算法基础
一：插入排序
插入排序：对于少量的元素排序，它是个有效的算法。时间复杂度：N^2
插入排序好比一手扑克牌。每次从桌上拿走一张牌将它按顺序插入正确的位置。为了找到这张牌的正确位置，我们需要从右到左依次比较（靠左最小）。
伪代码如下：
二：归并排序
分治法：分解、解决、合并
1：分解元问题为若干子问题，这些子问题是元问题的规模较小的实列。
2：解决这些子问题，递归地求解各子问题。
3：合并这些子问题的解就成元问题的解。
归并排序完全遵循分治模式。关键是合并。
假设（A，p，q，r） 其中A是一个数组，p、q和r是数组下标，满足p<=q<r。
假设子数组A[p······q]和 A[q+1，·····r]都已经排好序。
只要合并两个子数组就可以替代A[p····r]。
伪代码如下：
时间复杂度：nlgn
三：堆排序
时间复杂度： nlgn
最大堆：A[parent(i)]>=a[i] 结点的值至多与父结点一样大，堆中最大的元素为根结点。
A.length 为给出数组的元素个数
A.heap-size:有多少个堆元素存储在该数组中
1.堆维护性质(Max-Heapify(A,i))
用于维护最大堆性质。
Max-Heapify(A,i)
伪代码：
2.建堆（Build-Max-Heap(A)）
利用Max-Heapify 把咦个大小为n=A.length的数组A[1``n]转化为最大堆。
伪代码：
3.堆排序算法
堆排序利用Build-Max-Heap将输入数组A[1···n]建成最大堆，其中n=A.length，此时数组中最大元素总在根结点A[1]中
这时候我们从堆中去掉结点n，调用Max-Heapify（A,1）,从而在A[1，···n-1]构造一个新的最大堆。重复此过程，直到堆的大小从n-1降到2
伪代码如下：
