数据结构练习（三）——HeapSort

前言

通过两天的时间终于看完了Heap Sort相关的内容，通过对于heap这一新的数据结构的学习，也算是初步理解了为什么算法和数据结构是密不可分的了，同时也对后面其他的数据结构及其对应算法产生了更浓厚的兴趣；当然在学习heap的过程中也遇到了一些令人头大的问题，尤其是关于计数问题，本文将梳理heap sort涉及到的二叉树的一些概念和一些学习思路。

HEAP

Heap是一种基于数组的新的数据的组织形式，传统的数组按照下表顺序连续的储存在内存中，同一数组中的元素间的联系在于内存地址连续。Heap虽然依赖于数组结构，但却采用了新的组织形式；Heap本质上是一种binary tree，而且这个树状结构仅可能最后一层不满，树中的元素和数组中的元素的下表的对应关系如下图：

根据需要，数组中的元素并不需要每一个都是heap中的元素，但heap中的元素在数组中下表一定是连续的。比如可以将A[1…10]视作heap（如上图），我也可以将数组中的部分元素A[2…9]视作heap，但绝不能将A[1…5,7…10]视作heap。

child & parent &root

子节点（child）、父节点（parent）和根节点（root）是分析树结构时重要的概念，我个人认为这三个概念是heap结构（由于目前本人只学过heap，并不了解树结构的其他性质）的核心。

叶子节点：没有子节点的节点，如上图中的6、7、8、9、10号节点
父节点(PARENT)：与节点ｉ直接连接的上一层的节点
PARENT(i) = ⌊i/2⌋
左子节点(LEFT)：与节点i直接连接的左侧的子节点
LEFT(i) = 2i
右子节点(RIGHT)：与节点i直接连接的右侧的子节点
PARENT(i) = 2i+1

在普通数组中我们绝不会认为第　i　号元素会和　2i　号元素存在什么直接联系，但heap结构建立了联系。

max-heap & min-heap

针对于heap这种结构，提出了两种特殊的heap，分别为max-heap和min-heap。
max-heap：A[PARENT(i)]　≥　A[i]
min-heap：A[PARENT(i)]　＜　A[i]
在max-heap中，所有的父元素均大于或等于其对应的子元素，因此其root元素一定是所有元素中最大的。
在min-heap中，所有的父元素均小于其对应的子元素，因此其root元素一定是所有元素中最小的。

heap的部分性质

为方便后续讨论，先推出一些简单的性质作为引理。
首先声明：令k表示树的层，root节点位于k = 0层，S表示树中总的元素个数，S_k表示第k层中元素的个数,n表示树中元素的总个数。
借助上述符号表示如下性质：

树中共有：⌈${\log }_2^{}(n)$⌉层

$S_k=2^k$
满树时 ：$n=\sum _{i=1}^k{S}_i=2^{k+1}-1$
由上可知，第k层的第一个元素的序号为$2^k$。

引理：叶子元素的下表一定为⌊$\frac{n}{2}$⌋+1,⌊$\frac{n}{2}$⌋+2,…,n
证明：不妨假设最后一层(记为第$k$层)一共有$x$个元素
显然前$k-1$层一共有$\sum _{i=1}^{k-1}{S}_i=2^k-1$个元素，因此树中一共有[$2^k-1+x$]个元素。
下面针对于x的奇偶性分开进行讨论
$x=2y$时（偶数）
树中一共有[