基础算法系列（六）——堆排序

堆排序也是一种O（nlogn）时间的算法，相比归并排序，它具有原地排序的性质。实际应用中有时不需要获得整个集合的排序，只需要求集合前k个最大元素，这种情况下选用堆排序是比较合适的。

算法思想：

堆的概念：二叉堆类似一棵完全二叉树，每个节点最多可以有两个子节点。则对于最大（小）堆，每个节点的key值必须大（小）于它的子节点。有了这样一个堆之后，虽然还无法得到准确的排序结果，但至少知道节点值越接近根越大（小），最大（小）必然对应根节点。

存储结构：可以使用连续存储空间，因为堆中每个节点序号与其位置一一对应。例如数组array[0，...，n]，则第k个节点的两个子节点（如果存在）下标分别为2*k + 1（左）和2*k + 2（右），其父节点下标为(k-1)/2向下取整。

堆排序利用了选择排序的思想，只是它选择最值元素的方式是通过堆来实现，而非逐个比较。每次只取出堆顶元素，然后将剩余元素重新建堆，如此往复，可依次获得第k大的元素（k=1，2，3，...n），这些元素依次存放便构成有序序列。

算法步骤：

1、按照堆的性质对所有元素建立一个最大堆，则堆顶元素为最大元素

2、将堆顶元素堆底末位元素交换，对除末位之外的元素重复1、2中过程，直到最后一个元素

代码实例：

#define SWAP(A, B) do{(A) ^= (B); (B) ^= (A); (A) ^= (B);} while(0)

void heapify(int array[], int len, int i) {
    int child;
    
    while((child = 2*i + 1) < len) {//左子节点对应2*i + 1
	
        if(child < len - 1) {//若child = len-1，此时无右孩子
            if(array[child] < array[child+1]){//比较左右孩子
                child++;	
            }
        }
	
	if(array[i] >= array[child]) {//父节点已到达合适位置
            break;
        }
	
        SWAP(array[i], array[child]);//父节点与较大的子节点易位
        i = child;
    }
}


void heap_sort(int array[], int len){
    //建立最大堆
    int i;
    for(i = len/2; i >= 0; i--) {
        heapify(array, len, i);
    }
    //选择&排序
    while(len > 1) {
        SWAP(array[0], array[len-1]);//将最大元素保存在末尾
        heapify(array, --len, 0);//对剩余元素重新建堆
    }
}

以上代码仅仅表述了堆排序的基本思路，效率不高，实际应用还有待进行多种优化。

复杂度分析：

由二叉堆性质，堆高度为logn，一个元素要到达合适的位置需要logn次比较，建立堆的过程，需要让n个元素都到达合适的位置，故建立堆的时间复杂度为O（nlogn）；有了一个堆后，每次只需让堆顶的元素下降到合适的位置即可，这一过程重复n次，且每次堆的规模都在减少，所以排序过程的复杂度小于O（nlogn），前后两个阶段复杂度加起来仍是O（nlogn）。总共进行的比较次数小于2nlogn，不需要额外空间。

重要性质：

1、原地排序

2、非稳定排序——显而易见，每次进行的堆顶元素与末尾元素交换破坏了稳定性