跳转至

堆排序

Tip

阅读本节前,请确保已学完“堆“章节。

「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。

  1. 输入数组并建立小顶堆,此时最小元素位于堆顶。
  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。

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

设数组的长度为 \(n\) ,堆排序的流程如下图所示。

  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。
  4. 循环执行第 2.3. 步。循环 \(n - 1\) 轮后,即可完成数组排序。

Tip

实际上,元素出堆操作中也包含第 2.3. 步,只是多了一个弹出元素的步骤。

堆排序步骤

heap_sort_step2

heap_sort_step3

heap_sort_step4

heap_sort_step5

heap_sort_step6

heap_sort_step7

heap_sort_step8

heap_sort_step9

heap_sort_step10

heap_sort_step11

heap_sort_step12

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。

heap_sort.py
[class]{}-[func]{sift_down}

[class]{}-[func]{heap_sort}
heap_sort.cpp
[class]{}-[func]{siftDown}

[class]{}-[func]{heapSort}
heap_sort.java
[class]{heap_sort}-[func]{siftDown}

[class]{heap_sort}-[func]{heapSort}
heap_sort.cs
[class]{heap_sort}-[func]{siftDown}

[class]{heap_sort}-[func]{heapSort}
heap_sort.go
[class]{}-[func]{siftDown}

[class]{}-[func]{heapSort}
heap_sort.swift
[class]{}-[func]{siftDown}

[class]{}-[func]{heapSort}
heap_sort.js
[class]{}-[func]{siftDown}

[class]{}-[func]{heapSort}
heap_sort.ts
[class]{}-[func]{siftDown}

[class]{}-[func]{heapSort}
heap_sort.dart
[class]{}-[func]{siftDown}

[class]{}-[func]{heapSort}
heap_sort.rs
[class]{}-[func]{sift_down}

[class]{}-[func]{heap_sort}
heap_sort.c
[class]{}-[func]{siftDown}

[class]{}-[func]{heapSort}
heap_sort.zig
[class]{}-[func]{siftDown}

[class]{}-[func]{heapSort}

算法特性

  • 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。
  • 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。