一.堆-完全二叉树 堆排序是利用堆这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为O(nlogn),是不稳定排序 堆排序中的堆有大顶堆.小顶堆两种.他们都是完全二叉树 将该堆按照排序放入列表 1. 大顶堆: 所有的父节点的值都比孩子节点大,叶子节点值最小.root 根节点是第一个节点值最大 2. 小顶堆: 和大顶堆相反,所有父节点值,都小于子节点值,root 根节点是 第一个节点值最小   二.堆排序 基本思路:将待排序序列构造成一个大顶堆,此时,整个序

#归并排序 def mergeSort(a,L,R) :     if(L>=R) :         return     mid=((L+R)>>1)     mergeSort(a,L,mid)     mergeSort(a,mid+1,R)     p=L     q=mid+1     t=[]     while(p<=mid and q<=R) :         if a[p]<=a[q] :             t.append(a[p])   

题目描述 给定一个整数数组a[0,...,n-1],求数组中第k小数 输入描述 首先输入数组长度n和k,其中1<=n<=5000, 1<=k<=n 然后输出n个整形元素,每个数的范围[1, 5000] 输出描述 该数组中第k小数 样例输入 4 2 1 2 3 4 样例输出 2 其实可以用 堆 来做,保证根节点为最小值,然后逐步剔除.不过当然也可以直接排序.权当熟悉一下STL: #include <vector> #include <algorithm> #i

对一个数组中的元素按照顺序构建二叉树,就形成了一个(二叉)堆.(二叉树是虚拟的,并不是真的建立二叉树) 表示堆的数组A有两个重要属性:A.heapSize,表示堆里面有多少元素,数组里有多少元素在堆里  A.length,表示数组长度 例如数组A= {1,2,3,4,5,6,7,8,9,10},此时A.heapSize = A.length.除了最后一层之外,这个二叉树是完满的 最大堆:父节点的值总是不小于子节点的值,反应在数组中就是A[i]>=A[2i+1] && A[i]>

个人博客地址:http://kyle.org.cn/2018/03/13/heapsort/ Java实现泛型堆排算法,用于N个对象中选择最大或者最小的前M个,其中M<=N 类似于Mysql中order by + limit的功能,如果有类似场景的需求,可以直接拷贝到项目中使用 Github源码地址:https://github.com/Kyle-Wilson1/Algorithm_Java/tree/master/heapsort 工程目录结构 BootStrap:启动类,测试入口 Node:

P1177 [模板]快速排序 不用说,连题目上都标了是一道模板,那今天就来对能用到的许多排序方式进行一个总结: 选择排序 选择排序(Selection sort)是一种简单直观的排序算法.它的工作原理是每一次从待排序的数据元素中选出最小(或最大)的一个元素,存放在序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾.以此类推,直到全部待排序的数据元素排完. 选择排序是不稳定的排序方法.(稳定不稳定最后再讲) 这是选择排序的思想:每一趟在n-i+1(i=1,2

对冒泡.快排.堆排这3个算法做了验证,结果分析如下: 一.结果分析 时间消耗:快排 < 堆排 < 冒泡. 空间消耗:冒泡O(1) = 堆排O(1) < 快排O(logn)~O(n) . 应用推荐: 1.速度最快.且允许占用少量的空间:选快排. 2.速度快且空间最小(O(1)):选堆排. 3.要求相同大小的元素顺序不能变更:选冒泡. 4.完全不考虑空间消耗的:用基排(极限情况下时间O(n),限制较多,不单独说了). 冒泡排序: 优点:稳定.空间复杂度O(1) 缺点:慢 时间复杂度最好为n(

C++ Primer 学习中. . . 简单记录下我的学习过程 (代码为主) /***************************************** STL-算法--Heap算法 堆排序算法 (heapsort) make_heap()         //把容器内的数据做堆排序 push_heap()         //向堆内放入元素 pop_heap()          //删除堆顶元素 sort_heap()         //把堆排还原成普通排序 **********

堆排其实就是选择排序,只不过用了完全二叉树特性. 堆排思想 : 利用完全二叉树特性建堆和重复选择调整来得到有序数组. 完全二叉树有什么特性呢? 节点左对齐 ---> 层序遍历不会出现空,可以用数组表达(访问效率高) 那么可以将它映射到数组上,并且遵循一个规律: 设i为当前节点索引,     i->left = 2*i+1              i->right = 2*i+2   可得--> i = (i->left-1)/2 = (i->right-2)/2  =

堆排 堆排是基于二叉树而得来的 例如:对一个数组 可以转为二叉树:       二叉树特性父节点为 i ,  左叶子节点为2i+1:右叶子节点为2i+2; 步骤分解: 1. 先从第一个非叶子节点(即下标为(length-1-1)/2 即6)开始,把大的值往父节点调整     经过一轮调整之后 最大的值此时在根节点处(即arr[0]): 2.根节点数和数组最后一个元素进行交换,此时数组中最大的值在最后一位,一个有序元素产生, 3.反复进行此过程,再次交换时和未被排序的最后一个元素交换,直至数组有序

1. #define LeftChild(i) (2*(i)+1) void PercDown(vector<int>&num, int i, int n) { int child; int tmp; for (tmp = num[i]; LeftChild(i) < n; i = child) { child = LeftChild(i); if (child != n - 1 && num[child + 1] > num[child]) child++

import random import time from heapq import heappush, heappop def heapsort(iterable): h = [] for value in iterable: heappush(h, value) return [heappop(h) for i in range(len(h))] if __name__=="__main__": time_start = time.time() array = [random.r

本文就是介绍一些常见的排序算法.排序是一个非常常见的应用场景,很多时候,我们需要根据自己需要排序的数据类型,来自定义排序算法,但是,在这里,我们只介绍这些基础排序算法,包括:插入排序.选择排序.冒泡排序.快速排序(重点).堆排序.归并排序等等.看下图: 给定数组:int data[] = {9,2,7,19,100,97,63,208,55,78} , , , , , , , , ,  }; public static void insertSort() { int tmp, j = ; for

简单插入排序 适用于记录较少且基本有序的记录.算法思想:给定一个存在分界线的序列,分界线左边有序,右边无序,依次将右边的没排序的数与左边序列进行比较,插入相应位置,再对分界线做出相应调整,下面用图来说明. 代码如下: 时间复杂度:最好情况O(n),最坏O(n^2). 希尔排序 希尔排序是改进后的简单插入排序.算法思想:将序列分组排序,最后在进行一次简单插入排序. 至于如何分组,下面我将用图向大家展示 这些数的下标从0开始,即0,3 ,6,9为一组,1,4,7为一组,2,5,8为一组.也就是gap

这篇博客源自对一个内存无法处理的词频统计问题的思考,最后给出的解决办法是自己想的,可以肯定这不是最好的解法.但是通过和同学的讨论,仍然感觉这是一个有意义及有意思的问题,所以和大家分享与探讨. 如果有误,请大家指正.如果有更好的方法,望不吝赐教. 1.提出问题 实际问题: 当前有10T中文关键词数据,需要统计出词频最高的1000个词.可用的只有1G内存和磁盘.那么如何提取? 大概估算一下这个问题,设中文词汇平均长度2.3,每次汉字用utf-8编码是3B,那么10T数据大概有 10T/7B ~ 1.

快排 Array.prototype.fastSort = function(){ var arr = this; function sort(left, right, arr){ if( left >= right){ return; } var key = arr[left]; var i = left; var j = right; while(i < j){ while(i < j && arr[j] >= key){ j--; } arr[i] = arr

今天跟着左老师的视频,理解了四种复杂度为 O(N*log(N))的排序算法,以前也理解过过程,今天根据实际的代码,感觉基本的算法还是很简单的,只是自己写的时候可能一些边界条件,循环控制条件把握不好. //对于一个int数组,请编写一个选择冒泡算法,对数组元素排序. //给定一个int数组A及数组的大小n,请返回排序后的数组. //测试样例: //[1, 2, 3, 5, 2, 3], 6 //[1, 2, 2, 3, 3, 5] #include <iostream> using namesp

用python写了个快排,第一次发现python居然可以这么简洁. def quicksort(arr): if len(arr) <= 1: return arr pivot = arr[len(arr)//2] left = [x for x in arr if x<pivot] middle = [x for x in arr if x==pivot] right = [x for x in arr if x>pivot] return quicksort(left) + midd

Python 二叉堆(binary heap) 二叉堆是一种特殊的堆,二叉堆是完全二叉树或者是近似完全二叉树.二叉堆满足堆特性:父节点的键值总是保持固定的序关系于任何一个子节点的键值,且每个节点的左子树和右子树都是一个二叉堆. 当父节点的键值总是大于或等于任何一个子节点的键值时为最大堆. 当父节点的键值总是小于或等于任何一个子节点的键值时为最小堆. 二叉堆的存储 二叉堆一般用数组来表示.如果根节点在数组中的位置是1,第n个位置的子节点分别在2n和 2n+1.因此,第1个位置的子节点在2和3,第2

堆的概念 优先队列(priority queue)是一种特殊的队列,取出元素的顺序是按照元素的优先权(关键字)大小,而不是进入队列的顺序,堆就是一种优先队列的实现.堆一般是由数组实现的,逻辑上堆可以被看做一个完全二叉树(除底层元素外是完全充满的,且底层元素是从左到右排列的). 堆分为最大堆和最小堆,最大堆是指每个根结点的值大于左右孩子的节点值,最小堆则是根结点的值小于左右孩子的值. 下面就开始用python实现一个小根堆. 最小堆的实现 堆的架构: 堆的核心操作就是插入和删除堆顶元素,除了这些还