归并排序不使用递归

• 使用一个变量，使其按照1、2、4、8递增，控制左右两边1个元素、2个元素、4个元素等元素的合并

完全二叉树

• 完全二叉树 要不全是满的，要不叶子节点出现在最后一层，只要出现了叶子节点，后面的都是叶子节点
• 完全二叉树可以用数组下标从0-7来表示，依据以下公式计算左节点、右节点和父节点
• 对于任意节点 i 
• 左节点  2*i+1
• 右节点  2*i+2
• 父节点  (i-1)/2

堆

堆（完全二叉树）

大根堆

• 在完全二叉树上，每一个子树的最大值都是头节点

小根堆

• 在完全二叉树上，每一个子树的最小值都是头节点

堆的插入和删除操作是O(logn),构建堆的操作是O(n)

堆的存储方式不是链式存储，而是顺序存储。左孩子下标是 2*parent +1;右孩子下标是2 * parent+2

优先队列：比如最大优先队列，让最大的元素出队，即使最大元素不在队头，他仍然是第一个出队，因为它优先级最高。优先队列的底层是使用大根堆来实现的。每一次入队操作就是堆的插入操作，每一次出队操作就是删除堆顶点

因为二叉堆的上浮和下沉的时间复杂度都是O(logn),因此优先队列的入队和出队的时间复杂度也是O(logn)

例子

• 加入元素：数组下标从0到7，按照输入的顺序加入到数组中，没加入一个数组根据公式（i-1）/ 2来判定，他的父节点的位置，然后与父节点做比较，如果大于父节点则和父节点的位置交换。每加入一个元素，那么heapsize+1。heapsize用于指定堆的大小。
• 返回最大值：将大根堆的最顶端和最末尾的元素相互交换，然后将heapsize-1，返回最顶端的数值。末尾元素移到最顶端之后，需要找到它的左右两个孩子节点，做比较，如果有比它还大的孩子节点就进行交换。依此类推。
• 数组扩容：如果原始只分配一个字节，动态加入元素，进行数组扩容。那么需要log（N）次数的扩容，最后需要拷贝N个数到扩容完成后的数组中；因此代价是 N*log（N），如果取平均，最后代价是log（N）

完整代码

• heapsort方法适用于 将元素插入数组，一个一个往里面放
• heapify 适用于如果将元素弹出的时候，将最小的元素放在顶端，看其是否下降
• 还不是很了解 这个代码的含义

package class02;import java.util.Arrays;
import java.util.PriorityQueue;public class Code03_HeapSort {public static void heapSort(int[] arr) {if (arr == null || arr.length < 2) {return;}for (int i = 0; i < arr.length; i++) { // O(N)heapInsert(arr, i); // O(logN)}// for(int i = arr.length -1; i >=0; i--) {// heapify(arr, i, arr.length);// }int heapSize = arr.length;swap(arr, 0, --heapSize);while (heapSize > 0) { // O(N)heapify(arr, 0, heapSize); // O(logN)swap(arr, 0, --heapSize); // O(1)}}// arr[0 ... index-1]已经是堆了某个数现在处在index位置，往上继续移动public static void heapInsert(int[] arr, int index) {while (arr[index] > arr[(index - 1) / 2]) {swap(arr, index, (index - 1) / 2);index = (index - 1) / 2;}}// 某个数在index位置，能否往下移动public static void heapify(int[] arr, int index, int heapSize) {int left = index * 2 + 1; // 左孩子的下标while (left < heapSize) { // 下方还有孩子的时候// 两个孩子中，谁的值大，把下标给largestint largest = left + 1 < heapSize && arr[left + 1] > arr[left] ? left + 1 : left;// 父和较大的孩子之间，谁的值大，把下标给largestlargest = arr[largest] > arr[index] ? largest : index;if (largest == index) {break;}swap(arr, largest, index);index = largest;left = index * 2 + 1;}}public static void swap(int[] arr, int i, int j) {int tmp = arr[i];arr[i] = arr[j];arr[j] = tmp;}// for testpublic static void comparator(int[] arr) {Arrays.sort(arr);}// for testpublic static int[] generateRandomArray(int maxSize, int maxValue) {int[] arr = new int[(int) ((maxSize + 1) * Math.random())];for (int i = 0; i < arr.length; i++) {arr[i] = (int) ((maxValue + 1) * Math.random()) - (int) (maxValue * Math.random());}return arr;}// for testpublic static int[] copyArray(int[] arr) {if (arr == null) {return null;}int[] res = new int[arr.length];for (int i = 0; i < arr.length; i++) {res[i] = arr[i];}return res;}// for testpublic static boolean isEqual(int[] arr1, int[] arr2) {if ((arr1 == null && arr2 != null) || (arr1 != null && arr2 == null)) {return false;}if (arr1 == null && arr2 == null) {return true;}if (arr1.length != arr2.length) {return false;}for (int i = 0; i < arr1.length; i++) {if (arr1[i] != arr2[i]) {return false;}}return true;}// for testpublic static void printArray(int[] arr) {if (arr == null) {return;}for (int i = 0; i < arr.length; i++) {System.out.print(arr[i] + " ");}System.out.println();}// for testpublic static void main(String[] args) {int index = -1;System.out.println(index / 2);int testTime = 500000;int maxSize = 100;int maxValue = 100;boolean succeed = true;for (int i = 0; i < testTime; i++) {int[] arr1 = generateRandomArray(maxSize, maxValue);int[] arr2 = copyArray(arr1);heapSort(arr1);comparator(arr2);if (!isEqual(arr1, arr2)) {succeed = false;break;}}System.out.println(succeed ? "Nice!" : "Fucking fucked!");int[] arr = generateRandomArray(maxSize, maxValue);printArray(arr);heapSort(arr);printArray(arr);}}

比较器的使用

• 实质：重载比较运算符
• 比较器可以应用在特殊标准的排序上
• 比较器可以应用在特殊标准的排序结构上
• 自己定义比较规则  类似 C++运算符号重载，比如定义一个学生结构体，包含学生的名字、年龄和id；通过结构的年龄的比较，进行排序

堆排序的扩展题目

• 已知一个几乎有序的数组，几乎有序是指，如果将数组排好顺序的话，每个元素的移动距离不超过k，并且k相对于数组来说比较小。请选择一个合适的排序算法针对这个数据进行排序
• 思路：使用一个大小为 k+1 的内存空间，主要目的是要小根堆，先将k+1个元素放入申请的内存空间，每次放入都需要进行一次调整；此时0位置的元素是最小的元素；然后将0位置元素弹出，再将新的元素插入申请的空间，进行调整。（每弹出一个首元素，再插入一个新的元素，整体调整） （每个数进入一次弹出一次，N*logk）
•