转载

堆排序

前言

堆排序在面试中是经常会问到的，特别是应届毕业生找工作时，面试官最喜欢问这个了。当年百度二面的时候，也被这个算法给刷了，因为像我这种不入流的大学，平时所学习的算法只是讲讲基本原理，却没有真正要求动手去实现，因此到真正需要应用的时候，根本就不懂如何去应用。

今天，在回忆、学习完堆排序的相关知识后，希望通过写下本篇文章，将所有的理论知识使用笔者的语言来表达出来，希望能够让大家更容易理解和吸收。

基础知识

我们通常所说的堆是指二叉堆，二叉堆又称完全二叉树或者叫近似完全二叉树。二叉堆又分为最大堆和最小堆。

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，它是 选择排序 的一种。可以利用数组的特点快速定位指定索引的元素。数组可以根据索引直接获取元素，时间复杂度为O（1），也就是常量，因此对于取值效率极高。

最大堆的特性如下：

父结点的键值总是大于或者等于任何一个子节点的键值
每个结点的左子树和右子树都是一个最大堆

最小堆的特性如下：

父结点的键值总是小于或者等于任何一个子节点的键值
每个结点的左子树和右子树都是一个最小堆

算法思想

最大堆的算法思想是：

先将初始的R[0…n-1]建立成最大堆，此时是无序堆，而堆顶是最大元素
再将堆顶R[0]和无序区的最后一个记录R[n-1]交换，由此得到新的无序区R[0…n-2]和有序区R[n-1]，且满足R[0…n-2].keys ≤ R[n-1].key
由于交换后，前R[0…n-2]可能不满足最大堆的性质，因此再调整前R[0…n-2]为最大堆，直到只有R[0]最后一个元素才调整完成。

最大堆排序完成后，其实是升序序列，每次调整堆都是要得到最大的一个元素，然后与当前堆的最后一个元素交换，因此最后所得到的序列是升序序列。

最小堆的算法思想是：

先将初始的R[0…n-1]建立成最小堆，此时是无序堆，而堆顶元素是最大的元素
再将堆顶R[0]与无序区的最后一个R[n-1]交换，由此得到新的无序堆R[0…n-2]和有序堆R[n-1]，且满足R[0…n-2].keys <= R[n-1].key
由于交换后，前R[0…n-2]可能不满足最小堆的性质，因此再调整前R[0…n-2]为最小堆，直到只有R[0]最后一个元素才调整完成

最小堆排序完成后，其实是降序序列，每次调整堆都是要得到最小的一个元素，然后与当前无序堆的最后一个元素交换，所以所得到的序列是降序的。

提示：堆排序的过程，其实就是不断地扩大有序区，然后不断地缩小无序区，直到只有有序区的过程。

排序过程分析

因为算法比较抽象，这里直接通过举个小例子来说明堆排序的过程是如何的。下面我们用这个无序序列采用最大堆的进行堆排序，所得到的序列就是升序序列（ASC）。

无序序列：89,-7,999,-89,7,0,-888,7,-7

第一步：初始化建成最大堆：

堆排序

第二步：将堆顶最大元素999与无序区的最后一个元素交换，使999成为有序区。交换后，-7成为堆顶，由于-7并不是无序区中最大的元素，因此需要调整无序区，使无序区中最大值89成为堆顶，所以-7与89交换。交换后导致89的右子树不满足最大堆的性质，因此要对右子树调整成最大堆，所以-7要与0交换，如下图：

堆排序

从图中看到，当-7成89交换后，堆顶是最大元素了，但是-7的左孩子是0，右孩子是-888，由于-7<0，导致-7这个结点不满足堆的性质，因此需要调整它。所以，0与-7交换。

然后不断重复着第二步的过程，直到全部成为有序区。

最后：所得到的是升序序列

堆排序

时间复杂度

堆排序的时间，主要由建立初始堆和反复调整堆这两部分的时间开销构成.由于堆排序是不稳定的，它得扭到的时间复杂度会根据实际情况较大，因此只能取平均时间复杂度。

平均时间复杂度为：O( N * log ₂ (N) )

堆排序耗时的操作有：初始堆 + 反复调整堆，时间复杂度如下：

初始建堆：每个父节点会和左右子节点进行最多2次比较和1次交换，所以复杂度跟父节点个数有关。根据2 ^x <= n（x为n个元素可以折半的次数，也就是父节点个数），得出x = log ₂ n。即O ( log ₂ n )
反复调整堆：由于初始化堆过程中，会记录数组比较结果，所以堆排序对原序列的数组顺序并不敏感，最好情况和最坏情况差不多。需要抽取 n-1 次堆顶元素，每次取堆顶元素都需要重建堆（O(重建堆) < O(初始堆)）。所以小于 O(n-1) * O(log ₂ n)

使用建议：

由于初始化堆需要比较的次数较多，因此，堆排序比较适合于数据量非常大的场合（百万数据或更多）。由于高效的快速排序是基于递归实现的，所以在数据量非常大时会发生堆栈溢出错误。

C语言实现

基于最大堆实现升序排序

  // 初始化堆 void initHeap(int a[], int len) {   // 从完全二叉树最后一个非子节点开始   // 在数组中第一个元素的索引是0   // 第n个元素的左孩子为2n+1，右孩子为2n+2，   // 最后一个非子节点位置在(n - 1) / 2   for (int i = (len - 1) / 2; i >= 0; --i) {     adjustMaxHeap(a, len, i);   } }   void adjustMaxHeap(int a[], int len, int parentNodeIndex) {   // 若只有一个元素，那么只能是堆顶元素，也没有必要再排序了   if (len <= 1) {     return;   }     // 记录比父节点大的左孩子或者右孩子的索引   int targetIndex = -1;      // 获取左、右孩子的索引   int leftChildIndex = 2 * parentNodeIndex + 1;   int rightChildIndex = 2 * parentNodeIndex + 2;     // 没有左孩子   if (leftChildIndex >= len) {     return;   }      // 有左孩子，但是没有右孩子   if (rightChildIndex >= len) {     targetIndex = leftChildIndex;   }   // 有左孩子和右孩子   else {     // 取左、右孩子两者中最大的一个     targetIndex = a[leftChildIndex] > a[rightChildIndex] ?leftChildIndex: rightChildIndex;   }      // 只有孩子比父节点的值还要大，才需要交换   if (a[targetIndex] > a[parentNodeIndex]) {     int temp = a[targetIndex];          a[targetIndex] = a[parentNodeIndex];     a[parentNodeIndex] = temp;               // 交换完成后，有可能会导致a[targetIndex]结点所形成的子树不满足堆的条件，     // 若不满足堆的条件，则调整之使之也成为堆     adjustMaxHeap(a, len, targetIndex);   } }   void heapSort(int a[], int len) {   if (len <= 1) {     return;   }      // 初始堆成无序最大堆   initHeap(a, len);      for (int i = len - 1; i > 0; --i) {     // 将当前堆顶元素与最后一个元素交换，保证这一趟所查找到的堆顶元素与最后一个元素交换     // 注意：这里所说的最后不是a[len - 1]，而是每一趟的范围中最后一个元素     // 为什么要加上>0判断？每次不是说堆顶一定是最大值吗？没错，每一趟调整后，堆顶是最大值的     // 但是，由于len的范围不断地缩小，导致某些特殊的序列出现异常     // 比如说，5, 3, 8, 6, 4序列，当调整i=1时，已经调整为3,4,5,6,8序列，已经有序了     // 但是导致了a[i]与a[0]交换，由于变成了4,3,5,6,8反而变成无序了!     if (a[0] > a[i]) {       int temp = a[0];       a[0] = a[i];       a[i] = temp;     }          // 范围变成为：     // 0...len-1     // 0...len-1-1     // 0...1 // 结束     // 其中，0是堆顶，每次都是找出在指定的范围内比堆顶还大的元素，然后与堆顶元素交换     adjustMaxHeap(a, i - 1, 0);   } }

基于最小堆实现降序排序

  // 初始化堆 void initHeap(int a[], int len) {   // 从完全二叉树最后一个非子节点开始   // 在数组中第一个元素的索引是0   // 第n个元素的左孩子为2n+1，右孩子为2n+2，   // 最后一个非子节点位置在(n - 1) / 2   for (int i = (len - 1) / 2; i >= 0; --i) {     adjustMaxHeap(a, len, i);   } }   void adjustMaxHeap(int a[], int len, int parentNodeIndex) {   // 若只有一个元素，那么只能是堆顶元素，也没有必要再排序了   if (len <= 1) {     return;   }      // 记录比父节点大的左孩子或者右孩子的索引   int targetIndex = -1;      // 获取左、右孩子的索引   int leftChildIndex = 2 * parentNodeIndex + 1;   int rightChildIndex = 2 * parentNodeIndex + 2;      // 没有左孩子   if (leftChildIndex >= len) {     return;   }      // 有左孩子，但是没有右孩子   if (rightChildIndex >= len) {     targetIndex = leftChildIndex;   }   // 有左孩子和右孩子   else {     // 取左、右孩子两者中最上的一个     targetIndex = a[leftChildIndex] < a[rightChildIndex] ?leftChildIndex: rightChildIndex;   }      // 只有孩子比父节点的值还要小，才需要交换   if (a[targetIndex] < a[parentNodeIndex]) {     int temp = a[targetIndex];          a[targetIndex] = a[parentNodeIndex];     a[parentNodeIndex] = temp;               // 交换完成后，有可能会导致a[targetIndex]结点所形成的子树不满足堆的条件，     // 若不满足堆的条件，则调整之使之也成为堆     adjustMaxHeap(a, len, targetIndex);   } }   void heapSort(int a[], int len) {   if (len <= 1) {     return;   }      // 初始堆成无序最小堆   initHeap(a, len);      for (int i = len - 1; i > 0; --i) {     // 将当前堆顶元素与最后一个元素交换，保证这一趟所查找到的堆顶元素与最后一个元素交换     // 注意：这里所说的最后不是a[len - 1]，而是每一趟的范围中最后一个元素     // 为什么要加上>0判断？每次不是说堆顶一定是最小值吗？没错，每一趟调整后，堆顶是最小值的     // 但是，由于len的范围不断地缩小，导致某些特殊的序列出现异常     // 比如说，5, 3, 8, 6, 4序列，当调整i=1时，已经调整为3,4,5,6,8序列，已经有序了     // 但是导致了a[i]与a[0]交换，由于变成了4,3,5,6,8反而变成无序了!     if (a[0] < a[i]) {       int temp = a[0];       a[0] = a[i];       a[i] = temp;     }          // 范围变成为：     // 0...len-1     // 0...len-1-1     // 0...1 // 结束     // 其中，0是堆顶，每次都是找出在指定的范围内比堆顶还小的元素，然后与堆顶元素交换     adjustMaxHeap(a, i - 1, 0);   } }

C语言版测试

大家可以测试一下：

  //  int a[] = {5, 3, 8, 6, 4}; int a[] = {89,-7,999,-89,7,0,-888,7,-7}; heapSort(a, sizeof(a) / sizeof(int));   for (int i = 0; i < sizeof(a) / sizeof(int); ++i) {     NSLog(@"%d", a[i]); }

Swift版实现

基于最大堆实现升序排序

  funcinitHeap(inouta: [Int]) {   forvar i = (a.count - 1) / 2; i >= 0; --i {     adjustMaxHeap(&a,len: a.count,parentNodeIndex: i)   } }   funcadjustMaxHeap(inouta: [Int],len: Int,parentNodeIndex: Int) {   // 如果len <= 0，说明已经无序区已经缩小到0   guardlen > 1 else {     return   }      // 父结点的左、右孩子的索引   letleftChildIndex = 2 * parentNodeIndex + 1      // 如果连左孩子都没有， 一定没有右孩子，说明已经不用再往下了   guardleftChildIndex < lenelse {     return   }      letrightChildIndex = 2 * parentNodeIndex + 2      // 用于记录需要与父结点交换的孩子的索引   vartargetIndex = -1      // 若没有右孩子，但有左孩子，只能选择左孩子   if rightChildIndex > len {     targetIndex = leftChildIndex   } else {     // 左、右孩子都有，则需要找出最大的一个     targetIndex = a[leftChildIndex] > a[rightChildIndex] ?leftChildIndex: rightChildIndex   }      // 只有孩子比父结点还要大，再需要交换   if a[targetIndex] > a[parentNodeIndex] {     lettemp = a[targetIndex]          a[targetIndex] = a[parentNodeIndex]     a[parentNodeIndex] = temp          // 由于交换后，可能会破坏掉新的子树堆的性质，因此需要调整以a[targetIndex]为父结点的子树，使之满足堆的性质     adjustMaxHeap(&a,len: len,parentNodeIndex: targetIndex)   } }   funcmaxHeapSort(inouta: [Int]) {   guard a.count > 1 else {     return   }      initHeap(&a)      forvar i = a.count - 1; i > 0; --i {     // 每一趟都将堆顶交换到指定范围内的最后一个位置     if a[0] > a[i] {       lettemp = a[0]              a[0] = a[i]       a[i] = temp     }     print(a)     print(i - 1)     // 有序区长度+1，而无序区长度-1，继续缩小无序区，所以i-1     // 堆顶永远是在0号位置，所以父结点调整从堆顶开始就可以了     adjustMaxHeap(&a, len: i - 1, parentNodeIndex: 0)     print(a)   } }

基于最小堆降序排序

  funcinitHeap(inouta: [Int]) {   forvar i = (a.count - 1) / 2; i >= 0; --i {     adjustMaxHeap(&a,len: a.count,parentNodeIndex: i)   } }   funcadjustMaxHeap(inouta: [Int],len: Int,parentNodeIndex: Int) {   // 如果len <= 0，说明已经无序区已经缩小到0   guardlen > 1 else {     return   }      // 父结点的左、右孩子的索引   letleftChildIndex = 2 * parentNodeIndex + 1      // 如果连左孩子都没有， 一定没有右孩子，说明已经不用再往下了   guardleftChildIndex < lenelse {     return   }      letrightChildIndex = 2 * parentNodeIndex + 2      // 用于记录需要与父结点交换的孩子的索引   vartargetIndex = -1      // 若没有右孩子，但有左孩子，只能选择左孩子   if rightChildIndex > len {     targetIndex = leftChildIndex   } else {     // 左、右孩子都有，则需要找出最大的一个     targetIndex = a[leftChildIndex] < a[rightChildIndex] ?leftChildIndex: rightChildIndex   }      // 只有孩子比父结点还要大，再需要交换   if a[targetIndex] < a[parentNodeIndex] {     lettemp = a[targetIndex]          a[targetIndex] = a[parentNodeIndex]     a[parentNodeIndex] = temp          // 由于交换后，可能会破坏掉新的子树堆的性质，因此需要调整以a[targetIndex]为父结点的子树，使之满足堆的性质     adjustMaxHeap(&a,len: len,parentNodeIndex: targetIndex)   } }   funcmaxHeapSort(inouta: [Int]) {   guard a.count > 1 else {     return   }      initHeap(&a)      forvar i = a.count - 1; i > 0; --i {     // 每一趟都将堆顶交换到指定范围内的最后一个位置     if a[0] < a[i] {       lettemp = a[0]              a[0] = a[i]       a[i] = temp     } else {       return // 可以直接退出了，因为已经全部有序了     }     print(a)     print(i - 1)     // 有序区长度+1，而无序区长度-1，继续缩小无序区，所以i-1     // 堆顶永远是在0号位置，所以父结点调整从堆顶开始就可以了     adjustMaxHeap(&a, len: i - 1, parentNodeIndex: 0)     print(a)   } }

测试：

  vararr = [5, 3, 8, 6, 4] //var arr = [89,-7,999,-89,7,0,-888,7,-7] maxHeapSort(&arr)   print(arr)   // 打印日志如下： [4, 6, 5, 3, 8] 3 [6, 4, 5, 3, 8]   [3, 4, 5, 6, 8] 2 [5, 4, 3, 6, 8]   [3, 4, 5, 6, 8] 1 [3, 4, 5, 6, 8]   [3, 4, 5, 6, 8] 0 [3, 4, 5, 6, 8]   [3, 4, 5, 6, 8]

最后

花了将近一天半的时间来整理这篇文章，同时深入地理解这个算法。这个过程中，查了很多篇博客讲解堆排序的，但是都是很难去理解，而且所提供的代码都是有一定问题的。经过这么一折腾，终于把堆排序给理明白了。如果大家在学习时遇到问题，再联系笔者吧！

关注我

关注	账号	备注
标哥博客iOS交流群一	324400294（满）	群一若已满，请申请群二
标哥博客iOS交流群二	494669518（满）	群二若已满，请申请群三
标哥博客iOS交流群三	461252383（满）	群三若已满，请申请群四
标哥博客iOS交流群四	250351140	群四若已满，会有提示信息
关注微信公众号	iOSDevShares	关注微信公众号，会定期地推送好文章
关注新浪微博账号	标哥的技术博客	关注微博，每次发布文章都会分享到新浪微博
关注标哥的GitHub	CoderJackyHuang	这里有很多的Demo和开源组件
关于我	进一步了解标哥	如果觉得文章对您很有帮助，可捐助我！