3.剩下的array[i]--array[n-2]

发布时间：2025-06-24 06:11:52  作者：北方职教升学中心  阅读量：400

建成大堆后，最后࿰将最大数据替换为最后，不要把他当成堆里的数据，然后向下调整算法可以选择次小󿀌第二次小换到倒数第二位，继续重叠#xff0c;选出第三小..。

直接选择排序。

建堆算法。

堆排序。

2.比较孩子和父亲最大的大小，如果实现了建小堆，孩子比父亲小�孩子和父亲交换位置。第一个。
直接选择排序。 。
🏀OJ题分享： Topic Sharing。 3.剩下的array[i]--array[n-2]。
前言：
学习直接插入排名和希尔排名，今天在选择排序中实现直接选择排序和堆排序。

堆排序。

思路分析。

接下来， 2.如果不是这组元素中的最后一个(。

建堆算法

下图，我们知道向下调整算法，但如果左右子树不是小堆或大堆？如何实现小顶堆或大顶堆？可以发现󿀌如果从最后一个父亲节点8开始向下调整，再到7，2，5，3。

rightchile = parent*2 +2。

向下调整算法。

for (int i = (n - 1 - 1)/2; i >= 0; i--){ AdjustDown(a, n, i);}。

好了，这就是今天学习的分享！看到希望大家的三连！如有不当之处，欢迎大佬指正�

1.堆的逻辑结构是一棵完全二叉树。父子节点关系：（这个非常重要！！！

）

leftchild = parent*2 +1。

使用堆排序，首先要知道大顶堆和小顶堆两个重要概念。小。 。建堆的想法是：

调整倒数第一个非叶节点。#xff0c;需要矫正 if (begin == maxi) { maxi = mini; } Swap(&a[end], &a[maxi]); begin++; end--; }}。

🌈xff1的数据结构a;Data Structure.。 。直接选择排名最小的，在这里，

这里的代码优化了，在正常情况下，

实现堆排序。数据排序升序，所以堆是建小堆还是建大堆＀？c;我们需要分析这一点。

因为如果建小堆，那么堆顶的数量就是最小的，它将被直接选为第一个数字，那么第二个数字只能作为根�这样剩下的数字关系就完全混乱了，重新建堆，时间复杂度会增加，然后就失去了堆排序的意义。
知识补充。 
 代码实现。
🎂C语言笔记：C Language Notes。
void SelectSort(int* a, int n){	int begin = 0;	int end = n-1;	while (begin < end)	{		int maxi = begin;		int mini = begin;		for (int i = begin; i <= end; i++)		{			if (a[i] < a[mini])			{				mini = i;			}			if (a[i] > a[maxi])			{				maxi = i;			}		}		Swap(&a[begin], &a[mini]);		//如果maxi和begin位置重叠，)元素，这组元素中的最后一个（第一个）元素交换。
代码思维分析。
 如图，图中左右子树都是小堆，然后可以使用向下调整。(。 。
向下调整算法的前提是左右子树必须是小堆（栈顶的数据最小）或者很多（栈顶数据是最大的）。
图中n-1表示最后一个节点，根据parent = (child -1)/2可以计算倒数第一个非叶节点。你会学到一个很好的排名方法！
基本思想。那就可以实现了。
      。
实现堆排序。  1.array在元素集合中[i]--array[n-1]。所以我们在这里建了很多。堆排序效率很高，认真学习后，
建堆算法。
2.堆的物理结构是一个数组。
int end = n - 1;while (end > 0){	Swap(&a[0], &a[end]);	AdjustDown(a, end, 0);	end--;}。孩子比父亲大�反之。
大顶堆（#xff09最大堆󿼉：父亲大于等于孩子。
代码实现。
堆排序。)数据元素。
代码实现。
 代码实现。
总之，
小顶堆�最小堆）：所以父亲小于等于孩子。
🍬个人主页：Yanni.—。
parent = (child-1)/2。
void AdjustDown(int* a, int n, int root){	int parent = root;	int child = parent*2 + 1;//默认情况下是左孩子 因为右孩子等于左孩子加一个	while (child < n)	{		//选择孩子中最大的一个与父母进行比较		if (child + 1 < n && a[child] < a[child + 1])		{			child += 1;		}		if (a[child] > a[parent])		{			Swap(&a[child], &a[parent]);			parent = child;			child = parent*2 + 1;		}		else		{			break;		}	}}。
代码思维分析。我使用了头begin和尾end，
向下调整算法。
思路分析。
1.选择孩子中最大的。选择最大的关键码。
///向下调整void AdjustDown(int* a, int n, int root){	int parent = root;	int child = parent*2 + 1;///默认是左孩子 因为右孩子等于左孩子加一个	while (child < n)	{		///选择孩子中最大的一个和父母比较		if (child + 1 < n && a[child] < a[child + 1])		{			child += 1;		}		if (a[child] > a[parent])		{			Swap(&a[child], &a[parent]);			parent = child;			child = parent*2 + 1;		}		else		{			break;		}	}}//堆排序//升序  建大堆 总体时间复杂度o（N*logN）void HeapSort(int* a, int n){	//建堆󿀌时间复杂度为o(N)	for (int i = (n - 1 - 1)/2; i >= 0; i--)	{		AdjustDown(a, n, i);	}	// 排序，建大堆还是小堆？建大堆	int end = n - 1;	while (end > 0)	{		Swap(&a[0], &a[end]);		AdjustDown(a, end, 0);		end--;	}}。
最小（每次从待排序的数据中选择;或者最大󿼉一个元素，存储在序列的起始位置，了解所有待排序的数据元素。（array[i+1]--array[n-1]）集中，重复上述步骤󿀌直到剩下的一个元素被收集。
知识补充。可以同时选择最大值和最小值。
目录。，然后分别给出相应的位置，这将是普通时间的两倍。
前言：
基本思想。