【算法学习】排序问题

1. 局部最小和二分法

一个数组从0到N位置一定存在局部最小值，即x(m-1)>x(m)<x(m+1)， 不停寻找局部最小位置作为二分点。

2. 求中点

（1）mid =（L+R）/2
常见写法，但（L+R）容易发生溢出
（2）mid = L+(R-L)/2
（3）mid = L+(R-L)>>1
右移操作比除2更快

3. 归并排序的合并

p1<M和p2<R是判断越界

4. 小和问题

等同于对于每个数，给右边的数的贡献。例如，1的右边有四个数比它大，则1的贡献是4个1；3的右边有两个，贡献是2个3……
此时求解小和等同于归并排序的merge操作。
例如，我们可以先求1和3的数组的小和，即把1和3看成两个有序数组merge，得到1个1；
接着把数组13和4merge，得到1个1和1个3，依次类推

代码：

5. 逆序对问题

与小和问题一样

6. 荷兰国旗问题

对于问题一：
例如arr=[3 5 6 7 4], num=5
设置一个x，代表小于等于区，初始x=0，
从i=0遍历到最后：
（1）arr[i]<=num， arr[i]和arr[x+1]交换，然后x++，i++
（2）arr[i]>num，i++
对于问题二：

由荷兰国旗问题可以推出快排。

7. 堆结构

• 堆事实上就是一种完全二叉树

• 堆排序的空间复杂度是最小的

• 优先级队列就是堆（java中PriorityQueue就是默认小根堆，也可以通过修改比较器变成大根堆）

• 堆和数组的对应关系：
  
  对应下标：
  
  规则是对于i位置的节点：
  左孩子：2i+1
  右孩子：2i+2
  父节点：(i-1)/2

• 大根堆：
  最大值在根节点，每个父节点都比它孩子节点大
  （1）上移操作（heapInsert）：在叶子节点插入一个数（即在数组最尾端放一个数字），通过不断上移形成新的大根堆
  
  （2）下移操作（heapify）：某个父节点变成一个更小的数，不断将数字和其最大的孩子比较交换，重新构建大根堆；
  
  代码中heapsize是防止越界，如果左孩子小于heapsize代表节点下方还有孩子节点，有时候我们不考虑整个数组，只考虑前几个数字
  （4）堆排序
  先构建一个大根堆，每次删除数组中的最大值（交换根节点和最后一个节点），然后断掉新的最后节点，然后剩下部分重新构建大根堆
  
  构建大根堆的方法有两种：
  （1）一个一个插入，从上到下构建大根堆
  （2）首先构造一个二叉树（无序），然后自下而上构造大根堆，比方法（1）更好
  
  堆排序应用：
  假设一个数组排序，每个数字正确排放的位置都不会移动超过k步，怎么排序？
  从i=0位置开始，每次取i到（i+k）位置数字，将其构建成小根堆，i位置此时一定是正确值，依次往后操作

8. 桶排序

pass

9. 排序问题总结

• 快排是最优选，如果有空间限制再选堆，需要稳定性选归并。

• 坑：很难，经典快排的划分不具有稳定性，需要进行论文级别的研究
  

• 有时候需要结合NlogN和N^2的算法：