算法学习笔记----堆排序

  堆是一个数组，可以看成一个近似的完全二叉树，除了最底层外，其余各层都是充满的，而且是从左到右填充。假设数组A[1..A.hep_size]是一个对，给定一个结点的下标i，很容计算出其父节点、左孩子和右孩子的下标，如下所示（这里的数组下标是从1开始）：

  在C语言中数组下标是从0开始的，因此在计算父节点、左右子节点时的公式和上图中有所不同，如下图所示：

  二叉堆可以分为两种形式：最大堆和最小堆。在最大堆中，除了根节点以外所有的节点i都要满足：A[PARENT(i)]≥A[i]。最小堆则刚好相反。下面的讨论以最大堆为例。

一、维护堆的性质

  MAX-HEAPIFY是用于维护最大堆性质的重要过程。假设根节点为LEFT(i)和RIGHT(i)的二叉树都是最大堆，但此时A[i]有可能小于其孩子，这就违背了最大堆的性质。这时为了维护最大堆的性质，将索引为i的节点和其孩子中最大的节点互换。假设i的左孩子较大，此时需要将节点i和其左孩子互换，互换后可能会导致以节点i的左孩子为根节点的最大堆违背了最大堆的性质，因此需要继续调整节点的顺序，直到根节点大于左右孩子节点或处理到叶子节点为止。以下面的最大堆（下标是从0开始）为例：

  在阴影部分的节点i=1处，A[1]违背了最大堆性质，A[1]及其左右孩子节点中最大的是节点i=3，因此将节点i=2和节点i=3互换，使节点i=2恢复最大堆性质，如下图所示：

  互换后，节点i=3的值小于其右孩子i=8的节点，因此需要将这两个节点互换，使节点i=3恢复最大堆性质，如下图所示：

  互换后，节点i=8为叶子节点，没有子节点了，也就不再有新的数据交换了。

  接下来计算 MAX-HEAPIFY的时间复杂度。每个孩子的子树的大小至多为2n/3，最坏的情况发生在树的最底层恰好半满的时候，因为最大堆是一个类似完全二叉树的数组，左右子树的高度最多相差1，所以在子树的高度较高的一边时执行的次数可能越多。

  下面证明一下，为什么每个子树的大小至多为2n/3。假设一个最大堆构成的完全二叉树的高度为h，如果完全充满的话，堆的元素个数为2^(h+1)-1 。我们在上面提到过，根节点的左右子树的高度最多相差为1，因此左右子树差距最大的情况发生在其中一个子树的最后一层充满，而另一个子树的对应的层为空。假设最大的子树为左子树，则左子树的元素个数为2^h-1，而右子树的元素个数为2^(h-1)-1，假设总的个数为n，左子树的个数为left_count, 右子树的个数为righ_count，计算左子树所占的最大比重，如下所示：

  从上面的步骤中可以看出，总的时间复杂度包括调整A[i]、A[LEFT(i)]和A[RIGHT(i)]的关系的时间代价Θ(1)，加上在一颗以i的一个孩子为根节点的子树上执行维护最大堆的操作的时间代价(这里假设递归调用会发生）。因为每个孩子的子树的大小至多为2n/3，我们可以用下面的递归式来计算总的运行时间：

T(n)≤T(2n/3)+Θ(1)

 根据主定理（参考这里）的情况2，上述递归式的解为T(n)=O(lgn)。也就是说，对于一个树高度为h的的节点来说， MAX-HEAPIFY需要的时间复杂度为O(h)。

  下面是代码实现，分别利用递归和循环来完成。

  递归版本：

#include <stdio.h>

void exchange(int *a, int i, int j)
{
    a[i] ^= a[j];
    a[j] ^= a[i];
    a[i] ^= a[j];
}

int left_child(int