常见的Onlogn算法的实现：

快速排序：

快速排序是经典的分治算法，时间复杂度O(nlogn),我们需要随机选出一个元素，在这个元素的左侧都比该元素小，右侧则比元素大。分为三个部分：
1.将数组划分为两个部分，将数组a[l,r] 分为a[l, q-1], a[q+1,r]，以q为分界点，满足上述条件，其中对于q的选择应该是随机的。
2.排序：通过递归调用快速排序，对两个子数组进行排序。
3.合并：如果是对原数组的地址进行操作，则不需要进行排序。

事实上，快速排序的每一次遍历，都将基数摆在了最终的位置上。总遍历次数为logn-n次，每轮的时间复杂度为On，所以时间复杂度为Onlogn和On2，平均时间复杂度为Onlogn；
如果选择第一个元素作为pivot,那么这个排序算法会很简单，但是此时我们考虑特殊情况：

该数组是一个升序数组或者是降序数组：此时时间复杂度会到最高0n2：

我们选择对快速排序进行优化，也就是随机选取pivot，借助于java中的random函数：

new Random.nextInt();

可以有效的降低时间复杂度，不信你看：不会传图片sorry：

有一点需要注意，那就是这是一个不稳定的排序，在排序过程中你也看见了，相同的两个值，他们的顺序可能被打乱，通常情况下这是不被允许的。

堆排序

堆是一个二维的数据结构，堆分为两种，一种是大顶堆，一种是小顶堆。区分的条件是所有的根节点和子节点数值之间的关系。

堆排序维护一个完全二叉树，我们一般将整个数列的初始状态视为一个完全二叉树，然后自底向上满足堆的要求：

完全二叉树的性质：

对于任意节点i：左子节点 2*i + 1；
右子节点 left + 1；
最大的非叶子节点：n/2 + 1;

首先从最后一个非叶子节点构建你的大根堆；
然后在每一个节点都要执行Headfy这样的一个调整函数，在里面不要忘记递归：
在主函数中，你需要每次将最后的结果抛出，然后并继续调整，才能得到你想要的答案；