堆排序

今天算法课上，老师比较纤细的讲解了堆排序的相关始末，弥补了数据结构课上没有明白的情况，现总结如下。

引言：其实很多数据结构都是解决一些很现实的问题而被创建出来的。比如从最简单的一组数字开始说明；我们对于一串任意排列的数字，一般的操作有什么呢？无非就是

1.排序（排序之后可以很快的查到相应的数字，但数组插入数据是就涉及到相应的维护有序的工作，于是乎就会涉及很多的移动）；

         对于这一点，我们可以采取一些策略优化针对插入时庞大的维护量，比如建立链表，抑或有序二叉树等；

2.查找比较特殊的值（比如说最大，最小值）；

其实就基于第一点而言，如果提供了有序数组，一般能够比较快的给出最大最小值，这不必多说！

但是，如果仅仅只是为了快速查找最值，那我们可以对数据结构做一番大的优化，第一，我们不再需要完全有序的序列，因为我们只需要提供最值；第二，我们甚至不再需要什么很占空间的链表或者树来存储信息，我们在此引入“堆”的概念，我们仅仅需要一个数组空间，然后根据树的位置顺序进行建堆和修改即可；

这次我们“大根堆”为例（大根堆就是每一个父节点都要比他的儿子节点数值大；另外，儿子节点间的大小顺序任意）：

那么，它的Insert和delete等操作都要基于一下的两个基本操作：

sift-up:

bool done=false;
if(i==1) 
   break;
while(!done || i>=1)
{
    if(A[i]>A[i/2])
    {
	temp=A[i];
	A[i]=A[i/2];
	A[i/2]=temp;
    }
   else
      done=true;
   i=i/2;
}

sift_down:

bool done=false;
if(2*i>n) 
   break;
while(!done || i<=n)
{
    if(A[i]<A[2*i])
    {
	int  temp=A[];
	A[i]=A[2*i];
	A[2*i]=temp;
    }
   else
      done=true;
   i=i*2;
}

”上浮“:完成了将不适合做儿子的节点进行上移，直到合适为止；

”下沉“:完成了将不适合做父亲的节点进行下移，直到合适为止；

那么现在，我们来看插入功能的实现。

根据堆的数据结构特点（完全二叉树和利用数组），我们先将数字加到数组末尾；将它进行sift-up操作；这样，他就可以到达合适的位置，并且保证整个队的性质。

n=n+1;
A[n]=x;
sift-up(A,n);

紧接着，我们来看看删除功能。

首先，去最后一个数值来覆盖现在要删除的数值；接着，对新移动的数值进行sift-up或sift-down操作，具体是情况而定。（那么，如果删除的是最顶端的---也就是最大值，那么显而易见，只需要对移动后的它做sift-down操作即可）

if(i==n)    
     return;//如果是尾结点，直接删除
x=A[i];  y=A[n];
n=n-1;A[i]=y;
if(A[i]>A[i/2] && i>1)  
    sift-up(A,i);
else  
    sift-down(A,i);

最后，关于建堆：
1.如果从零开始一个一个添加，并对每一个进行sift-up操作即可建堆；
2.如果已经给定一个任意的数组，把它调整成“堆”只需要对非叶节点进行sift-down操作，目的就是自下而上的建堆，也就是说先保证每个小堆建成，随后一层层向上将堆建高，最总一定会建成一棵大的二叉树！

for(int i=n/2; i>=1; i--)
    sift-down(A,i);

基本的对操作就这么多，那么最后的最后，我们引出期待已久的 堆排序：
基本思想是，每次将最大值和末位交换，并将新交换到首位的进行调整，即经过调整后，A[n] 的前n-1位重新成为一个大顶堆；

for(int i=n; i>=2; i--)
{
   temp=A[i];
   A[i]=A[1];
   A[1]=temp;

   sift-down(A,1);
}

这样，我们不需要额外的空间，并且以O(n*logn)的时间复杂度为代价，就可以生成一个生序排列的数组喽！