[大、小根堆应用总结一]堆排序的应用场景

前言

在整理算法题的时候发现，大根堆（小根堆）这种数据结构在各类算法中应用比较广泛，典型的堆排序，以及利用大小根堆这种数据结构来找出一个解决问题的算法最优解。因此，我打算单独将关于堆的应用独立总结出来，后面每遇到一种跟堆结构相关的应用都放到这个目录下。

堆的定义

n个关键字序列L[1…n]称为堆，当且仅当该序列满足：
1. L(i)<=L(2i)且L(i)<=L(2i+1)或
2. L(i)>=L(2i)且L(i)>=L(2i+1)
满足第一个条件的成为小根堆（即每个结点值小于它的左右孩子结点值），满足第二个添加的成为大根堆（即每个结点值大于它的左右孩子结点值）。

应用一：对一个基本有序的有序数组排序，选择哪种排序算法？

基本有序：指如果把数组排好序的话，每个元素移动的距离不超过K，并且K相对于数组长度很小。

分析

1、对于时间复杂度为O(N)的排序算法：

时间复杂度为O(N)的算法主要有基数排序、计数排序，但是这两种算法都需要提前知道数组中元素的范围，以此来建立桶的数量，因此并不合适来解决这个问题。排除！

2、对于时间复杂度为O(N2)的排序算法：

时间复杂度O(N2)常用的主要有冒泡、选择、插入，联系到题目所说的基本有序，插入排序是首选，每个元素移动的距离不超过K，因此插入排序中每个元素向前移动的距离也不会超过K，故此时插入排序的时间复杂度为O(N*K)，所以插入排序可以列入考虑。

3、对于时间复杂度为O(N*logN)的排序算法

时间复杂度O(N2)常用的主要有快速排序、归并排序、堆排序，因为这两种排序方法跟数组元素的初始顺序无关，因此这两种方法也是比较好的一种。而堆排序在最好、最坏、平均情况下时间复杂度都为O(N*logN)。

较优方案

根据上面的分析，我们初步锁定在时间复杂度为O(N*logN)的排序算法。
1. 再根据题意，每个元素移动的距离不会超过k，说明前k个元素中一定有数组中最小的一个元素，即array[0]~array[k-1]中存在一个最小的元素，从这里面拿出最小的一个元素后，再往后移动一步，即数组array[1]~array[k]中存在一个次小的元素，以此下去…就可以得到n-k个排好序的元素，最后再对最后的k个元素排序即可。
2. 因此，我们可以先建立一个k个元素的小根堆，每次拿出堆顶元素，再后移一位重新调整小根堆，循环下去…最后k个元素再因此缩小调整的范围。代码如下：

public static int[] heapSort(int[] A, int n, int k) {  
        if(A == null || A.length == 0 || n < k){