堆排序(第6章)

2024-06-23 15:08
文章标签 堆排序

本文主要是介绍堆排序(第6章),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

根据《算法导论》第6章堆排序算法编写,程序可运行。

#include <STDIO.H>#include <STDLIB.H>
#include <MATH.H>/*求父节点的下标*/
int PARENT(int i)
{
double a=i/2.0;
return (int)ceil(a)-1; 
}/*求左孩子的下标*/
int LEFT(int i)
{
return 2*i+1;
}/*求右孩子的下标*/
int RIGHT(int i)
{
return 2*i+2;
}/*********************************************************  函数名: void MAX_HEAPIFY(int A[],int heap_size,int i)*  函数功能:维护堆的最大堆的性质.heap_size为对中元素的个数.*  输入参数:int A[],int heap_size,int i*  输出参数:void*  附加说明:以LEFT(i)和RIGHT(i)为根节点的二叉树均为最大堆,现在使i为根节点的二叉树也为最大堆.*  作者:YL*  当前版本: v_1*  完成日期: 2014-04-22 
/********************************************************/
void MAX_HEAPIFY(int A[],int heap_size,int i)
{
int l,r,largest,exchange;
l=LEFT(i);
r=RIGHT(i);
if (l<heap_size&&A[l]>A[i])
largest=l;
else
largest=i;
if(r<heap_size&&A[r]>A[largest])
largest=r;if (largest!=i){
exchange=A[i];
A[i]=A[largest];
A[largest]=exchange;
MAX_HEAPIFY(A,heap_size,largest);}
}/*********************************************************  函数名: void BUILD_MAX_HEAP(int A[],int heap_size)*  函数功能:将一个无序的数组创建成一个最大堆.*  输入参数:int A[],int heap_size*  输出参数:void*  附加说明:*  作者:YL*  当前版本: v_1*  完成日期: 2014-04-22 
/********************************************************/
void BUILD_MAX_HEAP(int A[],int heap_size)
{
int i;
for(i=heap_size/2-1;i>=0;i--)
MAX_HEAPIFY(A,heap_size,i);
}/*********************************************************  函数名: void HEAPSORT(int A[],int heap_size)*  函数功能:将一个无序的数组从小到大排序.*  输入参数:int A[],int heap_size*  输出参数:void*  附加说明:*  作者:YL*  当前版本: v_1*  完成日期: 2014-04-23 
/********************************************************/
void HEAPSORT(int A[],int heap_size)
{int i,exchange;BUILD_MAX_HEAP(A,heap_size);
for (i=heap_size-1;i>=1;i--)
{
exchange=A[0];
A[0]=A[i];
A[i]=exchange;
heap_size=heap_size-1;
MAX_HEAPIFY(A,heap_size,0);
}
}

这篇关于堆排序(第6章)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1087505

相关文章

在Java中实现堆排序的步骤详解

《在Java中实现堆排序的步骤详解》堆排序是一种基于堆数据结构的排序算法,堆是一种特殊的完全二叉树,堆排序利用堆的性质通过一系列操作将数组元素按升序或降序排列,本文给大家介绍了如何在Java中实现堆排... 目录引言一、堆排序的基本原理二、堆排序的实现步骤三、堆排序的时间复杂度和空间复杂度四、堆排序的工作流

6.1.数据结构-c/c++堆详解下篇(堆排序,TopK问题)

上篇:6.1.数据结构-c/c++模拟实现堆上篇(向下,上调整算法,建堆,增删数据)-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小): 2.2 C语言代码(手写堆) 2.3 C++代码(使用优先级队列 priority_queue)

优先队列与堆排序

PriorityQueue 优先级队列中的元素可以按照任意的顺序插入,却总是按照排序的顺序进行检索。无论何时调用remove方法,总会获得当前优先级队列中的最小元素(其实是返回堆顶元素),但并不是对所有元素都排序。它是采用了堆(一个可以自我调整的二叉树),执行增加删除操作后,可以让最小元素移动到根。 堆排序复习 package com.jefflee;import java.util.Arr

6.2排序——选择排序与堆排序

本篇博客梳理选择排序,包括直接选择排序与堆排序 排序全部默认排成升序 一、直接选择排序 1.算法思想 每次遍历都选出最小的和最大的,放到序列最前面/最后面 2.具体操作 (1)单趟 每次遍历都选出最小的和最大的。遍历时,遇到更小的,更新min,遇到更大的,更新max (2)单趟变整体 每趟遍历完之后,begin++,end– 程序结构如下 while(begin<end){//

堆与堆排序之初见

堆(本文只提二叉堆,当然也有多叉堆)作为一种数据结构,是一个数组,可以被看成是一个近似的完全二叉树,树上的每一个节点对应数组中的一个元素,并且除了最底层节点外,该树是完全充满的,而且是从左向右依次填充。 我们目前经常听到的名词“堆”已经被引申为“垃圾收集存储机制”,但本文提及的“堆”指的是堆数据结构。 为了后续描述方便,我们定义堆的数组为H,用H.length表示堆数组的大小,用H.size表示堆

堆排序算法剖析(基于Java)

什么是堆结构? 堆排序的关键是构造堆结构,首先谈一下堆结构的定义,堆结构是一种树结构,准确地说是一个完全二叉树,完全二叉树的定义在这里就不多赘述了,百度知道。 按照排序顺序,堆结构可以分为两种: 1.按照从小到大的顺序排序,要求非叶节点的数据要大于或等于其左、右子节点的数据。 2.按照从大到小的顺序排序,要求非叶节点的数据要小于或等于其左、右子节点的数据。 本文以从小到大的顺序为例进行介

排序算法(动图详细讲解)(直接插入排序,希尔排序,堆排序,冒泡排序)

前言:         排序的方式有很多种,不同的排序思想是不一样的。         但是排序的时间复杂度和空间复杂度也都有区别。         例如:         最简单的冒泡排序,时间复杂度为O(N)         对排序的时间复杂度为O(N*logN)。 接下来就来仔细分析每种排序的思路,并写出代码。 插入排序:  基本思想:         直接插入排序是一种简

堆的建立、插入、出堆、堆化、topk问题、堆排序(C语言实现)

堆的建立、插入、出堆、堆化、topk问题、堆排序 使用数组来存储堆 堆顶为序号0,堆底为序号 size - 1 假设树为完全二叉树,当前节点和双亲节点的关系可以通过公式表达 // 小顶堆: 对 heaptifyUp 和 heaptifyDown 函数的逻辑进行一些调整。void initHeap(float **arr, int *size) { *arr = (float *)malloc

内部排序之三:堆排序

前言    堆排序、快速排序、归并排序(下篇会写这两种排序算法)的平均时间复杂度都为O(n*logn)。要弄清楚堆排序,就要先了解下二叉堆这种数据结构。本文不打算完全讲述二叉堆的所有操作,而是着重讲述堆排序中要用到的操作。比如我们建堆的时候可以采用堆的插入操作(将元素插入到适当的位置,使新的序列仍符合堆的定义)将元素一个一个地插入到堆中,但其实我们完全没必要这么做,我们有执行操作更少的方法,

算法-排序算法:堆排序(HeapSort )【O(nlogn)】

MyArray.java /*** 数组** @author* @version 2018/8/4*/public class MyArray<E> {private E[] arr;private int size;public MyArray(int capacity){arr = (E[])new Object[capacity];size = 0;}public MyArray() {