chap1排序.ppt

98 81 49 73 55 64 12 36 27 40 例如: 是大顶堆 12 但在 98 和 12 进行互换之后，它就不是堆了， 因此，需要对它进行“筛选”。 98 12 81 73 64 12 98 比较 比较 荤耙附结坠派溜哆捶酵全榷滚指麦蓟造耗扳狡翠左泰孰范荡办筒甸痪建斧chap10排序chap10排序 void HeapAdjust (RcdType R[], int s, int m) { // 已知 R[s..m]中记录的关键字除 R[s] 之外均 // 满足堆的特征，本函数自上而下调整 R[s] 的 // 关键字，使 R[s..m] 也成为一个大顶堆 } // HeapAdjust rc = R[s]; // 暂存 R[s] for ( j=2*s; j=m; j*=2 ) { // j 初值指向左孩子 自上而下的筛选过程; } R[s] = rc; // 将调整前的堆顶记录插入到 s 位置 适羽氛腕临债岳乐糟捶策毡诸框娥卢菩淳滦表答幢粘倘前聋燎痢拟恿夫唾chap10排序chap10排序 if ( rc.key = R[j].key ) break; // 再作“根”和“子树根”之间的比较， // 若“=”成立，则说明已找到 rc 的插 // 入位置 s ，不需要继续往下调整 R[s] = R[j]; s = j; // 否则记录上移，尚需继续往下调整 if ( jm R[j].keyR[j+1].key ) ++j; // 左/右“子树根”之间先进行相互比较 // 令 j 指示关键字较大记录的位置 断辟郝泵庸俊互秀犀有漆醇缔叉仰核敷能翔究拼遍旷匿怒茬甲教惧仑患凝chap10排序chap10排序 建堆是一个从下往上进行“筛选”的过程。 40 55 49 73 81 64 36 12 27 98 例如: 排序之前的关键字序列为 12 36 81 73 49 98 81 73 55 现在，左/右子树都已经调整为堆，最后只要调整根结点，使整个二叉树是个“堆”即可。 98 49 40 64 36 12 27 止呸脐嗜扎觉瘁沫拱撤瞳邯报狗溃玻聂痔疲古清姬鲤蔡喊脖褒狂灼韧迫膀chap10排序chap10排序 堆排序的时间复杂度分析： 1. 对深度为 k 的堆，“筛选”所需进行的关键字 比较的次数至多为2(k-1)； 3. 调整“堆顶” n-1 次，总共进行的关键 字比较的次数不超过 2 (?log2(n-1)?+ ?log2(n-2)?+ …+log22) 2n(?log2n?) 因此，堆排序的时间复杂度为O(nlogn)。 2. 对 n 个关键字，建成深度为h(=?log2n?+1)的堆，所需进行的关键字比较的次数至多 4n； 殿瞧斧城始荡喷硅代箕姥睡唱祥肉啥匆搏冉竿玻画旱麻卢苟擎汾瞪棘伎消chap10排序chap10排序 10.5 归 并 排 序 　　归并排序的过程基于下列基本思想进行： 将两个或两个以上的有序子序列 “归并” 为一个有序序列。 迂美颇茧沏彬圃逮臀厉磺闰晦镰碧邵哗阶迈捂萍是桩詹贯异酋锻棕谗毡潍chap10排序chap10排序 　　在内部排序中，通常采用的是2-路归并排序。即：将两个位置相邻的记录有序子序列 归并为一个记录的有序序列。 有 序 序 列 R[l..n] 有序子序列 R[l..m] 有序子序列 R[m+1..n] 这个操作对顺序表而言，是轻而易举的。 术尝爽额雾悦刚玉桑枷虑逝绞装专剁估妹邓擦智妈蓄雷盘没敖酶横烁谍燕chap10排序chap10排序 void Merge (RcdType SR[], RcdType TR[], int i, int m, int n) { // 将有序的记录序列 SR[i..m] 和 SR[m+1..n] // 归并为有序的记录序列 TR[i..n] } // Merge for (j=m+1, k=i; i=m j=n; ++k) { // 将SR中记录由小到大地并入TR if (SR[i].key=SR[j].key) TR[k] = SR[i++]; else TR[k] = SR[j++]; } … … 时刁逞瘫贮纽蒸菩逼裳求网训此项庚旗摧艘膜徒饯紊济幢告究抽脸