数据结构和算法16 之堆排序

   堆排序，顾名思义就是利用堆这个数据结构对数据项进行排序，前面提到过，堆数据结构中，节点大于或等于自己的子节点。那么我们可以将待排序的数据项依次添加到堆中，然后再依次取出根节点即可。从堆中取出的数据项是从大到小排列的。因为根节点永远是最大的，而堆中永远是取根节点。如果对堆这种数据结构不太了解的话，可以先看这篇博文：数据结构和算法之 堆，这里不再赘述。

下面我们来看看堆排序的实现（如果程序有不清楚的地方，也可以参考上面那篇博文）。

[java]  view plain  copy

 

1. public class HeapSort {  
2.     private int[] array;  
3.     private int currentIndex;  
4.     private int maxSize;  
5.     public HeapSort(int size) {  
6.         maxSize = size;  
7.         array = new int[maxSize];  
8.         currentIndex = 0;  
9.     }  
10.     //插入数据项，并排好序  
11.     public void insertSort(int[] source) {  
12.         for(int i = 0; i < source.length; i++) {  
13.             array[currentIndex] = source[i]; //插入到节点尾  
14.             tickedUp(currentIndex++); //向上重新排好序，使得满足堆的条件  
15.         }  
16.     }  
17.     private void tickedUp(int index) {  
18.         int parentIndex = (index - 1) / 2; //父节点的索引  
19.         int temp = array[index]; //将新加的尾节点存在temp中  
20.         while(index > 0 && array[parentIndex] < temp) {  
21.             array[index] = array[parentIndex];  
22.             index = parentIndex;  
23.             parentIndex = (index - 1) / 2;  
24.         }  
25.         array[index] = temp;  
26.     }  
27.       
28.     //取出最大值  
29.     public int getMax() {  
30.         int maxNum = array[0];  
31.         array[0] = array[--currentIndex];  
32.         trickleDown(0);  
33.         return maxNum;  
34.     }  
35.     private void trickleDown(int index) {  
36.         int top = array[index];  
37.         int largeChildIndex;  
38.         while(index < currentIndex/2) { //while node has at least one child  
39.             int leftChildIndex = 2 * index + 1;  
40.             int rightChildIndex = leftChildIndex + 1;  
41.             //find larger child  
42.             if(rightChildIndex < currentIndex &&  //rightChild exists?  
43.                     array[leftChildIndex] < array[rightChildIndex]) {  
44.                 largeChildIndex = rightChildIndex;  
45.             }  
46.             else {  
47.                 largeChildIndex = leftChildIndex;  
48.             }  
49.             if(top >= array[largeChildIndex]) {  
50.                 break;  
51.             }  
52.             array[index] = array[largeChildIndex];  
53.             index = largeChildIndex;  
54.         }  
55.         array[index] = top;  
56.     }  
57. }  

        算法分析：堆中插入和取出的时间复杂度均为O(logN)，所以堆排序算法的时间复杂度为O(NlogN)，但是堆排序也需要额外的和待排序序列大小相同的存储空间。空间复杂度为O(N)。

转载：http://blog.csdn.net/eson_15/article/details/51193399