【考研】数据结构考点——堆排序（含408真题）
前言
本文内容源于对《数据结构（C语言版）》（第2版）、王道讲解学习所得心得、笔记整理和总结。
选择排序的基本思想：每一趟从待排序的记录中选出关键字最小的记录，按顺序存放在已排序的记录序列的最后，直到全部排完为止。
选择排序的主要两种方法：直接选择排序、堆排序。
本文内容主要针对堆排序。
在本文最后的练习的中，以举例子说明该排序方法，配以图文，讲解详细（含408真题）。
本文“干货”较足，建议收藏。
可搭配以下链接一起学习：
【考研复习：数据结构】查找（不含代码篇）_住在阳光的心里的博客-CSDN博客
【考研】《数据结构》知识点总结.pdf_考研数据结构知识点总结背诵-其它文档类资源-CSDN文库
【考研】数据结构考点——直接选择排序_住在阳光的心里的博客-CSDN博客
目录
前言
一、基本概念
1、堆排序 (Heap Sort) 的定义
2、堆的定义
3、堆排序步骤（大根堆）
二、调整堆
（一）举例说明
（二）算法步骤
（三）算法描述
三、建初堆
（一）举例说明
（二）算法步骤
（三）算法描述
四、堆排序算法的实现
（一）算法代码
（二）举例说明
（三）算法分析
（四）算法特点
五、练习
一、基本概念
1、堆排序 (Heap Sort) 的定义
是一种树形选择排序。
在排序过程中，将待排序的记录 r[1...n] 看成是一棵完全二叉树的顺序存储结构，利用完全二叉树中双亲结点和孩子结点之间的内在关系，在当前无序的序列中选择关键字最大(或最小)的记录。
2、堆的定义
n 个元素的序列 { } 称之为堆，当且仅当满足以下条件时：
（1） 且
或（2） 且
若将和此序列对应的一维数组（即以一维数组做此序列的存储结构）看成是一个完全二又树，则堆实质上是满足如下性质的完全二叉树：
树中所有非终端结点的值均不大于(或不小于)其左、右孩子结点的值。
3、堆排序步骤（大根堆）
例如，关键字序列 { 96, 83, 27, 38, 11, 09 } 和 { 12, 36, 24, 85, 47, 30, 53, 91} 分别满足条件 (1) 和条件 (2)，故它们均为堆，对应的完全二叉树分别如图 8.9 (a) 和 (b) 所示。
显然，在这两种堆中，堆顶元素（或完全二叉树的根)必为序列中n个元素的最大值（或最小值），分别称之为大根堆（或小根堆）。
堆排序步骤（大根堆）如下：
1、按堆的定义将待排序序列 r[1..n] 调整为大根堆(这个过程称为建初堆)，交换 r[1] 和 r[n]，则 r[n]为关键字最大的记录。
2、将 r[1..n-1] 重新调整为堆，交换 r[1] 和 r[n-1] ，则 r[n-1] 为关键字次大的记录。
3、循环 n - 1 次，直到交换了 r[1] 和 r[2] 为止，得到了一个非递减的有序序列r[1..n]。
同样，可以通过构造小根堆得到一个非递增的有序序列。
由此，实现堆排序，需要解决两个问题：一是调整堆，二是建初堆。
二、调整堆
（一）举例说明
图8.10(a)是个堆，为大根堆。
将堆顶元索 97 和堆中最后一个元素 38 交换后，如 8.10(b) 所示，接下来要进行的操作是要将图（b）调整为大根堆。
由于此时除根结点外，其余结点均满足堆的性质，由此仅需自上至下进行一条路径上的结点调整即可。
首先以堆顶元素 38 和其左，右子树根结点的值进行比较，由于左子树根结点的值大于右子树根结点的值且大于根结点的值，则将 38 和 76 交换；
由于 38 替代了 76 之后破坏了左子树的“ 堆 ”， 则需进行和上述相同的调整，直至叶子结点，调整后的状态如图 8.10(c) 所示。
重复上述过程，将堆顶元素 76 和堆中最后一个元素 27 交换且调整，得到如图 8.(d) 所示新的堆。
上述过程像过筛子一样。把较小的关键字逐层筛下去，而将较大的关键字逐层选上来。因此，称此方法为“ 筛选法 ”。
（二）算法步骤
假设 r[s+1..m] 已经是堆的情况下，按“ 筛选法 ”将 r[s..m] 调整为以 r[s] 为根的堆，算法实现如下：
从 r[2s] 和 r[2s+1] 中选出关键字较大者，假设 r[2s] 的关键字较大，比较 r[s] 和 r[2s] 的关键字。
1、若 r[s].key >= r[2s].key，说明以 r[s] 为根的子树已经是堆，不必做任何调整。
2、若 r[s].key < r[2s].key，交换 r[s] 和 r[2s]。 交换后，以 r[2s+1] 为根的子树仍是堆，如果以 r[2s] 为根的子树不是堆，则重复上述过程，将以 r[2s] 为根的子树调整为堆，直至进行到叶子结点为止。
（三）算法描述
//假设r[s+1..m]已经是堆，将r[s..m]调整为以 r[s] 为根的大根堆
void HeapAdjust (SqList &L, int s, int m){rc = L.r[s] ;for(j = 2*s; j <= m; j *= 2) //沿 key 较大的孩子结点向下筛选if (j < m && L.r[j].key < L.r[j+1].key) ++j; // j 为 key 较大的记录的下标if(rc.key >= L.r[j].key) break; //rc应插入在位置s上L.r[s] = L.r[j];s = j;}L.r[s] = rc; //插入
}
三、建初堆
要将一个无序序列调整为堆，就必须将其所对应的完全叉树中以每 结点为根的子树都调整为堆。显然，只有一个结点的树必是堆，而在完全二叉树中，所有序号大于 的结点都是叶子，因此以这些结点为根的子树均已是堆。这样，只需利用筛选法，从最后一个分支结点
开始，依次将序号为
、
、...、1 的结点作为根的子树都调整为堆即可。
（一）举例说明
已知无序序列为{49, 38, 65, 97, 76, 13, 27, 49}，用 "筛选法” 将其调整为个大根堆，给出建堆的过程。
从图 8.11 (a) 所示的无序序列的最后一个非终端绪点开始筛选，
即从第 4 个元素 97 开始，由于 97 > 49，则无需交换。
同理，第 3 个元素 65 不小于其左、右子树根的值，仍无需交换。
而第 2 个元素 38 < 97，被筛选之后序列的状态如图 8.11 (b) 所示，然后对根元素 49 筛选之后得到图 8.11 (c) 所示的大根堆。
（二）算法步骤
1、对于无序序列 r[1..n] 从 i = n/2 开始，反复调用筛选法 HeapAdjust (L, i, n)。
2、依次将以 r[i], r[i-1]，...，r[1] 为根的子树调整为堆。
（三）算法描述
/*
//假设r[s+1..m]已经是堆，将r[s..m]调整为以 r[s] 为根的大根堆
void HeapAdjust (SqList &L, int s, int m){rc = L.r[s] ;for(j = 2*s; j <= m; j *= 2) //沿 key 较大的孩子结点向下筛选if (j < m && L.r[j].key < L.r[j+1].key) ++j; // j 为 key 较大的记录的下标if(rc.key >= L.r[j].key) break; //rc应插入在位置s上L.r[s] = L.r[j];s = j;}L.r[s] = rc; //插入
}*///把无序序列 L.r[1..n] 建成大根堆
void CreatHeap (SqList &L){n = L.length;for(i = n/2; i > 0; --i) //反复调用HeapAdjustHeapAdjust (L, i, n);
}
四、堆排序算法的实现
（一）算法代码
根据前面堆排序算法步骤的描述，可知堆排序就是将无序序列建成初堆以后，反复进行交换和堆调整。在建初堆和调整堆算法实现的基础上，下面给出堆排序算法的实现。
//对顺序表L进行堆排序
void HeapSort (SqList &L){CreatHeap(L); //把无序序列 L.r[1..L.length] 建成大根堆for(i = L.length; i > 1; --i){x = L.r[1]: //将堆顶记录和当前未经排序子序列 L.r[1..i] 中最后一个记录互换L.r[1] = L.r[i];L.r[i] = x; HeapAdjust(L, 1, i-1); //将 L.r[1..i-1] 重新调整为大根堆}
}/*
//假设r[s+1..m]已经是堆，将r[s..m]调整为以 r[s] 为根的大根堆
void HeapAdjust (SqList &L, int s, int m){rc = L.r[s] ;for(j = 2*s; j <= m; j *= 2) //沿 key 较大的孩子结点向下筛选if (j < m && L.r[j].key < L.r[j+1].key) ++j; // j 为 key 较大的记录的下标if(rc.key >= L.r[j].key) break; //rc应插入在位置s上L.r[s] = L.r[j];s = j;}L.r[s] = rc; //插入
}//把无序序列 L.r[1..n] 建成大根堆
void CreatHeap (SqList &L){n = L.length;for(i = n/2; i > 0; --i) //反复调用HeapAdjustHeapAdjust (L, i, n);
}*/
（二）举例说明
已知待排序记录的关键字序列为 {49, 38, 65, 97, 76, 13, 27, 49}，给出用堆排序法进行排序的过程。
解：首先将无序序列建初堆，过程如图 8.11所示。（在 “三、建初堆” 的 “（一）举例说明” 处）
在初始大根堆的基础上，反复交换堆顶元素和最后一个元素，然后重新调整堆，直至最后得到一个有序序列，整个堆排序过程如下图所示。
（三）算法分析
1、时间复杂度
堆排序的运行时间主要耗费在建初堆和调整堆时进行的反复“筛选”上。
设有 n 个记录的初始序列所对应的完全二叉树的深度为 h，建初堆时，每个非终端结点都要自上而下进行“筛选”。
由于第 i 层上的结点数小于等于 ，且第 i 层结点最大下移的深度为 h - i ，每下移一层要做两次比较，所以建初堆时关键字总的比较次数为
所以，在建含 n 个元素的堆时，关键字的比较总次数不超过 4n。
调整建新堆时要做 n - 1 次“筛选”， 每次“筛选"都要将根结点下移到合适的位置。n个结点的完全二叉树的深度为 ，则重建堆时关键字总的比较次数不超过
由此，堆排序在最坏的情况下，其时间复杂度也为 。实验研究表明，平均性能接近于最坏性能。
2、空间复杂度
仅需一个记录大小供交换用的辅助存储空间，所以空间复杂度为 O(1)。
（四）算法特点
1、是不稳定排序。
2、只能用于顺序结构，不能用于链式结构。
3、初始建堆所需的比较次数较多，因此记录数较少时不宜采用。堆排序在最坏情况下时间复杂
度为 ，相对于快速排序最坏情况下的
而言是一个优点， 当记录较多时较为高效。
五、练习
1、数据表中有10000个元素，如果仅要求求出其中最大的10个元素，则采用（ D ）算法最节省时间。
A. 希尔排序 B. 快速排序 C. 冒泡排序 D. 堆排序
2、下列关键字序列中，（ D ）是堆。
A. 16，72，31，23，94，53 B. 94，23，31，72，16，53
C. 16，53，23，94，31，72 D. 16，23，53，31，94，72
解：如下图：
3、有组记录的排序码为（46，79，56，38，40，84），则利用堆排序的方法建立的初始堆为（ B ）
A. 79，46，56，38，40，84 B. 84，79，56，38，40，46
C. 84，79，56，46，40，38 D. 84，56，79，40，46，38
解：建初堆， 利用筛选法，从最后一个分支结点 开始，依次将序号为
、
、...、1 的结点作为根的子树都调整为堆即可。 则如下图：
4、已知关键字序列 5, 8, 12, 19, 28, 20, 15, 22 是小根堆，插入关键字3，调整后得到的小根堆是( A )
A. 3，5，12，8，28，20，15，22，19
B. 3，5，12，19，20，15，22，8，28
C. 3，8，12，5，20，15，22，28，19
D. 3，12，5，8，28，20，15，22，19
解：如下图：
5、下列关于大根堆（至少含 2个元素）的叙述中，正确的是（ C ）
Ⅰ. 可以将堆看成一棵完全二叉树
Ⅱ. 可以采用顺序存储方式保存堆
Ⅲ. 可以将堆看成一棵二叉排序树
Ⅳ. 堆中的次大值一定在根的下一层
A. 仅Ⅰ、Ⅱ B. 仅Ⅱ、Ⅲ C. 仅Ⅰ、Ⅱ和Ⅳ D.Ⅰ、Ⅲ和Ⅳ
解：针对 Ⅲ，大根堆只要求根结点值大于左右孩子值，并不要求左右孩子值有序。其余选项可在本文找到答案。
6、已知小根堆为 8，15，10，21，34，16，12，删除关键字8之后需重建堆，在此过程中，关键字之间的比较次数是（ C ）
A. 1 B. 2 C. 3 D. 4
解： 删除8后，将12移动到堆顶，第一次是15和10比较，第二次是10和12比较并交换，第三次还需比较12和16，故比较次数为3。如下图所示。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！