左神算法笔记（二）——快速排序，堆

快速排序

荷兰国旗问题

08荷兰国旗问题代码
将小于大于区域进行划分，当数值小于则将数据放到左边，L+1，当数据大于则将数据放到右边R，同时将R-1.
由于荷兰问题较为简单，因此在这里不再编写代码。

改进后的快速排序

public static void quickSort(int[] arr){
	if(arr == null || arr.length<2){
		return;
	}
	quickSort(arr,0,arr.length-1);
}
public static void quickSort(int[] arr,int l,int r){
	if(l<r){
		swap(arr,l+(int)(Math.random()*(r-l+1)),r);//随机抽取数值
		int[] p = partition(arr,l,r);//将等于x部分筛出，存放至数组之中。
		quickSort(arr,l,p[0]-1);//小于部分快速排序
		quickSort(arr,p[1]+2,r);//大于部分快速排序
	}
}
public static int[] partition(int[] arr,int l,int r){
	int less = l-1;
	int more = r;
	//将r当作该数值，将r-1个数值进行比较，最后再将more和r进行转换。
	while(l<more){
		if(arr[l]<arr[r]){
			swap(arr,++less,l++);
		}else if(arr[l]>arr[r]){
			swap(arr,--more,l);
		}else{
			l++
		}
	}
	swap(arr,more,r);
	return new int[] { less+1,more};
}
public static void swap(int[] arr,int i,int j){
	int tmp = arr[i];
	arr[i] = arr[j];
	arr[j] = tmp;
}

改进后的快排是将数组的最后一个数值按照该数值去划分，将小于x部分的范围和大于x的范围划分出来，之后再进行快速排序。相较而言，再去快速排序的范围缩小，所以时间复杂度相同，但是实际运算的时候会速度快一些。
最好的情况复杂度为T(N)=2T(N/2)+O(N),但是如果数据状况特别差，则复杂度会很高。

随机快排

整个数组随机选择一个数，将其放到最后，再进行快速排列，因此最后的复杂度表达式是一个含有概率的表达式。
随机快排是最常用的排序，非常重要
随机快排的复杂度为一个期望复杂度：O(N*logN)，额外空间复杂度为O(logN)在这里插入代码片
代码如上所示。

在工程上改写成非递归版本，工程上一般不允许递归函数

堆排序

堆的结构是完全二叉树，堆可以用数组来实现，将数组理解为完全二叉树。
如果一棵具有n个结点的深度为k的二叉树，它的每一个结点都与深度为k的满二叉树中编号为1~n的结点一一对应，这棵二叉树称为完全二叉树。

将二叉树转化为数组，0为父节点，奇数为左节点，偶数为又节点。
大根堆：（完全二叉树）任何一颗子树的最大值都是这个子树的头部。
小根堆：任何一颗子树的最小值都是这个子树的头部。
建立大根堆
如何将一个数组转化为大根堆：根据完全二叉树和数组对应的特点，从数组最左边父节点开始依次调整，对于不符合的节点进行交换，从而将普通数组转换为大根堆。（若子节点的数值大于父节点，则需要将父节点和子节点进行转换，依次递归）
1.i-1已经形成大根堆
2.第i位置跟父位置进行比较，如果大于父位置则进行交换
3.若小于父位置，则不需要处理。
在完全二叉树中加入一个新的节点加入的复杂度为logN，
建立大根堆的过程的复杂度为将N-1个节点依次加入的过程，最后收敛于O(N)

堆总结

在建立大根堆的过程中，为heapInsert，在堆中某个数据发生改变之后需要调整的时候，为heapify，堆数据可以增加也可以减少，堆数据增加可以使用heapInsert。
堆在系统中是优先级队列，调整代价较小，只需要承担logN的复杂度就可以完成，非常重要

如果需要随时接收数据，并且需要随时读取所有数据的中位数，则利用堆进行运算

算法流程：
1.首先创建两个堆，一个大根堆，一个小根堆
2.将第一个数据防入大根堆，第二个数据到来之后跟大根堆中的数据进行比较，如果数据小于大根堆中的根，则放入大根堆中，此时大根堆中会有两个数据，而小根堆中没有数据。
3.如果出现大根堆和小根堆中的数目不相等，相差2，则将数据较多的堆的父节点弹出，放入数据较少的数据堆中当父节点。堆顶需要删掉则可以执行将堆底最后的数据跟堆顶换位，将堆的数据heapsize减少，之后再进行heapify，则重新调整为大根堆。

经过上述三个步骤，则可以实现大根堆中的数据小于小根堆中的数据，中位数的数据只会从大根堆和小根堆的父节点中选出，随时进入数据，则可以随时调整，复杂度较低。