0
点赞
收藏
分享

微信扫一扫

基本有序数组的排序_legend


(1)背景

已知一个几乎有序的数组,几乎有序是指,如果把数组排好顺序的话,每个元素移动的距离可以不超过k,并且k相对于数组来说比较小。请选择一个合适的排序算法针对这个数据进行排序。

给定一个int数组A,同时给定A的大小n和题意中的k,请返回排序后的数组。

 

(2)分析

(2.1)思路一

插入排序:

插入排序能够做到很好效果,时间复杂度O(nk),空间复杂度O(1);

 

(2.2)思路二

最小堆:

从左往右排序,i位置上最终放的数一定在区间[i,i+k]上。

可以每次只对[i,i+k]区间的数进行排序,确定i位置上的数据,然后区间向右移动一个位置。

重复以上操作直到确定所有位置上的数据。

那么对于区间[i,i+k]上的数据该采用什么方法来排序呢。

如果选择插入排序,每次移动位置后需要o(k)来确定i上的元素;

实际上在移动位置后,补充一个新的数据到原有区间时,完全可以采用二分查找,因为原有区间已经有序,

这样时间复杂度降低为o(logk)。

本题可以采用大小为K+1的堆来进行排序,时间复杂度为o(nlogk)。

选择堆起始大小为k的最小堆,由题意可知a[0~k-1] k个元素一定存在整个数组中最小的值,将a[0~k-1]数据建立最小堆;

摘除堆顶放到ai[i从0开始,i++]处,再将a[k]放到最小堆的堆顶,调整继续建堆;

直到剩下最后k个元素,然后再每次弹出堆顶,堆的大小k--.

摘除堆顶,再添加一个元素,堆调整其时间复杂度为lgn;

一共有n个数据,需要摘除添加n次;所以整体时间复杂度O(nlogk),空间复杂度O(k).

(3)实现

public class Main {
 
  
    public static void main(String[] args) {
        // TODO Auto-generated method stub
         int[] B = {2,1,4,3,6,5,8,7,10,9,11,12,14,13,12};
         Main m=new Main();
         int[] A = m.sortElement(B,15,3);
         for(int i=0;i<A.length;i++){
             System.out.print(A[i]+"\t");
         }
 
         
    }
 
    public int[] sortElement(int[] b, int n, int k) {
        // write code here
        int[] heap=Arrays.copyOf(b, k);//最小堆数组
        buildMinHeap(heap,k);//初始最小堆
        for(int i=k;i<n;i++){//堆的长度为k
            b[i-k]=heap[0];
            heap[0]=b[i];
            buildMinHeap(heap,k);
        }
        
       for(;k>0;k--){//堆的长度不足k
           b[n-k]=heap[0];
           heap[0]=heap[k-1];
           buildMinHeap(heap,k);
       }
        return b;
    }
    
   
    public void buildMinHeap(int [] a,int heapsize){
        for(int i=(heapsize-1)/2;i>=0;i--){
            minHeapify(a,heapsize,i);
        }
    }
    public void minHeapify(int [] a,int heapsize,int i){
        int min=i;
        int left=2*i+1;
        int right=2*i+2;
        if(left<heapsize&&a[left]<a[i]) min=left;
        if(right<heapsize&&a[right]<a[min]) min=right;
        if(min!=i){
            int temp=a[i];
            a[i]=a[min];
            a[min]=temp;
            minHeapify(a,heapsize,min);
        }
    }
}

举报

相关推荐

0 条评论