数据结构与算法之美 | 学习笔记24 —— 堆与堆排序

一、堆（Heap）

1. 定义

堆是一个完全二叉树，并且堆中每个节点的值都大于等于（或小于等于）子树每个节点的值。对于大于等于的情况，叫大顶堆，反之则是小顶堆。

上图1,2是大顶堆，3是小顶堆，4不是堆（因为顶点没有靠左排列）。

2. 堆的实现

因为堆是二叉树结构，适合用数组来存储：

插入元素
先将元素放到堆的最后，再对堆进行堆化（heapify）。
堆化的过程就是，顺着节点所在的路径，向上或向下进行对比交换。

上图就是向上堆化的例子。在与父节点向上对比的过程中，如果不满足小于等于父节点的关系，就互换两个节点。代码为：

public class Heap {
  private int[] a; // 数组，从下标1开始存储数据
  private int n;  // 堆可以存储的最大数据个数
  private int count; // 堆中已经存储的数据个数

  public Heap(int capacity) {
    a = new int[capacity + 1];
    n = capacity;
    count = 0;
  }

  public void insert(int data) {
    if (count >= n) return; // 堆满了
    ++count;
    a[count] = data;
    int i = count;
    while (i/2 > 0 && a[i] > a[i/2]) { // 自下往上堆化
      swap(a, i, i/2); // swap()函数作用：交换下标为i和i/2的两个元素
      i = i/2;
    }
  }
 }

删除堆顶元素
对于删除堆顶元素，我们首先想到的是迭代向下将节点向上移动：

但是结果不满足完全二叉树的特性。如果将堆顶删除后，将最后一个节点放到堆顶，再进行从上到下的比较交换，就可以满足二叉树特性，避免数组空洞。

代码：

public void removeMax() {
  if (count == 0) return -1; // 堆中没有数据
  a[1] = a[count];
  --count;
  heapify(a, count, 1);
}

private void heapify(int[] a, int n, int i) { // 自上往下堆化
  while (true) {
    int maxPos = i;
    if (i*2 <= n && a[i] < a[i*2]) maxPos = i*2;
    if (i*2+1 <= n && a[maxPos] < a[i*2+1]) maxPos = i*2+1;
    if (maxPos == i) break;
    swap(a, i, maxPos);
    i = maxPos;
  }
}

时间复杂度
对于一个n个节点的完全二叉树，树的高度不会超过$lo{g}_{2}n$，因为堆化过程是顺着高度的方向比较交换，所以堆化时间复杂度与树高成正比。插入和删除的时间复杂度都为$O(logn)$。

二、堆排序

基于堆实现排序，过程分为建堆和排序。

1. 建堆

第一种建堆方式是，从一个数据开始，一个一个插入数据到堆中，每个从下向上堆化；
第二种方式是从上向下堆化，从后往前处理数组。这种方式下，我们从第一个非叶子结点开始，依次向上堆化。


代码：

private static void buildHeap(int[] a, int n) {
  for (int i = n/2; i >= 1; --i) {
    heapify(a, n, i);
  }
}

private static void heapify(int[] a, int n, int i) {
  while (true) {
    int maxPos = i;
    if (i*2 <= n && a[i] < a[i*2]) maxPos = i*2;
    if (i*2+1 <= n && a[maxPos] < a[i*2+1]) maxPos = i*2+1;
    if (maxPos == i) break;
    swap(a, i, maxPos);
    i = maxPos;
  }
}

可以看出，堆化时从$\frac{n}{2}$到1的数据进行堆化，因为$\frac{n}{2}+1$到n的节点都是叶子结点。
建堆的时间复杂度
从非叶子节点开始，每个比较交换的节点个数和节点的高度k成正比，将高度求和：




因为$h=lo{g}_{2}n$, 代入，即建堆时间复杂度为$O(n)$。

2. 排序

因为上面创建的是大顶堆，在排序过程中，我们每次删除堆顶元素，再将剩下元素重新堆化，直到最后堆中只剩下标为1的元素。

// n表示数据的个数，数组a中的数据从下标1到n的位置。
public static void sort(int[] a, int n) {
  buildHeap(a, n);
  int k = n;
  while (k > 1) {
    swap(a, 1, k);
    --k;
    heapify(a, k, 1);
  }
}

时间复杂度、空间复杂度与稳定性
空间复杂度：排序过程中只需临时存储空间，所以堆排序是原地排序算法。
时间复杂度：建堆过程是$O(n)$，排序过程是$O(nlogn)$，所以整体时间复杂度为$O(nlogn)$。
堆排序不是稳定排序算法，因为最后删除堆顶操作时可能改变原始值相同时的顺序。

三、堆排序性能

堆排序的时间复杂度比快速排序稳定，但快速排序更好，是因为：

1. 堆排序的数据访问方式不友好（比如堆化时的操作）。而快速排序方式是顺序访问。这样堆排序对CPU的缓存不友好。
   
2. 对于同样的数据，排序过程中堆排序中数据交换次数更多。快速排序数据交换的次数不会比逆序度多（关于逆序度请见数据结构与算法之美 | 学习笔记08 —— 冒泡、插入和选择排序）。
   而堆排序中的建堆过程就会打乱数据原有的相对先后顺序。