【leetcode学习笔记】堆排序、基数排序、排序算法总结

一、堆排序

1.1 堆

堆：堆是一种特殊的完全二叉树，大根堆是指任意一个结点的值大于它的两个孩子的值；小根堆是指任意一个结点的值小于它的两个孩子的值。

因为数组可以唯一对应完全二叉树，因此我们可以在数组结构中实现堆的相关工作。比如：对于结点i，它的父结点为(i-1)//2，它的左子结点为2i+1，右子结点为2i+2。

1.2 堆排序的核心思想

第一步：将数组转化为大根堆

从一棵空树出发，一个一个点加入，每次加入一个点，都通过一定的操作，使其变成一个大根堆。具体操作为，每一次将新的点放到最后一个叶结点，然后和它的父结点做比较，如果它的值大于父结点的值，那么就交换两个值。然后继续循环，直至它的值小于父节点，或者变成头结点。这样，每次加入一个点以后，我们仍能保持树的大根堆结构。

第二步：将大根堆转化为升序序列

首先，将大根堆的根结点，和最后一个叶结点交换，那么最后一个点就有序了。然后再把剩下的结点构成的树还原成一个大根堆。然后再把根结点，和倒数第二个叶结点交换，这样后两个点就有序了，再把剩下的树还原成一个大根堆。如此重复下去，就可以将大根堆的元素一个个弹出，最后就得到了升序数组。

还原大根堆的方法：将根结点向下比较，如果不是大根堆，就和两个孩子的最大值交换，直至树变成大根堆。

二、不基于比较的排序

2.1 核心思想

利用数据的内部结构进行排序。

例：对公司员工的年龄排序，我们知道员工年龄必然介于1-200，因此我们只需要准备一个200维的数组，然后我们遍历所有员工，23岁就让数组的23号元素加1，遍历过一次之后，我们就得到了每个年龄的员工数量，那么我们就可以还原出一个有序的年龄数组。

2.2 局限性

这种排序方法强依赖于数据的内部结构，就上例而言，年龄构成的是一个“有序”的“有限”集，所以我们才能设计出O(n)的算法。如果我们的数据范围是[-2^-32, 2^32 - 1]的话，我们再设置一个计数数组，就不是很划算了。

2.3 基数排序

假设给若干个4位数，准备10个桶，根据所有数的千位放到对应的桶中，那么9xxx的桶中的数一定比8xxx的桶中的数大，我们就只需要在每个桶内，对所有数的百位再分桶，如此迭代下去即可。

基数排序之所以可以免于比较，是因为“数”本身是有“进制”这个概念的，如果我们想要比较的东西没有“进制”的概念，那就没法用基数排序了。

三、排序算法总结

3.1 排序算法的稳定性

两个相等的数，在经过排序后，是否仍能保持原先的次序。稳定性在基础类型数据中一般不起作用，因为2和2谁先谁后并无所谓。但是在特定场景下，就有意义了。比如说excel的排序功能，原表有“班级”和“年龄”两个列，如果对“年龄”排序，我们希望在“年龄”值相等时“班级”列仍能保持原先的顺序，那么只有具备稳定性的排序算法才有这样的能力。

选择：[2,2,1]，第一步1和第一个2交换，不稳定

插入：可以设置相等时插到右边，稳定

冒泡：可以设置相等时不交换，稳定

归并：归并时可以设置相等时，指针优先走左半边，稳定

堆排：每一个结点只能看到它的上下最多三个点，其余的点看不到，不稳定

快排：不稳定

3.2 O(nlog n)的算法比较

堆排序：额外空间复杂度O(1)

快速排序：速度快，O(nlog n)对应的常数较小

归并排序：稳定

因此一般情况下，我们都选用速度最快的快速排序。如果我们希望节省空间，那么就采用堆排序。如果对稳定性有要求，就选用归并排序。

基于比较的排序：

• 目前为止，没有算法能使得时间复杂度优于nlogn。
• 目前为止，没有算法能使得时间复杂度O(nlogn)，空间复杂度O(1)，且稳定。

3.3 排序算法的常见坑

• 归并排序的空间复杂度能否变成O(1)？可以，有内部缓存法，但是不稳定，那为什么不直接用堆呢？
• 原地归并排序能让归并排序的空间复杂度变成O(1)，但是会让时间复杂度变为O(n^2)，那为什么不直接用插入呢？
• 快速排序能不能稳定？可以，有0-1 stable sort，但是空间变成O(n)，那为什么不直接用归并呢？
• 面试题：一个整数数组，要求找到时间O(n)，空间O(1)的方法，使得数组变为奇数在左，偶数在右，且奇数的相对次序不变，偶数的相对次序不变？答案：不存在，如果存在，那么我们就能构建稳定的快速排序算法。因为把奇偶保持次序的分为两部分，等价于将小值和大值保持次序的分为两部分。