大顶堆排序

堆排序的思想借助了二叉排序树，时间复杂度：O(NlgN)，空间复杂度O(N)。

首先需要构建堆，堆分为大顶堆和小顶堆，如果是大顶堆，任意一个元素，满足arr[i] >=arr[2*i +1] && arr[i] >=arr[2*i+2]；小顶堆满足arr[i] <=arr[2*i+1] && arr[i] <= arr[2*i+2]；

堆本质上是一个完全二叉树，所以构建堆的时候，可以借助二叉树递归构建办法，构建堆的代码有：

  private void buildMinHeap(int[] arr, int size, int index){
        int left = 2*index + 1;
        int right = 2*index + 2;
        
        // 这里假设index就是最小的元素值，然后和孩子比较
        int min = index;
        // 左孩子小，需要调整和左孩子的关系
        if(left < size && arr[left] <= arr[min]){
            min = left;
        }
        // 右孩子小，调整右孩子
        if(right < size && arr[right] <= arr[min]){
            min = right;
        }
        // 表示有调整，需要交换孩子与父节点的位置
        if(min != index){
            int tmp = arr[min];
            arr[min] = arr[index];
            arr[index] = tmp;
            
            // 这个时候，调整arr[min]后，很有可能堆不满足小顶堆，所以递归判断
            buildMinHeap(arr, size, min);
        }
    }

构建大顶堆，则在比较的时候相反就行

 private void buildMaxHeap(int[] arr, int size, int index){
        int left = 2 * index + 1;
        int right = 2 * index + 2;

        int max= index;
        if(left < size && arr[left] >= arr[max]){
            max = left;
        }

        if(right < size && arr[right] >= arr[max]){
            max = right;
        }

        if(max != index){
            int tmp = arr[max];
            arr[max] = arr[index];
            arr[index] = tmp;
            buildMaxHeap(arr, size, max);
        }
    }

用堆排序的基本思想：

构建完堆以后， 开始做排序。因为堆顶元素具有特殊性（最大或者最小），所以第一次比较用数组最后一位，与堆顶元素比较，可以确定最后一位是有序的；然后调整堆，用倒数第二位与堆顶元素比较，得到倒数第二位和最后一位构成一个有序的数组；依次循环，直到数组元素第一个比较完成。

在构建堆的时候，因为左右孩子是2倍关系，所以调整堆只需要数组长度的一半遍历就行。

  public static void main(String[] args) {
        int[] arr = new int[]{20,3,5,10,7,9, 11,13,15,12};
        for(int i = arr.length/2 -1; i>=0; i--){
            minHeap(arr, arr.length, i);
        }
        for(int i = arr.length-1; i > 0; i--) {
            int temp = arr[0];//最前面的一个
            arr[0] = arr[i];//最后一个
            arr[i] = temp;
            //调整后再进行小顶堆调整
            minHeap(arr, i, 0);
        }
    }