会python真的可以为所欲为0(回)
355天前
这里还有人吗1(回)
540天前这里还有人吗0(回)
540天前
每天面对着电脑屏幕，敲打键盘。我所面对的并不只是代码，而是一种生活方式。0(回)
765天前到处都是羊，不想上班0(回)
845天前
鸽子
0(回)
849天前import java.util.Arrays; |
|
//基本思想：堆排序是一种树形选择排序，是对直接选择排序的有效改进。 |
堆的定义如下：具有n个元素的序列（h1,h2,...,hn),当且仅当满足（hi>=h2i,hi>=2i+1）或（hi<=h2i,hi<=2i+1）(i=1,2,...,n/2)时称之为堆。在这里只讨论满足前者条件的堆。由堆的定义可以看出，堆顶元素（即第一个元素）必为最大项（大顶堆）。完全二叉树可以很直观地表示堆的结构。堆顶为根，其它为左子树、右子树。初始时把要排序的数的序列看作是一棵顺序存储的二叉树，调整它们的存储序，使之成为一个堆，这时堆的根节点的数最大。然后将根节点与堆的最后一个节点交换。然后对前面(n-1)个数重新调整使之成为堆。依此类推，直到只有两个节点的堆，并对它们作交换，最后得到有n个节点的有序序列。从算法描述来看，堆排序需要两个过程，一是建立堆，二是堆顶与堆的最后一个元素交换位置。所以堆排序有两个函数组成。一是建堆的渗透函数，二是反复调用渗透函数实现排序的函数。 |
public class HeapSort { |
inta[]={49,38,65,97,76,13,27,49,78,34,12,64,5,4,62,99,98,54,56,17,18,23,34,15,35,25,53,51}; |
public HeapSort(){ |
heapSort(a); |
} |
public void heapSort(int[] a){ |
System.out.println("开始排序"); |
int arrayLength=a.length; |
//循环建堆 |
for(int i=0;i<arrayLength-1;i++){ |
//建堆 |
buildMaxHeap(a,arrayLength-1-i); |
//交换堆顶和最后一个元素 |
swap(a,0,arrayLength-1-i); |
System.out.println(Arrays.toString(a)); |
} |
} |
|
private void swap(int[] data, int i, int j) { |
// TODO Auto-generated method stub |
int tmp=data[i]; |
data[i]=data[j]; |
data[j]=tmp; |
} |
//对data数组从0到lastIndex建大顶堆 |
private void buildMaxHeap(int[] data, int lastIndex) { |
// TODO Auto-generated method stub |
//从lastIndex处节点（最后一个节点）的父节点开始 |
for(int i=(lastIndex-1)/2;i>=0;i--){ |
//k保存正在判断的节点 |
int k=i; |
//如果当前k节点的子节点存在 |
while(k*2+1<=lastIndex){ |
//k节点的左子节点的索引 |
int biggerIndex=2*k+1; |
//如果biggerIndex小于lastIndex，即biggerIndex+1代表的k节点的右子节点存在 |
if(biggerIndex<lastIndex){ |
//若果右子节点的值较大 |
if(data[biggerIndex]<data[biggerIndex+1]){ |
//biggerIndex总是记录较大子节点的索引 |
biggerIndex++; |
} |
} |
//如果k节点的值小于其较大的子节点的值 |
if(data[k]<data[biggerIndex]){ |
//交换他们 |
swap(data,k,biggerIndex); |
//将biggerIndex赋予k，开始while循环的下一次循环，重新保证k节点的值大于其左右子节点的值 |
k=biggerIndex; |
}else{ |
break; |
} |
} |
} |
} |
|
|
} |
