堆排序法
堆排序
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),它也是不稳定排序。首先简单了解下堆结构。
堆
堆是具有以下性质的完全二叉树:每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆;或者每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆。
推荐课程:PHP教程。
如下图:
同时,我们对堆中的结点按层进行编号,将这种逻辑结构映射到数组中就是下面这个样子
该数组从逻辑上讲就是一个堆结构,我们用简单的公式来描述一下堆的定义就是:
大顶堆:arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2]
小顶堆:arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2]
堆排序的基本思想是:
将待排序序列构造成一个大顶堆,此时,整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换,此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个堆,这样会得到n个元素的次小值。如此反复执行,便能得到一个有序序列了
Atas ialah kandungan terperinci 堆排序法. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



deque dalam Python ialah deque peringkat rendah, sangat dioptimumkan yang berguna untuk melaksanakan baris gilir dan susunan Pythonic yang elegan dan cekap, yang merupakan jenis data berasaskan senarai yang paling biasa dalam pengkomputeran. Dalam artikel ini, Yun Duojun akan mempelajari perkara berikut bersama-sama anda: Mula menggunakan deque untuk memunculkan dan menambahkan elemen dengan berkesan. Gunakan deque untuk membina baris gilir yang cekap senarai Python dan elemen pop timbul Operasi secara amnya sangat Cekap. Jika kerumitan masa dinyatakan dalam Big O, maka kita boleh mengatakan bahawa ia adalah O(1). Dan apabila Python perlu memperuntukkan semula memori untuk meningkatkan senarai asas untuk menerima elemen baharu, ini

Perbezaan: 1. Ruang timbunan biasanya diperuntukkan dan dikeluarkan oleh pengaturcara manakala ruang timbunan diperuntukkan dan dikeluarkan secara automatik oleh sistem pengendalian. 2. Timbunan disimpan dalam cache peringkat kedua, dan kitaran hayatnya ditentukan oleh algoritma pengumpulan sampah mesin maya manakala timbunan menggunakan cache peringkat pertama, yang biasanya berada dalam ruang storan apabila ia dipanggil , dan dikeluarkan serta-merta selepas panggilan selesai. 3. Struktur data adalah berbeza boleh dianggap sebagai pokok, manakala tindanan ialah struktur data masuk pertama dan terakhir.

Perbezaan antara timbunan dan timbunan: 1. Kaedah peruntukan memori adalah berbeza Timbunan diperuntukkan secara manual dan dikeluarkan oleh pengaturcara, manakala timbunan diperuntukkan dan dikeluarkan secara automatik oleh sistem pengendalian timbunan ditetapkan, manakala timbunan diperuntukkan dan dikeluarkan secara automatik oleh sistem pengendalian Saiznya berkembang secara dinamik 3. Kaedah capaian data adalah berbeza capaian dicapai melalui nama pembolehubah; 4. Kitaran hayat data , Dalam timbunan, kitaran hayat data boleh menjadi sangat panjang, manakala dalam timbunan, kitaran hayat pembolehubah ditentukan oleh skop di mana ia berada.

Perbezaan antara timbunan Java dan timbunan: 1. Peruntukan dan pengurusan memori 2. Kandungan storan 3. Pelaksanaan benang dan kitaran hayat; Pengenalan terperinci: 1. Peruntukan dan pengurusan memori Java heap ialah kawasan memori yang diperuntukkan secara dinamik, terutamanya digunakan untuk menyimpan contoh objek Dalam Java, objek diperuntukkan melalui memori timbunan Apabila objek dicipta, mesin maya Java Alokasikan memori yang sepadan ruang pada sistem dan secara automatik melaksanakan pengumpulan sampah dan pengurusan memori Saiz timbunan boleh dilaraskan secara dinamik pada masa jalan, dikonfigurasikan melalui parameter JVM, dsb.

Timbunan dan baris gilir keutamaan ialah struktur data yang biasa digunakan dalam C++, dan kedua-duanya mempunyai nilai aplikasi yang penting. Artikel ini akan memperkenalkan dan menganalisis timbunan dan baris gilir keutamaan masing-masing untuk membantu pembaca memahami dan menggunakannya dengan lebih baik. 1. Heap ialah struktur data pokok khas yang boleh digunakan untuk melaksanakan baris gilir keutamaan. Dalam timbunan, setiap nod memenuhi sifat berikut: nilainya tidak kurang daripada (atau tidak lebih besar daripada) nilai nod induknya. Subpohon kiri dan kanannya juga timbunan. Kami memanggil timbunan yang tidak lebih kecil daripada nod induknya sebagai "timbunan min" dan timbunan yang tidak lebih besar daripada nod induknya sebagai "timbunan maks"

Struktur data timbunan dalam PHP ialah struktur pokok yang memenuhi ciri pokok binari dan timbunan yang lengkap (nilai nod induk lebih besar/kurang daripada nilai nod anak), dan dilaksanakan menggunakan tatasusunan. Timbunan menyokong dua operasi: pengisihan (mengekstrak elemen terbesar dari kecil ke besar) dan baris gilir keutamaan (mengekstrak elemen terbesar mengikut keutamaan Sifat timbunan dikekalkan melalui kaedah heapifyUp dan heapifyDown).

Apakah senario penggunaan timbunan dan baris gilir keutamaan dalam Python? Timbunan ialah struktur pokok binari khas yang sering digunakan untuk mengekalkan koleksi dinamik dengan cekap. Modul heapq dalam Python menyediakan pelaksanaan timbunan dan boleh melaksanakan operasi timbunan dengan mudah. Baris keutamaan juga merupakan struktur data khas Tidak seperti baris gilir biasa, setiap elemennya mempunyai keutamaan yang dikaitkan dengannya. Elemen keutamaan tertinggi dikeluarkan dahulu. Modul heapq dalam Python juga boleh melaksanakan fungsi baris gilir keutamaan. Di bawah ini kami memperkenalkan beberapa

Dengan perkembangan sains komputer, struktur data telah menjadi subjek penting. Dalam pembangunan perisian, struktur data adalah sangat penting Mereka boleh meningkatkan kecekapan dan kebolehbacaan program, dan juga boleh membantu menyelesaikan pelbagai masalah. Dalam bahasa Go, struktur data seperti timbunan, tindanan, kamus dan pokok merah-hitam juga sangat penting. Artikel ini akan memperkenalkan struktur data ini dan pelaksanaannya dalam bahasa Go. Heap ialah struktur data klasik yang digunakan untuk menyelesaikan masalah baris gilir keutamaan. Barisan keutamaan merujuk kepada baris gilir yang apabila mengeluarkan elemen adalah