1、什么是堆（heap）
首先，我们来看看什么是堆（heap）。堆满足以下性质：
（1）堆中某个节点的值总是不大于或不小于其父节点的值；
（2）堆总是一棵完全二叉树（Complete Binary Tree）。
完全二叉树是由满二叉树（Full Binary Tree）而引出来的。除最后一层无任何子节点外，每一层上的所有结点都有两个子结点的二叉树称为满二叉树。如果除最后一层外，每一层上的节点数均达到最大值；在最后一层上只缺少右边的若干结点，这样的二叉树被称为完全二叉树。
一棵完全二叉树，如果某个节点的值总是不小于其父节点的值，则根节点的关键字是所有节点关键字中最小的，称为小根堆（小顶堆）；如果某个节点的值总是不大于其父节点的值，则根节点的关键字是所有节点关键字中最大的，称为大根堆（大顶堆）。从根节点开始，按照每层从左到右的顺序对堆的节点进行编号：
可以发现，如果某个节点的编号为i，则它的子节点的编号分别为：2i、2i+1。据此，推出堆的数学定义：具有n个元素的序列（k1,k2,...,kn)，当且仅当满足
时称之为堆。需要注意的是，堆只对父子节点做了约束，并没有对兄弟节点做任何约束，左子节点与右子节点没有必然的大小关系。如果用数组存储堆中的数据，逻辑结构与存储结构如下：
2、堆排序（Heapsort)）
初始时把要排序的n个数看作是一棵顺序存储的完全二叉树，调整它们的存储顺序，使之成为一个堆，将堆顶元素输出，得到n 个元素中最小（最大）的元素，这时堆的根节点的数最小（或者最大）。然后对前面(n-1)个元素重新调整使之成为堆，输出堆顶元素，得到n 个元素中次小(或次大)的元素。依次类推，直到只有两个节点的堆，并对它们作交换，最后得到有n个节点的有序序列。这个过程就称为堆排序。
（1）、建立堆
堆排序首先需要解决一个问题是：如何将一个不是堆的完全二叉树调整为堆？ 例如我们要将这样一个无序序列：
49，38，65，97，76，13，27，49
建成堆，将它直接映射成二叉树，结果如下图的(a)：
图(a)是一个完全二叉树，但不是堆。我们将它调整为小顶堆。堆有一个性质是：堆的每个子树也是堆。调整的核心思想就是让树的每棵子树都成为堆，以某节点与它的左子节点、右子节点为操作单位，将三者中最小的元素置于子树的根上。具体步骤如下：
step1：图(a)中最后一个元素是49，在树中的序号为8，对应的数组下标则为7，它的父节点对应的数组下标为3（如果一个元素对应的存储数组的下标为i，则它的父节点对应的存储数组的下标为(i-1)/2），49小于97，所以两者交换位置。
step2：经过step1之后，以第三层元素为根节点的所有子树都已是堆了，下一步继续调整以第二层元素为根节点的子树。先调整以65为根的子树，再调整以38为根的子树（满足堆的要求，实际上不用调整）。
step3：然后调整以第一层元素为根的子树，即以49为根，以38为左子节点，以13为右子节点的子树，交换13与49的位置。一旦交换位置，就有可能影响本来已经是堆的子树。13与49交换位置之后，破坏了右子树，将焦点转移到49上面来，继续调整以它为根节点的子树。如果此次调整又影响了下一层的子树，继续调整，直至叶子节点。
（2）、排序
堆建好之后开始排序。如果建的是大顶堆，堆顶就是最大值，取出放入数组中的最后一个位置，将堆底（数组中的最后一个元素）放入堆顶。这一操作会破坏堆，需要将前n-1个元素调整成堆。然后再取出堆顶的值，放入数组的倒数第二个位置，堆底（数组中的倒数第二个元素）放入堆顶，再将前n-2个元素调整成堆。按照上面的思路循环操作，最终就会将数组中的元素按升序的顺序排列完毕。具体过程如下图所示：
①建堆过程：
②排序过程：
③：排序好的堆：
3、代码实现（Java版）
(1)java实现
//堆排序 public void heapSort(){ buildHeap(); System.out.println("建堆："); printTree(array.length); int lastIndex = array.length-1; while(lastIndex>0){ swap(0,lastIndex); //取出堆顶元素，将堆底放入堆顶。其实就是交换下标为0与lastIndex的数据 if(--lastIndex == 0) break; //只有一个元素时就不用调整堆了，排序结束 adjustHeap(0,lastIndex); //调整堆 System.out.println("调整堆："); printTree(lastIndex+1); } } /** * 用数组中的元素建堆 */ private void buildHeap(){ int lastIndex = array.length-1; for(inti= (lastIndex-1)/2;i>=0;i--){ //(lastIndex-1)/2就是最后一个元素的根节点的下标，依次调整每棵子树 adjustHeap(i,lastIndex); //调整以下标i的元素为根的子树 } } /** * 调整以下标是rootIndex的元素为根的子树 *@param rootIndex 根的下标 *@param lastIndex 堆中最后一个元素的下标 */ private void adjustHeap(int rootIndex,intlastIndex){ int biggerIndex = rootIndex; int leftChildIndex = 2*rootIndex+1; int rightChildIndex = 2*rootIndex+2; if(rightChildIndex<=lastIndex){ //存在右子节点，则必存在左子节点 if(array[rootIndex] array[rootIndex]){ //左子节点更大 biggerIndex = leftChildIndex; } } if(biggerIndex != rootIndex){ //找到了比根更大的子节点 swap(rootIndex,biggerIndex); //交换位置后可能会破坏子树，将焦点转向交换了位置的子节点，调整以它为根的子树 adjustHeap(biggerIndex,lastIndex); } } /** * 将数组按照完全二叉树的形式打印出来 */ private void printTree(int len){ int layers = (int)Math.floor(Math.log((double)len)/Math.log((double)2))+1; //树的层数 int maxWidth = (int)Math.pow(2,layers)-1; //树的最大宽度 int endSpacing = maxWidth; int spacing; int numberOfThisLayer; for(int i=1;i<=layers;i++){ //从第一层开始，逐层打印 endSpacing = endSpacing/2; //每层打印之前需要打印的空格数 spacing = 2*endSpacing+1; //元素之间应该打印的空格数 numberOfThisLayer = (int)Math.pow(2, i-1); //该层要打印的元素总数 int j; for(j=0;j (2)测试用例
int [] a = {7,1,9,2,5,10,6,4,3,8}; Sort sort = new Sort(a); System.out.println("未排序时："); sort.display(); System.out.println(); sort.heapSort(); System.out.println("排序完成："); sort.display(); 4、时间复杂度分析
堆排序的平均时间复杂度为O(nlogn),接近于最坏的时间复杂度。在最好情况下，时间复杂度为O(1).
------------------------------------------------------------------------------------------------------------------------------------------------------------
文章来源链接：
http://www.cnblogs.com/luchen927/archive/2012/03/08/2381446.html
http://blog.csdn.net/u012152619/article/details/47452813