第 1 頁(yè):1.常用的算法設(shè)計(jì)方法 |
第 23 頁(yè):2.幾個(gè)重要的算法程序 |
2.幾個(gè)重要的算法程序
2.1 堆排序
堆排序也是選擇排序的一種,其特點(diǎn)是,在以后各趟的“選擇”中利用在第一趟選擇中已經(jīng)得到的關(guān)鍵字比較的結(jié)果。
堆的定義: 堆是滿(mǎn)足下列性質(zhì)的數(shù)列{r1, r2, …,rn}: 或 若將此數(shù)列看成是一棵完全二叉樹(shù),則堆或是空樹(shù)或是滿(mǎn)足下列特性的完全二叉樹(shù):其左、右子樹(shù)分別是堆,并且當(dāng)左/右子樹(shù)不空時(shí),根結(jié)點(diǎn)的值小于(或大于)左/右子樹(shù)根結(jié)點(diǎn)的值。
由此,若上述數(shù)列是堆,則r1必是數(shù)列中的最小值或最大值,分別稱(chēng)作小頂堆或大頂堆。
堆排序即是利用堆的特性對(duì)記錄序列進(jìn)行排序的一種排序方法。具體作法是:先建一個(gè)“大頂堆”,即先選得一個(gè)關(guān)鍵字為最大的記錄,然后與序列中最后一個(gè)記錄交換,之后繼續(xù)對(duì)序列中前n-1記錄進(jìn)行“篩選”,重新將它調(diào)整為一個(gè)“大頂堆”,再將堆頂記錄和第n-1個(gè)記錄交換,如此反復(fù)直至排序結(jié)束。
所謂“篩選”指的是,對(duì)一棵左/右子樹(shù)均為堆的完全二叉樹(shù),“調(diào)整”根結(jié)點(diǎn)使整個(gè)二叉樹(shù)為堆。
堆排序的算法如下所示:
template
void HeapSort ( Elem R[], int n ) {
// 對(duì)記錄序列R[1..n]進(jìn)行堆排序。
for ( i=n/2; i>0; --i )
// 把R[1..n]建成大頂堆
HeapAdjust ( R, i, n );
for ( i=n; i>1; --i ) {
R[1]←→R;
// 將堆頂記錄和當(dāng)前未經(jīng)排序子序列
// R[1..i]中最后一個(gè)記錄相互交換
HeapAdjust(R, 1, i-1);
// 將R[1..i-1] 重新調(diào)整為大頂堆
}
} // HeapSort
其中篩選的算法如下所示。為將R[s..m]調(diào)整為“大頂堆”,算法中“篩選”應(yīng)沿關(guān)鍵字較大的孩子結(jié)點(diǎn)向下進(jìn)行。
Template
void HeapAdjust (Elem R[], int s, int m) {
// 已知R[s..m]中記錄的關(guān)鍵字除R[s].key之
// 外均滿(mǎn)足堆的定義,本函數(shù)調(diào)整R[s] 的關(guān)
// 鍵字,使R[s..m]成為一個(gè)大頂堆(對(duì)其中
// 記錄的關(guān)鍵字而言)
rc = R[s];
for ( j=2*s; j<=m; j*=2 ) {// 沿key較大的孩子結(jié)點(diǎn)向下篩選
if ( j if ( rc.key >= R[j].key ) break; // rc應(yīng)插入在位置s上
R[s] = R[j]; s = j;
}
R[s] = rc; // 插入
} // HeapAdjust
堆排序的時(shí)間復(fù)雜度分析:
1. 對(duì)深度為k的堆,“篩選”所需進(jìn)行的關(guān)鍵字比較的次數(shù)至多為2(k-1);
2.對(duì)n個(gè)關(guān)鍵字,建成深度為+1)ûlog2nëh(=的堆,所需進(jìn)行的關(guān)鍵字比較的次數(shù)至多為4n;
3. 調(diào)整“堆頂”n-1次,總共進(jìn)行的關(guān)鍵字比較的次數(shù)不超過(guò)
+û2(log2(n-1) + …+log22)ûlog2(n-2)ë 因此,堆排序的時(shí)間復(fù)雜度為O(nlogn)
北京 | 天津 | 上海 | 江蘇 | 山東 |
安徽 | 浙江 | 江西 | 福建 | 深圳 |
廣東 | 河北 | 湖南 | 廣西 | 河南 |
海南 | 湖北 | 四川 | 重慶 | 云南 |
貴州 | 西藏 | 新疆 | 陜西 | 山西 |
寧夏 | 甘肅 | 青海 | 遼寧 | 吉林 |
黑龍江 | 內(nèi)蒙古 |