C. DS内排—堆排序
时间: 2025-03-02 12:06:49 浏览: 36
### 数据结构中的堆排序
#### 堆排序概述
堆排序是一种基于二叉堆数据结构实现的排序算法。该算法通过构建和调整堆来完成排序操作,时间复杂度为 O(n log n)[^2]。
#### 二叉堆特性
二叉堆是一个近似完全二叉树的数据结构,在逻辑上可以分为两种形式:最大堆(Max Heap)和最小堆(Min Heap)。对于最大堆而言,父节点的关键字总是大于等于子节点关键字;而对于最小堆,则相反。这种性质使得堆顶元素始终是整个集合的最大值或最小值[^3]。
#### 构建最大堆/最小堆
为了执行堆排序,首先要将待排序序列构建成一个初始堆。通常情况下会选择构建最大堆以便升序排列最终结果。具体过程如下:
1. 将给定数组视为一棵完整的二叉树;
2. 自底向上遍历非叶子节点并调用 `heapify` 函数修复当前子树使其满足堆属性;
3. 完成上述步骤后即得到所需类型的初始堆。
```python
def heapify(arr, n, i):
largest = i
l = 2 * i + 1
r = 2 * i + 2
if l < n and arr[i] < arr[l]:
largest = l
if r < n and arr[largest] < arr[r]:
largest = r
if largest != i:
arr[i],arr[largest] = arr[largest],arr[i]
heapify(arr, n, largest)
def build_heap(arr):
n = len(arr)
for i in range(n // 2 - 1, -1, -1):
heapify(arr, n, i)
```
#### 执行堆排序
一旦建立了合适的堆之后就可以开始正式排序了。每次取出堆顶元素作为已排序部分的第一个元素,并将其与最后一个未排序位置交换,随后减少堆大小并对新形成的根节点再次应用 `heapify` 来维持剩余部分仍保持有效堆形态直到全部元素都被处理完毕为止。
```python
def heap_sort(arr):
build_heap(arr)
for i in range(len(arr)-1, 0, -1):
arr[i], arr[0] = arr[0], arr[i]
heapify(arr, i, 0)
```
#### 特点总结
- 时间复杂度稳定为 O(n log n),适用于大规模数据集。
- 是一种原地排序算法,只需要占用少量额外空间。
- 不稳定性意味着相同键值记录之间的相对顺序可能会改变。
- 对于内存敏感的应用场景特别有用,因为不需要大量辅助存储资源即可工作良好[^4]。
阅读全文
相关推荐

