Mr_Fogg的专栏

堆排序涉及到一个数据结构就是“堆”，所以我们先从“堆”开始讲起。一、堆堆的存储方式其实就是一个数组，而堆的逻辑结构是一个完全二叉树（什么是完全二叉树请自行百度）。如图（a）是一个完全二叉树，树的父节点都比孩子节点要大，这个就是“大根堆”,如果树的父节点都比孩子节点小，那么就是一个“小根堆”。而图（b）则表示了一个图（a）是如何存储的。这样就很容易计算每个节点的父节点，左孩子节点，右孩子节点。 例如

搜索树这个数据结果支持很多动态的操作：搜索、最小值啦、最大值，插入和删除，当然也可以作为词典以及优先级队列。啥是二叉搜索树 上图便是二叉搜索树，一个父节点最大分两个叉，并且左孩子子树的所有节点小于等于父节点，右孩子子树的所有节点大于等于父节点。这样就可以通过访问根节点顺序的不同递归遍历这样的二叉搜索树，这就是我们所熟知的：前序遍历，中序遍历，后序遍历。 上图伪代码是中序遍历，其实中序遍历二叉

快速排序算法最坏情况下有O（n^2）的时间复杂度，但是在实践过程中快速排序往往有很好的平均性能，在O(nlogn)中的常数项很小。《算法导论》里有很多快速排序的分析，在这里我们不做太多的数学分析，仅仅从直觉上来谈这个算法。不仅如此，《算法导论》里的Partitioning算法也和我之前在国内教材上看的不一样，而且更容易理解。 快速排序采用“分治法”的思想，递归解决问题。

Counting sortcounting sort假设待排序的数组元素是整型，并且都在一个范围内，例如学生们的考试分数（没有0.5分）在0-100之间，这样我们可以用O(n)的时间来排序。 假如我们要给A[1…n]排序，我还需要两个数组，B[1…n]来排过序的结果，数组C[0…k]来存储临时变量。伪代码如下： 来解释一下伪代码： 2-3行：初始化C数组 4-5行

一般的选择问题比简单的选择最小值要难的多。但是，随着n的增大，它们所消耗的时间都是O(n)。这一次我们介绍一个基于分治法的算法来解决这个问题，叫做随机选择算法，英文名叫，RANDOMIZED-SELECT。这个算法跟快速排序很像，只不过它只在一边执行partition算法。这个区别导致这样的分析：苏日安快速排序的时间复杂度是O(nlgn)，但是RANDOM-SELECT算法的平均时间是O(n),在元

golang这个新兴的语言，最关键的就在于goroutine，而goroutine的调度又是golang的核心。可以说，没有goroutine，那么这个语言就会毫无意义，没有发明的必要。为了能够更好的写出高质量的代码，最近学习了goroutine的调度，收获良多。写篇文章总结记录一下。我的参考资料Analysis of the Go runtime scheduler 一篇分析goroutine的论