手把手详解堆排序，堆就这么难懂？没有人看一遍学不会的，如果学不会，那就两遍吧
1. 先驗知識
堆排序，是使用一種 堆 數據結構的排序算法。在了解堆排序前，建議先掌握二叉樹相關知識，不然很費勁，很迷茫。
好了，話不多說。接下來先講一講 堆 這種數據結構的特點。主要有兩點：①堆是一顆完全二叉樹；②堆有大頂堆和小頂堆之分。
1.1 滿二叉樹
在講完全二叉樹之前，需要先了解一下 滿二叉樹，滿二叉樹就是一顆二叉樹，每一層的節點都是“滿”的，如下圖。
?
1.2 完全二叉樹
將樹中的節點從上至下，從左至右順序編號，如果和滿二叉樹相同編號節點的位置相同，那么就是完全二叉樹，如下圖。
?
1.3 大頂堆和小頂堆
大頂堆，很明顯就是頂點數據比較大的堆；小頂堆則是頂點數據比較小的堆。話不多說，看圖。
?
2. 堆排序
好了，第一節費了點時間，如果還不夠詳細的地方，可以評論或者自己網頁搜索一下哈，再不進入主題，黃花菜都涼了。不知道大家根據前面講解的大頂堆和小頂堆得到什么結論沒有？如果沒有結論，那我這里幫你總結一下，主要有兩點：①大頂堆和小頂堆從上至下，從左至右不是完全有序的，如上面大頂堆掃描得到 {34, 18, 23, 12, 8}；小頂堆得到 {3, 9, 7, 9, 12}；②大頂堆的根節點是最大值，小頂堆的根節點是最小值。
根據大頂堆的根節點是最大值這個特性，我們可以通過得到大頂堆，取出根節點，然后循環調整大頂堆取出根節點即可得到有序數列。同理，小頂堆也可以。一般大頂堆適用于升序排序，小頂堆適用于降序排序，不是很好分析為什么，下面走一遍你就會體會到，如果沒有體會，我們后面再分析；
2.1 堆排序原理
?以大頂堆對數組進行升序排序為例。
① 將待排序數組調整為大頂堆；
② 此時根節點是最大值，交換根節點(數組首元素)和末尾節點(數組待排序元素的最后一個元素，示例會詳細說明)；
③ 因為根節點和末尾節點交換了數據，需要重新對根節點開始遞歸調整，其它節點沒有變化不需要調整；
④ 重復第②和③步驟，直到最后剩下一個待排序元素。
到這是不是有點理解堆排序的原理，什么？還是一臉懵！那就只能開始分析示例了，接下來我們實際走一遍堆排序的流程。
?
2.2 堆排序示例
假設初始無序數組arr =?{3, 9, 13, 7, 1, 16, 3, 11}，根據完全二叉樹的構建規則，得到數組對應的完全二叉樹形式如下。
?
2.2.1 將數組調整為大頂堆
① 得先將該數組調整為大頂堆形式對應的數組，怎么將完全二叉樹調整為大頂堆呢？我們知道大頂堆的節點值要大于或等于子節點值，所以我們得從樹的最底層開始，慢慢地把數值大的節點往上放，最終最大值放在根節點。
② 我們從哪個節點開始調整呢？對于每一個節點，它要和子節點比較，判斷是否小于子節點，如果小于子節點則交換，否則不調整。所以我們從擁有子節點的節點開始，也就是非葉子節點。
③ 通過完全二叉樹的結構圖，我們知道是從 第三層的7 開始調整。但如果是寫代碼，那我們怎么“確定”是 第三層的7 呢？
④ 得益于完全二叉樹的結構，下標為index的節點，它的父節點下標是 (index - 1) / 2，左子節點下標是 2 * index + 1，右子節點下標是 2 * index + 2；完全二叉樹的最后一個節點，它肯定沒有子節點，那么我們可以有個策略：從完全二叉樹的最后一個節點往前遍歷，每次遍歷一個節點，我們就尋找它的父節點，然后父節點和左右子節點進行比較、調整，直到根節點。這樣最終我們就能得到一個大頂堆。
⑤ 第一次，我們從完全二叉樹最后一個節點開始，它在數組的下標是 arr.length - 1 = 7，它的父節點在數組arr中的下標可推算得?(arr.length - 1 - 1) / 2 = 3，剛好是完全二叉樹 第三層的7 的編號。
⑤ 完全二叉樹 第三層的7 小于左子節點 第四層的11，也就是數組 arr[3]?< arr[2 * 3 + 1]；所以交換，得到 arr = {3, 9, 13, 11, 1, 16, 3, 7}，對應的完全二叉樹如下
?
⑥ 第二次，我們從完全二叉樹倒數第二個節點分析，也就是數組索引往前，指向 arr.length - 2 = 6，它的父節點在數組下標可推算得 (arr.length - 2 -1) / 2 = 2，指向完全二叉樹?第二層的13。
⑦ 由于完全二叉樹 第二層的13 小于左子節點 第三層的16，也就是 arr[2] < arr[2 * 2 + 1]?，交換得 arr = {3, 9, 16, 11, 1, 13, 3, 7}，對應的完全二叉樹如下
?
⑧ 接下來同樣處理即可，就不再具體描述，以下只做簡單分析。
⑨ 第三次，完全二叉樹倒數第三個節點 第三層的13 ，也就是數組索引為 arr.length - 3 = 5，該節點的父節點 第二層16 ，數組的下標是 (arr.length - 3 - 1) / 2 = 2。滿足條件不需要調整。
⑩ 第四次，完全二叉樹倒數第四個節點 第三層的1?，也就是數組索引為 arr.length - 4?= 4，該節點的父節點是 第二層9?，數組的下標是 (arr.length - 4 - 1) / 2 = 1。
11. 由于 第二層的9 小于左子節點 第三層的11， 也就是 arr[1] < arr[1 * 2 + 1]，進行交換；交換完之后，得到 arr = {3, 11, 16, 9, 1, 13, 3, 7}，對應的完全二叉樹如下。
?
12. 此時還應遞歸判斷完全二叉樹剛交換完得到的 第三層的9 是不是符合大頂堆要求，我們這個示例剛好符合，則結束遞歸，否則要遞歸判斷并調整。
13.?第五次，完全二叉樹倒數第五個節點 第三層的9?，也就是數組索引為 arr.length - 5?= 3，該節點的父節點是 第二層11?，數組的下標是 (arr.length - 5 - 1) / 2 = 1。滿足條件不需要調整。
14.?第六次，完全二叉樹倒數第六個節點 第二層的16?，也就是數組索引為 arr.length - 6?= 2，該節點的父節點是 根節點3?，數組的下標是 (arr.length - 6 - 1) / 2 = 0。
15. 由于 根節點3?小于右子節點 第二層的16， 也就是 arr[0] < arr[0 * 2 + 2]，進行交換；交換完之后，得到 arr = {16, 11, 3, 9, 1, 13, 3, 7}，對應的完全二叉樹如下。
?
16. 此時還應遞歸判斷完全二叉樹剛交換完得到的 第二層的3 是不是符合大頂堆要求，我們發現節點 第二層的3 小于左子節點 第三層13，也就是 arr[0 * 2 + 2] < arr[(0 * 2 + 2) * 2 + 1]，進行交換。
17. 交換后得到 arr = {16, 11, 13, 9, 1, 3, 3, 7}，對應的完全二叉樹如下。
?
18. 遞歸判斷剛交換完的 第三層3 是不是符合大頂堆要求，我們發現它沒有子節點，并且推算的子節點下標超出了數組的末尾索引，結束遞歸。
19. 因為我們剛剛調整的就是根節點，所以結束掃描。最終大頂堆結構圖如上圖所示，數組?arr = {16, 11, 13, 9, 1, 3, 3, 7}
至此，我們完成了一次數組調整為大頂堆的流程。
?
但是上面的分析是從最后一個節點慢慢往前掃描、調整，效率有點低。但事實上由于完全二叉樹的特點，我們可以直接從最后一個節點(一定是葉子節點)的父節點(這個節點是完全二叉樹的最后一個非葉子節點，它后面的節點都是葉子節點，不用調整)開始往前掃描、調整?？梢宰屑毸伎?、理解一下，我就不詳細解釋了。
?
2.2.2 將大頂堆的根節點與末尾節點進行交換
在進行了2.2.1之后，我們得到了大頂堆，此時我們需要保存大頂堆根節點(最大值)，保存之后，我們還需要對剩下的數據進行調整得到大頂堆，再保存大頂堆根節點，周而復始，直到最后只有一個元素，此時不需要再排序，結束。問題來了，每次保存大頂堆根節點很簡單，我們可以新建一個數組，然后依次將數據保存在該數組即可。我們同時需要將該根節點從數組中“刨除”，然后對剩余數據繼續調整為大頂堆。如我們上面得到的數組為{16, 11, 13, 9, 1, 3, 3, 7}，如果把數組首元素“刨除”，也就是“刨除”大頂堆根節點。那么我們接下來需要對剩余元素{11, 13, 9, 1, 3, 3, 7}進行排序，我們需要重新構建完全二叉樹，并且調整為大頂堆，然后保存大頂堆根節點，然后再將該元素“刨除”，周而復始對剩余數據構建、調整。
?
但是這樣有點復雜，效率不夠高，因為我們第一次得到的大頂堆是大致有序的，如果后續每次都要“刨除”根節點，重新構建、調整的話，效率大打折扣。所以這里有一個操作：直接將數組首元素和數組末尾元素進行交換。這樣交換之后，我們只對數組下標為?0——arr.length-2 的元素進行調整，并且只需要對大頂堆的根節點遞歸調整即可，因為其它的節點經過第一次調整已經滿足大頂堆的需求，這樣既簡單又高效。
?
2.3 堆排序的Java代碼
分析了這么多，終于來到了碼代碼階段，以下是Java的堆排序代碼、相關代碼解釋以及排序效果，如下圖。
?
總結
以上是生活随笔為你收集整理的手把手详解堆排序，堆就这么难懂？没有人看一遍学不会的，如果学不会，那就两遍吧的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 八皇后问题的Java递归算法
- 下一篇： 线性结构(顺序存储和链式存储)和非线性结