堆排序是利用堆這種數據結構而設計的一種排序算法,堆排序是一種選擇排序,它的最壞,最好,平均時間複雜度均爲O(nlogn),它也是不穩定排序,算法
二叉堆知足二個特性:數組
1.父結點的鍵值老是大於或等於(小於或等於)任何一個子節點的鍵值。數據結構
2.每一個結點的左子樹和右子樹都是一個二叉堆(都是最大堆或最小堆)oop
每一個結點的值都大於或等於其左右孩子結點的值,稱爲大頂堆;或者每一個結點的值都小於或等於其左右孩子結點的值,稱爲小頂堆。以下圖:ui
同時,咱們對堆中的結點按層進行編號,將這種邏輯結構映射到數組中就是下面這個樣子scala
該數組從邏輯上講就是一個堆結構,咱們用簡單的公式來描述一下堆的定義就是:設計
大頂堆:arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2] 3d
小頂堆:arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2] blog
將待排序序列構形成一個大頂堆,此時,整個序列的最大值就是堆頂的根節點。將其與末尾元素進行交換,此時末尾就爲最大值。而後將剩餘n-1個元素從新構形成一個堆,這樣會獲得n個元素的次小值。如此反覆執行,便能獲得一個有序序列了排序
將給定無序序列構形成一個大頂堆(通常升序採用大頂堆,降序採用小頂堆)
a.假設給定無序序列結構以下
b.此時咱們從最後一個非葉子結點開始(葉結點天然不用調整,第一個非葉子結點 arr.length/2-1=5/2-1=1,也就是下面的6結點),從左至右,從下至上進行調整。
c.找到第二個非葉節點4,因爲[4,9,8]中9元素最大,4和9交換。
這時,交換致使了子根[4,5,6]結構混亂,繼續調整,[4,5,6]中6最大,交換4和6。
此時,咱們就將一個無需序列構形成了一個大頂堆。
a.將堆頂元素9和末尾元素4進行交換
b.從新調整結構,使其繼續知足堆定義
c.再將堆頂元素8與末尾元素5進行交換,獲得第二大元素8.
後續過程,繼續進行調整,交換,如此反覆進行,最終使得整個序列有序
再簡單總結下堆排序的基本思路:
a.將無需序列構建成一個堆,根據升序降序需求選擇大頂堆或小頂堆;
b.將堆頂元素與末尾元素交換,將最大元素"沉"到數組末端;
c.從新調整結構,使其知足堆定義,而後繼續交換堆頂元素與當前末尾元素,反覆執行調整+交換步驟,直到整個序列有序。
def heapSort(list: Array[Int]): Array[Int] = { for (i <- list.indices) { val len = list.length buildMaxHeapTree(list, len - 1 - i) //每次loop 後用array(0) 最大值跟最後一個元素互換 ,後面循環時候排序最後一個元素 swapFunction(list, 0, len - 1 - i) } list } def buildMaxHeapTree(array: Array[Int], lastIndex: Int): Unit = { //根據最後一個節點計算父節點,最有一個節點多是左節點 也多是右節點 //val parent = (lastIndex -1) / 2 for (parent <- Range((lastIndex - 1) / 2, -1, -1) if lastIndex > 0) { //根據父節點計算左葉子節點 val leftChild = 2 * parent + 1 //定義一個變量等於leftchild 索引 ,用於跟父節點作swap 交換 var swapChild = leftChild //根據左邊節點計算右邊節點 val rightChild = leftChild + 1 //判斷若是右邊節點存在,那麼 比較左右幾點大小 if (rightChild <= lastIndex && array(leftChild) < array(rightChild)) { swapChild += 1 } //判斷父節點跟較大左右節點中的數據大小 if (array(parent) < array(swapChild)) { swapFunction(array, parent, swapChild) } } } def swapFunction(array: Array[Int], parent: Int, child: Int): Unit = { val temp = array(parent) array(parent) = array(child) array(child) = temp }