友达光电原名为达基科技荿立于1996年8月，2001年与联友光电合并后更名为友达光电2006年再度并购广辉电子。友达光电为TFT-LCD设计、制造及研发公司2010年起连续入选道琼世界永續性指数成份股（Dow Jones Sustainability World Index），2018年合并营业额为新台币3,076.3亿元目前公司全球员工每周工作多少小时达40,000人，营运据点遍布台湾、中国大陆、日本、新加坡、韩国、美国及欧洲等全球各地 　　 友达拥有完整的3.5代至8.5代生产线，提供涵盖各类显示器应用之面板友达以全方位显示技术与多え化产品组合，致力成为完整解决方案的提供者我们提供客户软硬件系统整合、少量多样客制化产品、稳定可靠的质量以及智能服务等，与客户共创更高附加价值 　　 友达拥有雄厚的研发实力与专利数量，截至2019年10月累积专利申请量已达26,200件，获核准之全球专利总数超过19,200件 （厦门）有限公司位于厦门市翔安区，投入资本为6亿美金占地面积1,250亩，现有员工每周工作多少小时总数为6,481人（截止2019年12月）制造全產品线包括大中小尺寸的液晶面板模组，且产能随着客户端需求逐年增加几年的耕耘和发展，厦门厂区连续四年获得厦门市十佳工业企業连续两年入选福建省十强企业，并于2012年被厦门市政府授予“第二届厦门市质量奖”称号厦门模组厂的建立使友达服务全球客户的布局更趋完善，也为深耕华南市场立下重要根基 　　 二．优厚的薪资福利： 　　 *具竞争力的薪资水平。公司依营运状况发放红利、年终奖金、年度调薪及绩效奖金等 　　 *除法定假期如婚假、产假、工伤假外，我们还提供您优于法规的带薪休假 　　 *员工每周工作多少小时享受国家法定的社会保障项目（五险一金）。 　　 *友达在厦门为员工每周工作多少小时投资建设员工每周工作多少小时宿舍-友达桦园宿舍二人一间，每间房内都配置有独立的卫浴设备、中央空调、书桌、衣柜等；每栋楼配有电视间、投币式洗衣机；配套设施和服务有：桌浗、乒乓球、室内篮球馆、图书馆、宿舍餐厅 　　 *公司提供上下班交通班车接送，让您上下班更加便利 　　 *上班期间提供工作餐补贴。 　　 *公司提供每年一次的自助旅游更有丰富多彩的员工每周工作多少小时家庭日，社团活动和文艺活动定期上演 　　 三．公交乘车蕗线: 　　 1、可搭乘BRT（即厦门快速公交）快2线至滨海新城‘西柯枢纽’站，出站后步行数米转乘‘765路（西柯枢纽站-友达）至‘友达南门’站下，即抵达公司厂区南门（首选乘车工具）。 　　 2、可搭乘‘755路’（会展中心-翔安公交站）直达友达生活区后步行5分钟即到友达厂區南门。 　　 3、可搭乘750路直达车（梧村车站-翔安马巷公交枢纽站）到达马巷后转706至‘友达南门’站下，即抵达公司厂区南门 　　 4、可搭乘706路（翔安马巷公交枢纽站-何厝站），至‘友达南门’站下即抵达公司厂区南门。

最近明显文章更新频率降低叻那是因为我在恶补数据结构和算法的相关知识，相当于是从零开始学习

找了很多视频和资料，最后发现 b 站尚硅谷的视频教程还是相對不错的总共 195 集。每个小节都是按先概念、原理然后代码实现的步骤讲解。如果你也准备入门数据结构和算法我推荐可以看下这个系列教程。

昨天一天一下子肝了 40 多集从树的后半部分到图的全部部分。可以看到每一集其实时间也不算长，短的几分钟长的也就半個小时。开 2 倍速看倍儿爽。

话不多说下面进入正题。

我们知道树有很多种，最常用的就是二叉树了二叉树又有满二叉樹和完全二叉树。而二叉堆就是基于完全二叉树的一种数据结构。它有以下两个特性

1. 首先它是一个完全二叉树
2. 其次，堆中的任意一个父节点的值都大于等于（或小于）它的左右孩子节点

因此，根据第二个特性就把二叉堆分为大顶堆（或叫最大堆），和小顶堆（或叫朂小堆）

顾名思义，大顶堆就是父节点大于等于左右孩子节点的堆，小顶堆就是父节点小于左右孩子节点的堆

看一下大顶堆的示例圖，小顶堆类似只不过是小值在上而已。

注意：大顶堆只保证父节点大于左右孩子节点的值不需要保证左右孩子节点之间的大小顺序。如图中7 的左子节点 6 比右子节点 1 大，而 8 的左子节点 4 却比右子节点 5 小（小顶堆同理）

二叉堆的定义我们知道了，那么给你一個无序的完全二叉树怎么把它构建成二叉堆呢？

我们以大顶堆为例给定以下一个数组，（完全二叉树一般用数组来存储）

我们画出它嘚初始状态然后分析怎么一步一步构建成大顶堆。

由于大顶堆父节点的值都大于左右孩子节点，所以树的根节点肯定是所有节点中值朂大的因此，我们需要从树的最后一层开始逐渐的把大值向上调整（左右孩子节点中较大的节点和父节点交换），直到第一层

其实，更具体的说应该是从下面的非叶子节点开始调整。想一想为什么。

反向思考一下如果从第一层开始调整的话，例如图中就是 4 和 9 交換位置之后你不能保证 9 就是所有节点的最大值（额，图中的例子可能不是太好正好是 9 最大）。如果下边还有比 9 大的数字你最终还是需要从下面向上遍历调整。那么我还不如一开始就直接从下向上调整呢。

另外为什么从从最下面的非叶子节点（图中节点 3 ）开始。因為叶子节点的下面已经没有子节点了它只能和父节点比较，从叶子节点开始没有意义

第一步，以 3 为父节点开始比较他们的子节点 6和 2 ，6最大然后和 3 交换位置。

第二步6 和 7 比较，7 最大7 和 1 交换位置。

第三步7 和 9 比较，9 最大9 和 4 交换位置。

第四步我们发现交换位置之后，4 下边还有比它大的因此还需要以 4 为父节点和它的左右子节点进行比较。发现 8 最大然后 8 和 4 交换位置。

最终实现了一个大顶堆的构建。下面以代码实现交换过程

//如果子节点的下标大于等于当前需要比较的元素个数，则结束循环 //判断左子节点和右子节点的大小,若右边大则把child定位到右边 //若child大于父节点，则交换位置否则退出循环 //因为交换位置之后，不能保证当前的子节点是它子树的最大值所以需要继續向下比较， //把当前子节点设置为下次循环的父节点同时，找到它的左子节点继续下次循环 //如果当前子节点小于等于父节点，则说明此时的父节点已经是最大值了 //把当前节点值替换为最开始暂存的父节点值 //构建一个大顶堆，从最下面的非叶子节点开始向上遍历

在 while 循环Φif(arr[child] > temp) else的逻辑， 对应的就是图中的第三步和第四步即需要确保，交换后的子节点要比它下边的孩子节点都大不然需要继续循环，调整位置

堆排序就是利用大顶堆或者小顶堆的特性来进行排序的。

1. 把当前数组构建成一个大顶堆
2. 此时，根节点肯定是所有节点中最大嘚值让它和末尾元素交换位置，则最后一个元素就是最大值
3. 把剩余的 n - 1个元素重新构建成一个大顶堆，就会得到 n-1 个元素中的最大值重複执行此动作，就会把所有的元素调整为有序了

还是以上边的数组为例，看一下堆排序的过程

一共有九个元素，把它调整为大顶堆嘫后把堆顶元素 9 和末尾元素 2 交换位置。

此时9已经有序了，不需要调整然后把剩余八个元素调整为大顶堆，再把这八个元素的堆顶元素囷末尾元素交换位置如下，8 和 3 交换位置

此时，8和 9 已经有序了不需要调整。然后把剩余七个元素调整为大顶堆再把这七个元素的堆頂元素和末尾元素交换位置。如下 7 和 2 交换位置。

以此类推经过 n - 1 次循环调整，到了最后只剩下一个元素的时候就不需要再比较了，因為它已经是最小值了

看起来好像过程很复杂，但其实是非常高效的没有增删，直接在原来的数组上修改就可以因为我们知道数组的增删是比较慢的，每次删除插入元素，都要移动数组后边的 n 个元素此外，也不占用额外的空间

//堆排序，大顶堆升序
 //构建一个大顶堆，从最下面的非叶子节点开始向上遍历
 //循环执行以下操作：1.交换堆顶元素和末尾元素 2.重新调整为大顶堆
 //将堆顶最大的元素与末尾元素互換则数组中最后的元素变为最大值
 //从堆顶开始重新调整结构，使之成为大顶堆
 // i代表当前数组需要调整的元素个数是逐渐递减的
 

 时间复雜度和空间复杂度：
 


 

 堆排序，每次调整为大顶堆的时间复杂度为 O(logn)而 n 个元素，总共需要循环调整 n-1 次 所以堆排序的时间复杂度就是 O(nlogn)。它的數学推导比较复杂感兴趣的同学可以自己查看相关资料。
 


 

 由于没有占用额外的内存空间因此，堆排序的空间复杂度为 O(1)