顶的根节点。
3. 将其与末尾元素进行交换，此时末尾就为最大值。
4. 然后将剩余 n-1 个元素重新构造成一个堆，这样会得到 n 个元素的次小值。如此反复执行，便能得到一个有序序列了。

可以看到在构建大顶堆的过程中，元素的个数逐渐减少，最后就得到一个有序序列了.

1.3 堆排序步骤图解说明

步骤一 构造初始堆。将给定无序序列构造成一个大顶堆（一般升序采用大顶堆，降序采用小顶堆)。**

1. 假设给定无序序列结构如下
   
2. .此时我们从最后一个非叶子结点开始（叶结点自然不用调整，第一个非叶子结点 arr.length/2-1=5/2-1=1，也就是下面的6结点），从下至上进行调整。
   
3. 找到第二个非叶节点4，由于[4,9,8]中9元素最大，4和9交换。
   
4. 这时，交换导致了子根[4,5,6]结构混乱，继续调整，[4,5,6]中6最大，交换4和6。
   
   此时，我们就将一个无序序列构造成了一个大顶堆。

步骤二 将堆顶元素与末尾元素进行交换，使末尾元素最大。然后继续调整堆，再将堆顶元素与末尾元素交换，得到第二大元素。如此反复进行交换、重建、交换。

1. 将堆顶元素9和末尾元素4进行交换
   
2. 重新调整结构，使其继续满足堆定义
   
3. 再将堆顶元素8与末尾元素5进行交换，得到第二大元素8.
   
4. 后续过程，继续进行调整，交换，如此反复进行，最终使得整个序列有序
   
   再简单总结下堆排序的基本思路：

• 将无序序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆;
• 将堆顶元素与末尾元素交换，将最大元素"沉"到数组末端;
• 重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前末尾元素，反复执行调整+交换步骤，直到整个序列有序。

1.4 堆排序代码实现

代码实现如下：

package com.mylove.tree;

import java.text.SimpleDateFormat;
import java.util.Date;

public class HeapSort {

	public static void main(String[] args) {
		// TODO Auto-generated method stub

		int[] arr = new int[8000000];
		for (int i = 0; i < 8000000; i++) {
			arr[i] = (int) (Math.random() * 80000);// 生成一个[0,80000]之间的数
		}
		Date date1 = new Date();
		SimpleDateFormat simpleDateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
		String date1Str = simpleDateFormat.format(date1);
		System.out.println("排序前的时间是:" + date1Str);
		heapSort(arr);
		Date date2 = new Date();
		String date2Str = simpleDateFormat.format(date2);
		System.out.println("排序后的时间是:" + date2Str);

	}

	public static void heapSort(int arr[]) {
		int temp = 0;
		// 将无序序列构建成一个堆，根据升序降序需求选择大顶堆或小顶堆
		for (int i = arr.length / 2 - 1; i >= 0; i--) {
			System.out.println(arr[i]);
			adjustHeap(arr, i, arr.length);
		}
		/**
		 * 将堆顶元素与末尾元素交换，将最大元素"沉"到数组的末端
		 * 重新调整结构，使其满足堆定义，然后继续交换堆顶元素与当前元素，反复执行调整+交换步骤，直到整个序列有序
		 */
		for (int j = arr.length - 1; j > 0; j--) {
			temp = arr[j];
			arr[j] = arr[0];
			arr[0] = temp;
			adjustHeap(arr, 0, j);
		}
		// System.out.println("数组：" + Arrays.toString(arr));
	}

	/**
	 * 功能：完成将以i对应的非叶子结点的树调整成大顶堆
	 * 
	 * @param arr
	 *            待调整的数组
	 * @param i
	 *            表示非叶子结点在数组中的索引
	 * @param length
	 *            表示对多个个元素继续调整
	 */
	public static void adjustHeap(int arr[], int i, int length) {

		int temp = arr[i]; // 先取出当前元素的值保存临时变量
		// k = i * 2 + 1 是 i 结点的左子结点
		for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {
			if (k + 1 < length && arr[k] < arr[k + 1]) {// 说明左子结点的值小于右子节点的值
				k++;
			}
			if (arr[k] > temp) { // 如果子节点值大于父结点
				arr[i] = arr[k]; // 把较大的值赋给当前结点
				i = k; // i 指向k,继续循环比较
			} else {
				break;
			}
		}
		// 当for循环结束后，我们已经将以 i 为父结点的树的最大值放在了最顶
		arr[i] = temp;
	}

}

堆排序的速度非常快，事件复杂度为O(nlogn)