算法导论------堆排序

一 堆定义
堆(Heap)是计算机科学中一类特殊的数据结构的统称。堆通常是一个可以被看做一棵完全二叉树的数组对象。如下所示：

二 堆的性质
假设堆是使用数组进行存储的，那么对于堆中的节点 i ，其对应的相关性质如下：
PARENT(i) = i / 2 // 父节点计算
LEFT(i) = i * 2 // 左孩子节点计算
RIGHT(i) = i * 2 + 1 // 右孩子节点计算

三 最大堆和最小堆
3.1 最大堆性质
最大堆的简单概括就是堆中任意一个节点的父节点，都比该任意节点的值要大。即：
PARENT(i) >= i

3.2 最小堆性质
最小堆的简单概括就是堆中任意一个节点的父节点，都比该任意节点的值要小。即：
PARENT(i) <= i

注：此处只讨论最大堆，最小堆的相关情况可以类推
四 最大堆性质维护
根据最大堆的性质，设计性质维护算法思想是：比较要调整的节点，以及该节点的左右孩子节点，找出这三个节点中的最大值，放到父母节点位置。如果进行了调整，就继续递归调用进行调整，如果没有进行交换，即当前要调整的节点就是最大节点，那么递归退出。所以该算法的时间复杂度为O(lgn),空间复杂度为O(1), 算法伪代码如下：

	MAX_HEAPIFY(A, i)
		l = LEFT(i)
		r=RIGHT(i)
		if l <= A.heapsize and A[l] > A[i]
				largest = l
		else 
			largest = i
		if r <= A.heapsize and A[r] > A[largest]
			largest = r
		if largest != i
			exchange A[i] and A[largest]
			MAX_HEAPIFY(A, largest)

五 建立最大堆
建立最大堆的算法是通过利用维护最大堆性质的算法实现的。首先，给定一组数据，通过数组存储。此时，数组的后半段，即下标为A.length / 2 以后的位置，都会存储建立好的堆的叶子节点，所以我们的算法就是调整数组中的数的位置，然后让数组中的数据的顺序符合最大堆的性质。算法时间复杂度为 O(lgn), 空间复杂度为 O(1), 调整的算法如下：

BUILD_HEAPIFY(A)
	A.heapsize = A.length
	for i = ⌊A.length / 2⌋ to 0
		MAX_HEAPIFY(A, i)

六 堆排序算法
首先对数组建立一个最大堆，然后每次获取最大堆的根节点存储到数组的最后位置，然后对剩余的数再进行上述操作，即可得到排序好的结果。算法实现的时间复杂度为 O(nlgn) , 空间复杂度为 O(1)，算法伪代码如下：

HEAPSORT(A)
	BUILD_HEAPIFY(A)
	for i = A.length to 2
		exchange A[1] and A[i]
		A.heapsize = A.heapsize - 1
		MAX_HEAPIFY(A, 1)