bakaSuc的博客

计数排序的基本思想：对每一个输入元素 x ，确定小于 x 的元素个数。利用这一信息，就可以直接把 x 放在输出数组中对应的位置上。例如，假如有 17 个元素小于 x，则 x 就应该放在第 18 个输出位置上。当数组中有相同的元素时，要略微修改这个方案，因为两个元素不能放在同一个位置上。我们把计数排序称为非比较排序，因为计数排序的实现完全不依赖于任何元素之间的大小关系。与计数排序相比，冒泡排序则是一种典型的比较排序。计数排序牺牲了空间复杂度，它必须在内存中开辟新的空间来存放排序后的值，并且返回指向这个

各个函数的功能：maxHeapify 的参数为数组 a 和需要操作的下标 i。在调用 maxHeapify 的时候，需要确保根节点为 LEFT(i) 和 RIGHT(i) 的二叉树都是最大堆。若 a[i] 小于其孩子，则让 a[i] 的值在最大堆中逐级下降，从而使得以下标 i 为根节点的子树遵循最大堆的性质。若 a[i] 大于其孩子，那么无需进行任何操作。 buildMaxHeap 的参数为数组 a 和数组长度 length。不难知道数组 a[length/2, length-1] 中的元素都是树的.

数组A[low, high]的任何连续子数组A[i, j]所处的位置必然是以下三种情况之一：完全位于子数组A[low, mid]中，因此low≤i≤j≤mid。 完全位于子数组A[mid+1, high]中，因此mid<i≤j≤high。 跨越了中点，因此low≤i≤mid<j≤high。我们可以利用分治法递归地求解A[low, mid]和A[mid+1, high]的最大子数组，因为这两个子问题仍是最大子数组问题，只是规模更小。因此，剩下的全部工作就是寻找跨越中点的最大子数组，然后.

归并排序算法完全遵循分治模式。直观上其操作如下：分解：分解待排序的n个元素的序列成各具n/2个元素的两个子序列。解决：使用归并排序递归地排序两个子序列。合并：合并两个已排列的子序列以产生已排序的答案。随着算法自底向上地推进，待合并的已排好序的各序列长度不断增加，最后全部合并成等于原序列长度的一个新的已排列的序列。// 归并排序// low, mid, high 均为数组下标#include <stdio.h>#include <stdlib.h>#d