目录一、直接插入排序算法思想：算法稳定性 Python代码二、堆排序算法思想：算法稳定性 Python代码此次博客中的简单选择排序、堆排序都是属于选择排序。博客代码是博主想复习下排序算法然后手打的，已经过调试。一、直接插入排序 算法思想： 简单选择排序是一种选择排序。每趟选出最小关键字 平均 最坏 最
参考博客：1.大顶堆的排序，插入，删除2.图解堆排序3.堆相关知识1.堆的建立——建立大顶堆思路：
1) 从最后一个节点的父节点(list.size()/2-1)开始,向下调整，建立大顶堆;
2) 比较父节点与孩子节点的大小：
2.1 若父节点小于左节点，将左节点跟父节点交换，继续向下调整。
&n
转载
2023-08-11 07:31:12
262阅读
堆数据结构实际上是一种数组对象，是以数组的形式存储的，可是它能够被视为一颗全然二叉树，因此又叫二叉堆。堆分为下面两种类型：大顶堆：父结点的值不小于其子结点的值，堆顶元素最大小顶堆：父结点的值不大于其子结点的值，堆顶元素最小堆排序的时间复杂度跟合并排序一样，都是O(nlgn)，可是合并排序不是原地排序（原地排序：在排序过程中，仅仅有常数个元素是保存在数组以外的空间），合并排序的全部元素都被复制到另外
话不多说先上代码如果不想看原理，直接就抄代码就行了： /**
* 堆排序
* 具体的流程是 数组---》大顶堆（或者是小顶堆）---》第一个个元素和最后一个元素调换位置---》重复元素下沉，以完成排序
*/
public class HeapSort {
// 将一个数组 转化成 大顶堆 (根节点一定是比 左右子节点都大的）
// 规则是 arr[i].left
Java PriorityQueue（优先队列）实现大顶堆和小顶堆 Java PriorityQueue类是一种队列数据结构实现
它与遵循FIFO（先进先出）算法的标准队列不同。//默认为小顶堆
PriorityQueue<Integer> minHeap = new PriorityQueue<>(k, (a,b)->a-b);
PriorityQ
转载
2023-07-14 16:55:28
105阅读
1.堆堆的性质大顶堆：每个节点的值都大于或者等于它的左右子节点的值（arr[i] >= arr[2i + 1] && arr[i] >= arr[2i + 2]）。小顶堆：每个节点的值都小于或者等于它的左右子节点的值（arr[i] <= arr[2i + 1] && arr[i] <= arr[2i + 2]）。第一个非叶子节点的索引就是ar
PriorityQueue是一个优先级队列，底层是小顶堆实现概念优先级队列通常的队列是先进先出，那有一种特殊的队列并不是先进先出，而是根据优先级的顺序出队二叉堆二叉堆是一种数据结构，堆是一种特殊的二叉树，满足一下条件的二叉树1.该二叉树必须是一个完全二叉树。2.子节点的值总是单调的。这里又分为两种情况，如果子节点总是小于等于父节点，那么整体的树顶元素就越大，那么我们叫它大顶堆，反过来子节点总是大于
PriorityQueue（优先队列），一个基于优先级堆的无界优先级队列。实际上是一个堆（不指定Comparator时默认为最小堆），通过传入自定义的Comparator函数可以实现大顶堆。PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>(); //小顶堆，默认容量为11
PriorityQueu
转载
2023-07-18 17:55:27
316阅读
介绍：堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆排序可以说是一种利用堆的概念来排序的选择排序。分为两种方法：大顶堆：每个节点的值都大于或等于其子节点的值，在堆排序算法中用于升序排列；小顶堆：每个节点的值都小于或等于其子节点的值，在堆排序算法中用于降序排列；堆排序是
PriorityQueueJava中PriorityQueue通过二叉小顶堆实现，可以用一棵完全二叉树表示。本文从Queue接口函数出发，结合生动的图解，深入浅出地分析PriorityQueue每个操作的具体过程和时间复杂度，将让读者建立对PriorityQueue建立清晰而深入的认识。总体介绍前面以Java ArrayDeque为例讲解了Stack和Queue，其实还有一种特殊的队列叫做Prio
Comparator<Object> comparator = Comparator.comparing(Obj::getValue); 小顶堆： PriorityQueue minHeap = new PriorityQueue(comparator); 大顶堆： PriorityQueue ma ...
转载
2021-08-09 20:56:00
736阅读
2评论
最近做题目饱受打击，愈发觉得打好基础的重要性，于是乎，决心把基本的排序算法还有数组操作一一实现，目的在于一方面能够得到对JAVA基础的巩固，另一面在实现的过程中发现不足。 今天所实现的堆排序（最大堆）算法，最小堆大同小异。然后基于最大堆实现最大优先队列，最大优先队列可应用于作业调度，比如可将作业长度作为关键字值，实现最长作业优先；或者将作业优先权值作为关键字值，实现高优先权作业优先执行等等。
堆排序的时间复杂度，最好，最差，平均都是O(nlogn)，空间复杂度O(1)，是不稳定的排序 堆（或二叉堆），类似于完全二叉树，除叶子节点外，每个节点均拥有左子树和右子树，同时左子树和右子树也是堆。小顶堆：父节点的值 <= 左右孩子节点的值大顶堆：父节点的值 >= 左右孩子节点的值 堆的存储： 用一个数组存储堆就可以了，如【19, 17, 20, 18, 16, 21】
priorityQueue 通过add方法添加，通过poll方法一次获得一个最小元素（元素需要实现Comparable或提供Comparator的实现类），实现原理最小堆，也就是说元素按照最小堆结构存放。最小堆是一个完全二叉树结构（满足第i个节点的左child索引是2i+1，右child索引是2i+2，父节点为i-1/2），且父节点小于左右两个子节点。一开始如果有一些数据则需要构建最小堆结构，可参
原创
2017-11-22 11:14:03
878阅读
目录PriorityQueue优先级基本概念PriorityQueue实现小顶堆PriorityQueue实现大顶堆PriorityQueue优先队列的应用场景PriorityQueue优先级基本概念PriorityQueue是Java中的一个优先级队列，它是基于堆（heap）数据结构实现的。在PriorityQueue中，每个元素都有一个优先级，优先级高的元素先被消费。PriorityQueue
我不再介绍堆排序的基本概念，我只是从实际使用过程说说，对JAVA而言，有现成实现PriorityQueue。那么先说一下概要：1、堆排序的实现，包括你往搜索树里插入元素，和时间复杂度考虑2、topk问题的解决（到底小顶堆是找最大还是找最小）3、leetcode相关题目一、堆排序实现堆排序的实现难点在堆元素的插入，熟悉堆元素插入那么堆排序的过程 不难写：核心，1、建堆，2、堆顶元素处理，3、重排移除
1. 什么是堆、大顶堆和小顶堆堆是一种非线性结构，可以把堆看作一棵二叉树，也可以看作一个数组，即：堆就是利用完全二叉树的结构来维护的一维数组。堆可以分为大顶堆和小顶堆：
大顶堆：每个结点的值都大于或等于其左右孩子结点的值。
小顶堆：每个结点的值都小于或等于其左右孩子结点的值。
用简单的公式来描述一下堆的定义就是：大顶堆：arr[i] >= arr[2i+1] && arr[i
转载
2023-06-18 11:15:53
103阅读
堆排序分为大顶堆排序和小顶堆排序，两者时间复杂度是O(nlogn)，空间复杂度是O(1)的常量级临时变量，是不稳定排序算法。大顶堆主要实现思想：1.初始化构建大顶堆void initMaxHeap(vector<int>& nums);2.将大顶堆的根（最大值）交换到数组最后面，然后将待排序数组长度减一后重新构建大根堆void buildMaxHeap(vector
在前面的几篇文章中，介绍了线性表的三种数据结构：链表、队列和栈。他们因为各自的特性，都可以方便的支持某一种运算。比如链表相比于数组，其插入和删除的时间代价更为优化。 除了这些数据结构之外，今天和大家分享需要支持如下两种运算的数据结构：插入元素和寻找最大元素
Python二叉堆（binary heap）二叉堆是一种特殊的堆，二叉堆是完全二叉树或者是近似完全二叉树。二叉堆满足堆特性：父节点的键值总是保持固定的序关系于任何一个子节点的键值，且每个节点的左子树和右子树都是一个二叉堆。 当父节点的键值总是大于或等于任何一个子节点的键值时为最大堆。 当父节点的键值总是小于或等于任何一个子节点的键值时为最小堆。二叉堆的存储二叉堆一般用数组来表示。如果根节点在数组中
