一、树与二叉树基础概念
1.1 树的基本结构
树是一种非线性的数据结构，由n（n≥0）个节点组成的有穷集合。当n=0时称为空树，非空树具有以下特性：
有且仅有一个根节点
其余节点可分为m（m≥0）个互不相交的有限集合
1.2 二叉树定义与特性
二叉树是每个节点最多有两个子树的树结构，通常称为左子树和右子树。
重要概念：
孩子节点：一个节点的直接下级节点
父节点：拥有孩子节点的上级节点
叶子节点：没有孩子节点的节点（终端节点）
分支节点：至少有一个孩子节点的节点
1.3 完全二叉树与满二叉树
满二叉树：所有层都达到最大节点数的二叉树
完全二叉树：除最后一层外，其他层都是满的，且最后一层节点尽量靠左排列
二、堆的基本概念与特性
2.1 堆的定义
堆是一种特殊的完全二叉树，满足以下性质：
大顶堆：每个节点的值都大于或等于其孩子节点的值
小顶堆：每个节点的值都小于或等于其孩子节点的值
2.2 堆的数组表示
由于堆是完全二叉树，可以用数组高效存储：
节点i的左孩子：2*i + 1
节点i的右孩子：2*i + 2
节点i的父节点：(i-1)/2
三、堆排序算法原理
3.1 算法核心思想
堆排序利用堆的特性进行排序，主要步骤：
构建初始堆（大顶堆或小顶堆）
将堆顶元素与末尾元素交换
调整剩余元素为新堆
重复步骤2-3直到排序完成
3.2 排序过程图解
以数组 [4, 10, 3, 5, 1] 构建大顶堆为例：
初始数组: [4, 10, 3, 5, 1]
树形表示:4/ \10 3/ \5 1构建大顶堆过程:
1. 调整节点1(10): 已满足4/ \10 3/ \5 12. 调整节点0(4): 与10交换10/ \4 3/ \5 13. 调整节点1(4): 与5交换10/ \5 3/ \4 1最终大顶堆: [10, 5, 3, 4, 1]四、堆排序详细过程
4.1 建堆过程
从最后一个非叶子节点开始，自底向上调整堆。
4.2 排序过程
交换堆顶与末尾元素
堆大小减1
调整堆结构
重复直到堆大小为1
五、堆排序C语言实现
5.1 基础堆排序实现
#include
void adjustHeap(int arr[], int i, int n) {int temp = arr[i];for (int k = 2 * i + 1; k < n; k = 2 * k + 1) {if (k + 1 < n && arr[k] < arr[k + 1]) k++;if (arr[k] > temp) {arr[i] = arr[k];i = k;} else break;}arr[i] = temp;
}
void heapSort(int arr[], int n) {for (int i = n / 2 - 1; i >= 0; i--) adjustHeap(arr, i, n);for (int j = n - 1; j > 0; j--) {int temp = arr[0];arr[0] = arr[j];arr[j] = temp;adjustHeap(arr, 0, j);}
}
void printArray(int arr[], int n) {for (int i = 0; i < n; i++) printf("%d ", arr[i]);printf("\n");
}
int main() {int arr[] = {4, 10, 3, 5, 1};int n = sizeof(arr) / sizeof(arr[0]);printf("原数组: ");printArray(arr, n);heapSort(arr, n);printf("排序后: ");printArray(arr, n);return 0;
} 5.2 优化版本实现
#include
void swap(int *a, int *b) {int temp = *a;*a = *b;*b = temp;
}
void heapify(int arr[], int n, int i) {int largest = i;int left = 2 * i + 1;int right = 2 * i + 2;if (left < n && arr[left] > arr[largest]) largest = left;if (right < n && arr[right] > arr[largest]) largest = right;if (largest != i) {swap(&arr[i], &arr[largest]);heapify(arr, n, largest);}
}
void optimizedHeapSort(int arr[], int n) {for (int i = n / 2 - 1; i >= 0; i--) heapify(arr, n, i);for (int i = n - 1; i >= 0; i--) {swap(&arr[0], &arr[i]);heapify(arr, i, 0);}
}
int main() {int arr[] = {9, 4, 2, 7, 1, 8, 3};int n = sizeof(arr) / sizeof(arr[0]);printf("原数组: ");for (int i = 0; i < n; i++) printf("%d ", arr[i]);printf("\n");optimizedHeapSort(arr, n);printf("排序后: ");for (int i = 0; i < n; i++) printf("%d ", arr[i]);printf("\n");return 0;
} 六、复杂度分析与性能比较
6.1 时间复杂度分析
建堆过程：O(n)
调整堆：每次调整O(logn)，共n-1次
总时间复杂度：O(nlogn)
6.2 空间复杂度分析
空间复杂度：O(1) - 原地排序
6.3 稳定性分析
堆排序是不稳定的排序算法，因为交换堆顶和末尾元素时可能改变相同元素的相对顺序。
七、堆排序与其他排序算法比较
| 特性 | 堆排序 | 快速排序 | 归并排序 |
|---|---|---|---|
| 时间复杂度 | O(nlogn) | O(nlogn) | O(nlogn) |
| 空间复杂度 | O(1) | O(logn) | O(n) |
| 稳定性 | 不稳定 | 不稳定 | 稳定 |
| 适用场景 | 内存受限 | 通用场景 | 需要稳定 |
八、使用注意事项与最佳实践
8.1 适用场景
内存敏感环境：空间复杂度O(1)
需要保证最坏情况性能：始终O(nlogn)
实时系统：可预测的性能表现
大数据处理：适合外部排序
8.2 注意事项
不稳定排序：相同元素可能改变顺序
常数因子较大：实际运行可能比其他O(nlogn)算法慢
缓存不友好：数组访问模式跳跃
实现复杂度：相比简单排序较复杂
8.3 最佳实践建议
// 推荐的堆排序模板
void recommendedHeapSort(int arr[], int n) {if (n <= 1) return;for (int i = n / 2 - 1; i >= 0; i--) {int parent = i;int temp = arr[parent];int child;while ((child = 2 * parent + 1) < n) {if (child + 1 < n && arr[child] < arr[child + 1]) child++;if (temp >= arr[child]) break;arr[parent] = arr[child];parent = child;}arr[parent] = temp;}for (int i = n - 1; i > 0; i--) {int temp = arr[0];arr[0] = arr[i];arr[i] = temp;int parent = 0;int tempVal = arr[parent];int child;while ((child = 2 * parent + 1) < i) {if (child + 1 < i && arr[child] < arr[child + 1]) child++;if (tempVal >= arr[child]) break;arr[parent] = arr[child];parent = child;}arr[parent] = tempVal;}
}九、堆的实际应用
9.1 优先级队列实现
#include
#define MAX_SIZE 100
typedef struct {int data[MAX_SIZE];int size;
} PriorityQueue;
void initQueue(PriorityQueue *q) { q->size = 0; }
void enqueue(PriorityQueue *q, int value) {if (q->size >= MAX_SIZE) return;int i = q->size++;q->data[i] = value;while (i > 0 && q->data[i] > q->data[(i-1)/2]) {int temp = q->data[i];q->data[i] = q->data[(i-1)/2];q->data[(i-1)/2] = temp;i = (i-1)/2;}
}
int dequeue(PriorityQueue *q) {if (q->size <= 0) return -1;int result = q->data[0];q->data[0] = q->data[--q->size];int i = 0;while (2*i+1 < q->size) {int child = 2*i+1;if (child+1 < q->size && q->data[child] < q->data[child+1]) child++;if (q->data[i] >= q->data[child]) break;int temp = q->data[i];q->data[i] = q->data[child];q->data[child] = temp;i = child;}return result;
} 9.2 Top K问题求解
void findTopK(int arr[], int n, int k) {for (int i = k/2-1; i >= 0; i--) {int parent = i;int temp = arr[parent];int child;while ((child = 2*parent+1) < k) {if (child+1 < k && arr[child] > arr[child+1]) child++;if (temp <= arr[child]) break;arr[parent] = arr[child];parent = child;}arr[parent] = temp;}for (int i = k; i < n; i++) {if (arr[i] > arr[0]) {arr[0] = arr[i];int parent = 0;int temp = arr[parent];int child;while ((child = 2*parent+1) < k) {if (child+1 < k && arr[child] > arr[child+1]) child++;if (temp <= arr[child]) break;arr[parent] = arr[child];parent = child;}arr[parent] = temp;}}printf("前%d大的元素: ", k);for (int i = 0; i < k; i++) printf("%d ", arr[i]);printf("\n");
}十、常见面试题精讲
10.1 基础概念题
堆排序的时间复杂度是多少？为什么？
答：O(nlogn)，建堆O(n)，每次调整O(logn)共n-1次堆排序为什么是不稳定的？
答：交换堆顶和末尾元素时可能改变相同元素的相对顺序大顶堆和小顶堆的区别是什么？
答：大顶堆父节点大于等于子节点，小顶堆父节点小于等于子节点
10.2 编码实现题
// 题目1：使用堆排序找出数组中第k大的元素
int findKthLargest(int arr[], int n, int k) {for (int i = n/2-1; i >= 0; i--) {int parent = i;int temp = arr[parent];int child;while ((child = 2*parent+1) < n) {if (child+1 < n && arr[child] < arr[child+1]) child++;if (temp >= arr[child]) break;arr[parent] = arr[child];parent = child;}arr[parent] = temp;}for (int i = n-1; i >= n-k; i--) {int temp = arr[0];arr[0] = arr[i];arr[i] = temp;int parent = 0;int tempVal = arr[parent];int child;while ((child = 2*parent+1) < i) {if (child+1 < i && arr[child] < arr[child+1]) child++;if (tempVal >= arr[child]) break;arr[parent] = arr[child];parent = child;}arr[parent] = tempVal;}return arr[n-k];
}10.3 算法分析题
给定10^8个整数，堆排序和快速排序哪个更合适？
答：堆排序，因为保证O(nlogn)且空间O(1)，快速排序最坏O(n²)如何证明堆排序是不稳定的？
答：构造包含相同元素的序列，观察排序后相对位置堆排序在什么实际系统中应用广泛？
答：嵌入式系统、实时系统、内存受限环境
10.4 进阶思考题
// 题目：实现多路归并排序中的败者树（基于堆）
void buildLoserTree(int leaves[], int tree[], int k) {for (int i = 0; i < k; i++) tree[i] = -1;for (int i = k-1; i >= 0; i--) adjustTree(leaves, tree, k, i);
}
void adjustTree(int leaves[], int tree[], int k, int s) {int t = (s + k) / 2;while (t > 0) {if (s == -1) break;if (tree[t] == -1 || leaves[s] > leaves[tree[t]]) {int temp = s;s = tree[t];tree[t] = temp;}t /= 2;}tree[0] = s;
}十一、性能测试与比较
#include
#include
#include
void performanceTest() {const int SIZE = 100000;int *arr = (int*)malloc(SIZE * sizeof(int));for (int i = 0; i < SIZE; i++) arr[i] = rand() % 1000;clock_t start = clock();optimizedHeapSort(arr, SIZE);clock_t end = clock();printf("堆排序%d个元素时间: %f秒\n", SIZE, (double)(end - start) / CLOCKS_PER_SEC);free(arr);
} 十二、堆排序的变体与扩展
12.1 二项堆与斐波那契堆
// 二项堆节点结构
typedef struct BinomialNode {int key;int degree;struct BinomialNode *child;struct BinomialNode *sibling;struct BinomialNode *parent;
} BinomialNode;12.2 堆的扩展应用
定时器管理 网络数据包调度
图算法中的优先级队列 操作系统进程调度
总结
堆排序作为一种高效的比较排序算法，以其O(nlogn)的时间复杂度和O(1)的空间复杂度在特定场景下具有重要价值。理解堆的数据结构特性、掌握建堆和调整堆的过程，对于解决Top K问题、实现优先级队列等实际应用具有重要意义。虽然堆排序的常数因子较大且不稳定，但在内存受限或需要保证最坏情况性能的场景下仍然是优秀的选择。
的试金石——试用、试用、还是试用！)
