一、算法概述
1.1 算法分类
十种常见排序算法可以分为两大类：
-
比较类排序：通过比较来决定元素间的相对次序，由于其时间复杂度不能突破O(nlogn)，因此也称为非线性时间比较类排序。
-
非比较类排序：不通过比较来决定元素间的相对次序，它可以突破基于比较排序的时间下界，以线性时间运行，因此也称为线性时间非比较类排序。
1.2 算法复杂度
1.3 相关概念
- 稳定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面。
- 不稳定：如果a原本在b的前面，而a=b，排序之后 a 可能会出现在 b 的后面。
- 时间复杂度：对排序数据的总的操作次数。反映当n变化时，操作次数呈现什么规律。
- 空间复杂度：是指算法在计算机内执行时所需存储空间的度量，它也是数据规模n的函数。
二、堆排序（Heap Sort）
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。
堆分为"最大堆"和"最小堆"。最大堆通常被用来进行"升序"排序，而最小堆通常被用来进行"降序"排序。
鉴于最大堆和最小堆是对称关系，理解其中一种即可。本文将对最大堆实现的升序排序进行详细说明。
2.1 算法描述
-
将初始待排序关键字序列(R1,R2….Rn)构建成大顶堆，此堆为初始的无序区；
-
将堆顶元素R[1]与最后一个元素R[n]交换，此时得到新的无序区(R1,R2,……Rn-1)和新的有序区(Rn),且满足R[1,2…n-1]<=R[n]；
-
由于交换后新的堆顶R[1]可能违反堆的性质，因此需要对当前无序区(R1,R2,……Rn-1)调整为新堆，然后再次将R[1]与无序区最后一个元素交换，得到新的无序区(R1,R2….Rn-2)和新的有序区(Rn-1,Rn)。不断重复此过程直到有序区的元素个数为n-1，则整个排序过程完成。
最大堆进行升序排序的基本思想：
- ① 初始化堆：将数列a[1...n]构造成最大堆。
- ② 交换数据：将a[1]和a[n]交换，使a[n]是a[1...n]中的最大值；然后将a[1...n-1]重新调整为最大堆。 接着，将a[1]和a[n-1]交换，使a[n-1]是a[1...n-1]中的最大值；然后将a[1...n-2]重新调整为最大值。 依次类推，直到整个数列都是有序的。
下面，通过图文来解析堆排序的实现过程。注意实现中用到了"数组实现的二叉堆的性质"。 在第一个元素的索引为 0 的情形中： 性质一：索引为i的左孩子的索引是 (2i+1); 性质二：索引为i的左孩子的索引是 (2i+2); 性质三：索引为i的父结点的索引是 floor((i-1)/2);
例如，对于最大堆{110,100,90,40,80,20,60,10,30,50,70}而言：索引为0的左孩子的所有是1；索引为0的右孩子是2；索引为8的父节点是3。
2.2 动图演示
2.3 堆排序图文说明
堆排序代码
/**
* @Author: huangyibo
* @Date: 2022/2/19 0:42
* @Description: 堆排序：原地排序，
* 1、先将待排序数组整理成最大堆的形状
* 2、然后将堆的最开始索引的值即最大值和最后面的索引值交换，不断循完成排序
* 3、每交换一轮后，将0索引元素和其左右孩子节点元素进行比较，如果比左右孩子小，则交换位置，不断循环
*/
public class HeapSort2 {
public static <E extends Comparable<E>> void heapSort(E[] arr){
//如果arr元素个数小于等于1，直接返回
if(arr.length <= 1){
return;
}
//从最后一个叶子节点的父节点开始进行siftDown操作,不断循环
//(arr.length - 1) / 2 最后一个叶子节点的父节点的索引
//for循环完成，则将数组整理成堆的形状
for(int i = (arr.length - 1) / 2; i >= 0; i --){
siftDown(arr, i, arr.length);
}
//进行排序操作，将堆的最开始索引的值即最大值和最后面的索引值交换，不断循完成排序
for (int i = arr.length - 1; i >= 0; i--) {
//将堆的最开始索引的值即最大值和最后面的索引值交换
swap(arr,0, i);
//将0索引元素比左右孩子节点元素小，则交换位置，不断循环
//由于数组最末尾的值已经排好序，索引排好序的元素不包含在内
siftDown(arr, 0, i);
}
}
/**
* 对arr[0, n] 所形成的最大堆中，索引k的元素，执行siftDown操作
* k索引元素比左右孩子节点元素小，则交换位置，不断循环
* @param arr
* @param k
* @param n
* @param <E>
*/
private static <E extends Comparable<E>> void siftDown(E[] arr, int k, int n){
//(k * 2 + 1) 完全二叉树的数组表示中，一个索引所表示的元素的左孩子节点的索引
while ((k * 2 + 1) < n){
//获取k索引的左孩子的索引
int j = k * 2 + 1;
//j + 1 < data.getSize()
if(j + 1 < n &&
//如果右孩子比左孩子大
arr[j + 1].compareTo(arr[j]) > 0){
//k * 2 + 2 完全二叉树的数组表示中，一个索引所表示的元素的右孩子节点的索引
//最大孩子的索引赋值给j
j = k * 2 + 2;
}
//此时data[j]是leftChild和rightChild中的最大值
if(arr[k].compareTo(arr[j]) >= 0){
//如果父亲节点大于等于左右孩子节点，跳出循环
break;
}
//如果父亲节点小于左右孩子节点(中的最大值)，交换索引的值
swap(arr, k, j);
//交换完成之后，将j赋值给K,重新进入循环
k = j;
}
}
/**
* 数组索引元素交换
* @param arr
* @param i
* @param j
* @param <E>
*/
private static <E> void swap(E[] arr, int i, int j){
if(i < 0 || i >= arr.length || j < 0 || j >= arr.length){
throw new IllegalArgumentException("Index is illegal.");
}
E temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}
下面是数组a对应的初始化结构
2.3.1 初始化堆
在堆排序算法中，首先要将待排序的数组转化成二叉堆。 下面演示将数组{20,30,90,40,70,110,60,10,100,50,80}转换为最大堆{110,100,90,40,80,20,60,10,30,50,70}的步骤。
2.3.1.1 i=11/2-1，即i=4
上面是siftDown(a, 4, 9)调整过程。siftDown(a, 4, 9)的作用是将a[4...9]进行下调；a[4]的左孩子是a[9]，右孩子是a[10]。调整时，选择左右孩子中较大的一个(即a[10])和a[4]交换。
2.3.1.2 i=3
上面是siftDown(a, 3, 9)调整过程。siftDown(a, 3, 9)的作用是将a[3...9]进行下调；a[3]的左孩子是a[7]，右孩子是a[8]。调整时，选择左右孩子中较大的一个(即a[8])和a[4]交换。
2.3.1.3 i=2
上面是siftDown(a, 2, 9)调整过程。siftDown(a, 2, 9)的作用是将a[2...9]进行下调；a[2]的左孩子是a[5]，右孩子是a[6]。调整时，选择左右孩子中较大的一个(即a[5])和a[2]交换。
2.3.1.4 i=1
上面是siftDown(a, 1, 9)调整过程。siftDown(a, 1, 9)的作用是将a[1...9]进行下调；a[1]的左孩子是a[3]，右孩子是a[4]。调整时，选择左右孩子中较大的一个(即a[3])和a[1]交换。交换之后，a[3]为30，它比它的右孩子a[8]要大，接着，再将它们交换。
2.3.1.5 i=0
上面是siftDown(a, 0, 9)调整过程。siftDown(a, 0, 9)的作用是将a[0...9]进行下调；a[0]的左孩子是a[1]，右孩子是a[2]。调整时，选择左右孩子中较大的一个(即a[2])和a[0]交换。交换之后，a[2]为20，它比它的左右孩子要大，选择较大的孩子(即左孩子)和a[2]交换。
调整完毕，就得到了最大堆。此时，数组{20,30,90,40,70,110,60,10,100,50,80}也就变成了{110,100,90,40,80,20,60,10,30,50,70}。
2.3.2 第2部分 交换数据
在将数组转换成最大堆之后，接着要进行交换数据，从而使数组成为一个真正的有序数组。
交换数据部分相对比较简单，下面仅仅给出将最大值放在数组末尾的示意图。
上面是当n=10时，交换数据的示意图。 当n=10时，首先交换a[0]和a[10]，使得a[10]是a[0...10]之间的最大值；然后，调整a[0...9]使它称为最大堆。交换之后：a[10]是有序的！ 当n=9时， 首先交换a[0]和a[9]，使得a[9]是a[0...9]之间的最大值；然后，调整a[0...8]使它称为最大堆。交换之后：a[9...10]是有序的！ ... 依此类推，直到a[0...10]是有序的。
2.4 堆排序的时间复杂度和稳定性
2.4.1 堆排序时间复杂度
堆排序的时间复杂度是O(NlogN)。 假设被排序的数列中有N个数。遍历一趟的时间复杂度是O(N)，需要遍历多少次呢？ 堆排序是采用的二叉堆进行排序的，二叉堆就是一棵二叉树，它需要遍历的次数就是二叉树的深度，而根据完全二叉树的定义，它的深度至少是lg(N+1)。最多是多少呢？由于二叉堆是完全二叉树，因此，它的深度最多也不会超过lg(2N)。因此，遍历一趟的时间复杂度是O(N)，而遍历次数介于lg(N+1)和lg(2N)之间；因此得出它的时间复杂度是O(NlogN)。
2.4.2 堆排序稳定性
堆排序是不稳定的算法，它不满足稳定算法的定义。它在交换数据的时候，是比较父结点和子节点之间的数据，所以，即便是存在两个数值相等的兄弟节点，它们的相对顺序在排序也可能发生变化。 算法稳定性 -- 假设在数列中存在a[i]=a[j]，若在排序之前，a[i]在a[j]前面；并且排序之后，a[i]仍然在a[j]前面。则这个排序算法是稳定的！
2.5 堆排序实现——原地排序
/**
* @Author: huangyibo
* @Date: 2022/2/19 0:42
* @Description: 堆排序：原地排序
* 1、先将待排序数组整理成最大堆的形状
* 2、然后将堆的最开始索引的值即最大值和最后面的索引值交换，不断循完成排序
* 3、每交换一轮后，将0索引元素和其左右孩子节点元素进行比较，如果比左右孩子小，则交换位置，不断循环
*/
public class HeapSort2 {
public static <E extends Comparable<E>> void heapSort(E[] arr){
//如果arr元素个数小于等于1，直接返回
if(arr.length <= 1){
return;
}
//从最后一个叶子节点的父节点开始进行siftDown操作,不断循环
//(arr.length - 1) / 2 最后一个叶子节点的父节点的索引
//for循环完成，则将数组整理成堆的形状
for(int i = (arr.length - 1) / 2; i >= 0; i --){
siftDown(arr, i, arr.length);
}
//进行排序操作，将堆的最开始索引的值即最大值和最后面的索引值交换，不断循完成排序
for (int i = arr.length - 1; i >= 0; i--) {
//将堆的最开始索引的值即最大值和最后面的索引值交换
swap(arr,0, i);
//将0索引元素比左右孩子节点元素小，则交换位置，不断循环
//由于数组最末尾的值已经排好序，索引排好序的元素不包含在内
siftDown(arr, 0, i);
}
}
/**
* 对arr[0, n] 所形成的最大堆中，索引k的元素，执行siftDown操作
* k索引元素比左右孩子节点元素小，则交换位置，不断循环
* @param arr
* @param k
* @param n
* @param <E>
*/
private static <E extends Comparable<E>> void siftDown(E[] arr, int k, int n){
//(k * 2 + 1) 完全二叉树的数组表示中，一个索引所表示的元素的左孩子节点的索引
while ((k * 2 + 1) < n){
//获取k索引的左孩子的索引
int j = k * 2 + 1;
//j + 1 < data.getSize()
if(j + 1 < n &&
//如果右孩子比左孩子大
arr[j + 1].compareTo(arr[j]) > 0){
//k * 2 + 2 完全二叉树的数组表示中，一个索引所表示的元素的右孩子节点的索引
//最大孩子的索引赋值给j
j = k * 2 + 2;
}
//此时data[j]是leftChild和rightChild中的最大值
if(arr[k].compareTo(arr[j]) >= 0){
//如果父亲节点大于等于左右孩子节点，跳出循环
break;
}
//如果父亲节点小于左右孩子节点(中的最大值)，交换索引的值
swap(arr, k, j);
//交换完成之后，将j赋值给K,重新进入循环
k = j;
}
}
/**
* 数组索引元素交换
* @param arr
* @param i
* @param j
* @param <E>
*/
private static <E> void swap(E[] arr, int i, int j){
if(i < 0 || i >= arr.length || j < 0 || j >= arr.length){
throw new IllegalArgumentException("Index is illegal.");
}
E temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}
2.6 堆排序实现——非原地排序
- 该实现需要借助于最大堆(MaxHeap)数据结构
2.6.1 动态数组底层实现
public class Array<E> {
private E[] data;
private int size;
public Array(){
this(10);
}
public Array(int capacity){
this.data = (E[]) new Object[capacity];
this.size = 0;
}
public Array(E[] arr){
this.data = (E[]) new Object[arr.length];
for (int i = 0; i < arr.length; i++) {
data[i] = arr[i];
}
this.size = arr.length;
}
/**
* 获取数组中元素个数
* @return
*/
public int getSize(){
return size;
}
/**
* 获取数组容量
* @return
*/
public int getCapacity(){
return data.length;
}
/**
* 返回数组是否为空
* @return
*/
public boolean isEmpty(){
return size == 0;
}
/**
* 数组尾部新增元素
* @param e
*/
public void addLast(E e){
add(size, e);
}
/**
* 数组头部新增元素
* @param e
*/
public void addFirst(E e){
add(0, e);
}
/**
* 在指定位置插入元素
* @param index
* @param e
*/
public void add(int index, E e){
if(index < 0 || index > size){
throw new IllegalArgumentException("AddLast failed. require index >=0 and index <= size");
}
if(size == data.length){
//扩容
resize(2 * data.length);
}
for(int i = size - 1; i >= index; i --){
data[i + 1] = data[i];
}
data[index] = e;
size ++;
}
/**
* 数组扩容
* @param newCapacity
*/
private void resize(int newCapacity){
E[] newData = (E[])new Object[newCapacity];
for (int i = 0; i < size; i++) {
newData[i] = data[i];
}
data = newData;
}
/**
* 获取指定索引位置的值
* @param index
* @return
*/
public E get(int index){
if(index < 0 || index >= size){
throw new IllegalArgumentException("Get failed. index is illegal.");
}
return data[index];
}
/**
* 替换指定索引位置的值
* @param index
* @param e
*/
public void set(int index, E e){
if(index < 0 || index >= size){
throw new IllegalArgumentException("Set failed. index is illegal.");
}
data[index] = e;
}
/**
* 数组是否包含元素e
* @param e
* @return
*/
public boolean contains(E e){
for (int i = 0; i < size; i++) {
if(data[i].equals(e)){
return true;
}
}
return false;
}
/**
* 查找数组中元素e所在的索引,不存在元素e,返回-1
* @param e
* @return
*/
public int find(E e){
for (int i = 0; i < size; i++) {
if(data[i].equals(e)){
return i;
}
}
return -1;
}
/**
* 删除数组中index位置的元素, 并返回删除的元素
* @param index
* @return
*/
public E remove(int index){
if(index < 0 || index >= size){
throw new IllegalArgumentException("Remove failed. index is illegal.");
}
E ret = data[index];
for (int i = index; i < size - 1; i++) {
data[i] = data[i + 1];
}
size --;
data[size] = null;
if(size == data.length / 4 && data.length / 2 != 0){
//当数组长度缩小为原数组的4分之一的时候才进行数组的缩容，
//缩小为原数组的2分之一，预留空间，防止有数据添加导致扩容浪费性能
resize(data.length / 2);
}
return ret;
}
/**
* 删除数组中第一个元素
* @return
*/
public E removeFirst(){
return remove(0);
}
/**
* 删除数组中最后一个元素
* @return
*/
public E removeLast(){
return remove(size - 1);
}
/**
* 从数组中删除元素e
* @param e
*/
public void removeElement(E e){
int index = find(e);
if(index != -1){
remove(index);
}
}
/**
* 数组索引元素交换
* @param i
* @param j
*/
public void swap(int i, int j){
if(i < 0 || i >= size || j < 0 || j >= size){
throw new IllegalArgumentException("Index is illegal.");
}
E temp = data[i];
data[i] = data[j];
data[j] = temp;
}
@Override
public String toString(){
StringBuilder sb = new StringBuilder();
sb.append(String.format("Array: size = %d, capacity = %d\n",size,data.length));
sb.append("[");
for (int i = 0; i < size; i++) {
sb.append(data[i]);
if(i != size - 1){
sb.append(", ");
}
}
sb.append("]");
return sb.toString();
}
}
2.6.2 基于动态数组底层实现的最大堆实现
/**
* @Author: huangyibo
* @Date: 2022/2/17 22:54
* @Description: 最大堆 完全二叉树，父亲节点大于等于孩子节点，采用数组表示
*/
public class MaxHeap<E extends Comparable<E>> {
//这里使用数组作为底层实现
private Array<E> data;
public MaxHeap(){
data = new Array<>();
}
public MaxHeap(int capacity){
data = new Array<>(capacity);
}
/**
* 将任意数组整理成堆的形状
* @param arr
*/
public MaxHeap(E[] arr){
data = new Array<>(arr);
//从最后一个叶子节点的父节点开始进行siftDown操作,不断循环
for(int i = parent(arr.length - 1); i >= 0; i --){
siftDown(i);
}
}
/**
* 返回堆中的元素个数
* @return
*/
public int getSize(){
return data.getSize();
}
/**
*堆是否为空
* @return
*/
public boolean isEmpty(){
return data.isEmpty();
}
/**
* 返回完全二叉树的数组表示中，一个索引所表示的元素的父亲节点的索引
* @param index
* @return
*/
private int parent(int index){
if(index == 0){
throw new IllegalArgumentException("index-0 doesn't have parent.");
}
return (index - 1) / 2;
}
/**
* 返回完全二叉树的数组表示中，一个索引所表示的元素的左孩子节点的索引
* @return
*/
private int leftChild(int index){
return index * 2 + 1;
}
/**
* 返回完全二叉树的数组表示中，一个索引所表示的元素的右孩子节点的索引
* @param index
* @return
*/
private int rightChild(int index){
return index * 2 + 2;
}
/**
* 向堆中添加元素
* @param e
*/
public void add(E e){
data.addLast(e);
//当前元素在数组中的索引为 data.getSize() - 1
//比较当前元素和其父亲节点的元素，大于父亲节点元素则交换位置
siftUp(data.getSize() - 1);
}
/**
* k索引元素比父节点元素大，则交换位置，不断循环
* @param k
*/
private void siftUp(int k){
//k > 0 并且k索引元素比父节点元素大，则交换位置，不断循环
while (k > 0 && data.get(parent(k)).compareTo(data.get(k)) < 0){
data.swap(parent(k), k);
k = parent(k);
}
}
/**
* 查看堆中最大元素
* @return
*/
public E findMax(){
if(data.getSize() == 0){
throw new IllegalArgumentException("Can not findMax when heap is empty.");
}
return data.get(0);
}
/**
* 取出堆中最大元素
* @return
*/
public E extractMax(){
//获取堆中最大元素
E ret = findMax();
//堆中最开始的元素和最后元素交换位置
data.swap(0,data.getSize() - 1);
//删除堆中最后一个元素
data.removeLast();
//0索引元素比左右孩子节点元素小，则交换位置，不断循环
siftDown(0);
return ret;
}
/**
* k索引元素比其左右孩子节点元素小，则交换位置，不断循环
* @param k
*/
private void siftDown(int k){
while (leftChild(k) < data.getSize()){
//获取k索引的左孩子的索引
int j = leftChild(k);
//j + 1 < data.getSize()
if(j + 1 < data.getSize() &&
//如果右孩子比左孩子大
data.get(j + 1).compareTo(data.get(j)) > 0){
//最大孩子的索引赋值给j
j = rightChild(k);
}
//此时data[j]是leftChild和rightChild中的最大值
if(data.get(k).compareTo(data.get(j)) >= 0){
//如果父亲节点大于等于左右孩子节点，跳出循环
break;
}
//如果父亲节点小于左右孩子节点(中的最大值)，交换索引的值
data.swap(k, j);
//交换完成之后，将j赋值给K,重新进入循环
k = j;
}
}
/**
* 取出堆中最大元素，并且替换成元素e
* @param e
* @return
*/
public E replace(E e){
//获取堆中的最大值
E ret = findMax();
//用新添加的元素替换最大的元素
data.set(0, e);
//0索引元素比左右孩子节点元素小，则交换位置，不断循环
siftDown(0);
return ret;
}
}
2.6.3 堆排序：非原地排序
/**
* @Author: huangyibo
* @Date: 2022/2/18 21:42
* @Description: 堆排序：非原地排序
*/
public class HeapSort {
public static <E extends Comparable<E>> void heapSort(E[] arr){
//建立一个最大堆
MaxHeap<E> maxHeap = new MaxHeap<>();
for (E e : arr) {
//将数组元素放入最大堆
maxHeap.add(e);
}
//循环遍历，取出最大堆的最大元素倒序放入数组中，完成堆排序
for (int i = arr.length - 1; i >= 0; i--) {
arr[i] = maxHeap.extractMax();
}
}
}
