概述
堆排序是一种树形选择排序，是对直接选择排序的有效改进。
堆的定义如下：具有n个元素的序列(k1,k2,...,kn), 当且仅当满足:
时称之为堆。由堆的定义可以看出，堆顶元素（即第一个元素）必为最小项（小顶堆）或最大项（大顶堆）。
若以一维数组存储一个堆，则堆对应一棵完全二叉树，且所有非叶结点（有子女的结点）的值均不大于(或不小于)其子女的值，根结点（堆顶元素）的值是最小(或最大)的。
(a)大顶堆序列：(96, 83, 27, 38, 11, 09)
(b)小顶堆序列：(12, 36, 24, 85, 47, 30, 53, 91)
初始时把要排序的n 个数的序列看作是一棵顺序存储的二叉树（一维数组存储二叉树），调整它们的存储序，使之成为一个堆，将堆顶元素输出，得到n 个元素中最小(或最大)的元素。然后对剩下的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。依此类推，直到最后得到有n个节点的有序序列。称这个过程为堆排序。
步骤&实例
实现堆排序需解决两个问题：
(1)如何将n 个待排序的数建成堆；
(2)输出堆顶元素后，怎样调整剩余n-1 个元素，使其成为一个新堆。
建堆方法（小顶堆）：
对初始序列建堆的过程，就是一个反复进行筛选的过程。
n 个结点的完全二叉树，则最后一个结点是第n/2个结点的子树。
筛选从第n/2个结点为根的子树开始（n/2是最后一个有子树的结点），使该子树成为堆。
之后向前依次对各结点为根的子树进行筛选，使之成为堆，直到根结点。
如图建堆初始过程
无序序列：(49, 38, 65, 97, 76, 13, 27, 49)
(a) 无序序列，初始二叉树，97（第8/2=4个结点）为最后一个结点（49）的父结点。
(b) 97>=49,替换位置，接下来对n/2的上一个结点65进行筛选。
(c) 13<=27且65>=13,替换65和13的位置，接下来对38进行替换（都大于它，不需操作），对49进行筛选。
(d) 13<=38且49>=13,替换49和13的位置，49>=27,替换49和27的位置。
(e) 最终得到一个堆，13是我们得到的最小数。
调整堆的方法（小顶堆）：
设有m 个元素的堆，输出堆顶元素后，剩下m-1 个元素。将堆底元素送入堆顶，堆被破坏，其原因仅是根结点不满足堆的性质。
将根结点与左、右子树中较小元素的进行交换。
若与左子树交换：如果左子树堆被破坏，则重复方法(2).
若与右子树交换，如果右子树堆被破坏，则重复方法(2).
继续对不满足堆性质的子树进行上述交换操作，直到叶子结点，堆被建成。
调整堆只需考虑被破坏的结点，其他的结点不需调整。
代码实现(Java)
运行代码结合注释与上面的实例步骤进行对比思考。
package com.coder4j.main;
public class HeapSort {
/**
* 调整为小顶堆（排序后结果为从大到小）
*
* @param array是待调整的堆数组
* @param s是待调整的数组元素的位置
* @param length是数组的长度
*
*/
public static void heapAdjustS(int[] array, int s, int length) {
int tmp = array[s];
int child = 2 * s + 1;// 左孩子结点的位置
System.out.println("待调整结点为：array[" + s + "] = " + tmp);
while (child < length) {
// child + 1 是当前调整结点的右孩子
// 如果有右孩子且小于左孩子，使用右孩子与结点进行比较，否则使用左孩子
if (child + 1 < length && array[child] > array[child + 1]) {
child++;
}
System.out.println("将与子孩子 array[" + child + "] = " + array[child] + " 进行比较");
// 如果较小的子孩子比此结点小
if (array[s] > array[child]) {
System.out.println("子孩子比其小，交换位置");
array[s] = array[child];// 把较小的子孩子向上移动，替换当前待调整结点
s = child;// 待调整结点移动到较小子孩子原来的位置
array[child] = tmp;
child = 2 * s + 1;// 继续判断待调整结点是否需要继续调整
if (child >= length) {
System.out.println("没有子孩子了，调整结束");
} else {
System.out.println("继续与新的子孩子进行比较");
}
// continue;
} else {
System.out.println("子孩子均比其大，调整结束");
break;// 当前待调整结点小于它的左右孩子，不需调整，直接退出
}
}
}
/**
* 调整为大顶堆（排序后结果为从小到大）
*
* @param array是待调整的堆数组
* @param s是待调整的数组元素的位置
* @param length是数组的长度
*
*/
public static void heapAdjustB(int[] array, int s, int length) {
int tmp = array[s];
int child = 2 * s + 1;// 左孩子结点的位置
System.out.println("待调整结点为：array[" + s + "] = " + tmp);
while (child < length) {
// child + 1 是当前调整结点的右孩子
// 如果有右孩子且大于左孩子，使用右孩子与结点进行比较，否则使用左孩子
if (child + 1 < length && array[child] < array[child + 1]) {
child++;
}
System.out.println("将与子孩子 array[" + child + "] = " + array[child] + " 进行比较");
// 如果较大的子孩子比此结点大
if (array[s] < array[child]) {
System.out.println("子孩子比其大，交换位置");
array[s] = array[child];// 把较大的子孩子向上移动，替换当前待调整结点
s = child;// 待调整结点移动到较大子孩子原来的位置
array[child] = tmp;
child = 2 * s + 1;// 继续判断待调整结点是否需要继续调整
if (child >= length) {
System.out.println("没有子孩子了，调整结束");
} else {
System.out.println("继续与新的子孩子进行比较");
}
// continue;
} else {
System.out.println("子孩子均比其小，调整结束");
break;// 当前待调整结点大于它的左右孩子，不需调整，直接退出
}
}
}
/**
* 堆排序算法
*
* @param array
* @param inverse true 为倒序排列，false 为正序排列
*/
public static void heapSort(int[] array, boolean inverse) {
// 初始堆
// 最后一个有孩子的结点位置 i = (length - 1) / 2, 以此向上调整各结点使其符合堆
System.out.println("初始堆开始");
for (int i = (array.length - 1) / 2; i >= 0; i--) {
if (inverse) {
heapAdjustS(array, i, array.length);
} else {
heapAdjustB(array, i, array.length);
}
}
System.out.println("初始堆结束");
for (int i = array.length - 1; i > 0; i--) {
// 交换堆顶元素H[0]和堆中最后一个元素
int tmp = array[i];
array[i] = array[0];
array[0] = tmp;
// 每次交换堆顶元素和堆中最后一个元素之后，都要对堆进行调整
if (inverse) {
heapAdjustS(array, 0, i);
} else {
heapAdjustB(array, 0, i);
}
}
}
public static void main(String[] args) {
int[] array = { 49, 38, 65, 97, 76, 13, 27, 49 };
heapSort(array, false);
for (int i : array) {
System.out.print(i + " ");
}
}
}
运行结果：
初始堆开始 待调整结点为：array[3] = 97 将与子孩子 array[7] = 49 进行比较 子孩子比其小，交换位置 没有子孩子了，调整结束 待调整结点为：array[2] = 65 将与子孩子 array[5] = 13 进行比较 子孩子比其小，交换位置 没有子孩子了，调整结束 待调整结点为：array[1] = 38 将与子孩子 array[3] = 49 进行比较 子孩子均比其大，调整结束 待调整结点为：array[0] = 49 将与子孩子 array[2] = 13 进行比较 子孩子比其小，交换位置 继续与新的子孩子进行比较 将与子孩子 array[6] = 27 进行比较 子孩子比其小，交换位置 没有子孩子了，调整结束 初始堆结束 待调整结点为：array[0] = 97 将与子孩子 array[2] = 27 进行比较 子孩子比其小，交换位置 继续与新的子孩子进行比较 将与子孩子 array[6] = 49 进行比较 子孩子比其小，交换位置 没有子孩子了，调整结束 待调整结点为：array[0] = 97 将与子孩子 array[1] = 38 进行比较 子孩子比其小，交换位置 继续与新的子孩子进行比较 将与子孩子 array[3] = 49 进行比较 子孩子比其小，交换位置 没有子孩子了，调整结束 待调整结点为：array[0] = 65 将与子孩子 array[1] = 49 进行比较 子孩子比其小，交换位置 继续与新的子孩子进行比较 将与子孩子 array[4] = 76 进行比较 子孩子均比其大，调整结束 待调整结点为：array[0] = 76 将与子孩子 array[2] = 49 进行比较 子孩子比其小，交换位置 没有子孩子了，调整结束 待调整结点为：array[0] = 97 将与子孩子 array[1] = 65 进行比较 子孩子比其小，交换位置 没有子孩子了，调整结束 待调整结点为：array[0] = 76 将与子孩子 array[1] = 97 进行比较 子孩子均比其大，调整结束 待调整结点为：array[0] = 97 97 76 65 49 49 38 27 13
PS：堆排序与直接插入排序的区别
直接选择排序中，为了从R[1..n]中选出关键字最小的记录，必须进行n-1次比较，然后在R[2..n]中选出关键字最小的记录，又需要做n-2次比较。事实上，后面的n-2次比较中，有许多比较可能在前面的n-1次比较中已经做过，但由于前一趟排序时未保留这些比较结果，所以后一趟排序时又重复执行了这些比较操作。
堆排序可通过树形结构保存部分比较结果，可减少比较次数。
以上是小编为您精心准备的的内容，在的博客、问答、公众号、人物、课程等栏目也有的相关内容，欢迎继续使用右上角搜索按钮进行搜索java
， 排序
， 堆
， 堆排序
排序算法
堆排序原理及算法实现、堆排序算法实现、fft算法c语言实现详解、aes加密算法原理详解、mallat算法c实现详解，以便于您获取更多的相关知识。