【深度学习】【百面机器学习】：堆排序

二叉堆

二叉堆本质上是一种完全二叉树，它分为两个类型:

1. 最大堆:最大堆任何一个父节点的值，都大于等于它左右孩子节点的值。
2. 最小堆:最小堆任何一个父节点的值，都小于等于它左右孩子节点的值。

二叉堆的根节点叫做堆顶。
最大堆和最小堆的特点，决定了在最大堆的堆顶是整个堆中的最大元素; 最小堆的堆顶是整个堆中的最小元素。

堆的自我调整

插入节点-向上调整

删除节点-向下调整

构建二叉堆

构建二叉堆，也就是把一个无序的完全二叉树调整为二叉堆，本质上就是让所有非叶子节点依次下沉。

堆的代码实现

二叉堆虽然是一颗完全二叉树， 但它的存储方式并不是链式存储，而是顺序存储。
换句话说， 二叉堆的所有节点都存储在数组当中。

当我们删除一个最大堆的堆顶(并不是完全删除，而是替换到最后面)，经过自我调节，第二大的元素就会被交换上来，成为最大堆的新堆顶。

复杂度分析

假设二叉堆总共有n个元素，那么向下调整的最坏时间复杂度就等同于二叉堆的高度， 也就是O(logn)。

我们再来回顾一下堆排序算法的步骤:

1. 把无序数组构建成二叉堆。
2. 循环删除堆顶元素，移到集合尾部，调节堆产生新的堆顶。

第一步，把无序数组构建成二叉堆，假设满二叉树高为h，有n=2^h-1个节点。那么 建堆过程中，第h层的2^(h-1)个节点最多交换0次即可调整为堆，第(h-1)层的 2^(h-2)个节点最多交换1次，…，第1层的1个节点最多交换(h-1)次。因此时 间复杂度为O(n) 。
第二步，需要进行n-1次循环。每次循环调用一次 downAdjust 方法，所以第二步的 计算规模是 (n-1) * logn ，时间复杂度 O(nlogn)。
两个步骤是并列关系，所以整体的时间复杂度同样是 O(nlogn)。