概念补充：
二叉树：是n个结点的有限集合，该集合或为空（空二叉树），或者由一个根节点和两颗互不相交的、分别称为根节点的左子树和
右子树的二叉树组成
完全二叉树：
以上是完全二叉树，具有n个节点的二叉树按层序遍历，如果i的节点与同样深度的满二叉树编号为i的节点位置
完全相同，则这个二叉树为完全二叉树
性质5：如果一个有n个节点的完全二叉树，的节点按层序编号，，对任意节点（1<=i<=n）
如果i=1，节点i是二叉树的根，无双亲，如果i>1，则其双亲节点是i/2
如果2i>n,该节点无左子树,否则其左节点是2i
如果2i+1>n，该节点无右子树，否则其右节点是2i+1
堆是具有以下特殊性质的完全二叉树：
每个节点的值都大于等于左右孩子节点，大顶堆
每个节点的值都小于等于左右孩子节点，小顶堆
按层序遍历的方式，给节点从1开始编号，节点间满足下列关系
ki>=k2i 或者ki<=k2i
ki>=k2i+1ki<=k2i+1(1<=i<=n/2)
堆排序算法：将待排序序列构造成大顶堆，此时整个序列最大值为根节点，将其与堆数组中的末尾元素交换，
此时末尾元素就是最大值，然后将剩余的n-1个节点的序列构造成大顶堆，如此反复。
堆排序代码：
void HeapSort(arr *L)
{
int i;
//构建大顶堆
for ( i=L->length/2;i>0;i-- )
{
HeapAdjust(L,i,L->length);
}
for ( i=L->length;i>1;i-- )
{
//将大顶堆的根节点与最后一个节点交换
swap(L,1,i);
//交换后的序列重新调整为大顶堆
HeapAdjust(L,1,i-1);
}
}
//L序列L->data[s...n]之间除了r->data[s]之外均满足堆的定义
//本函数调整L->data[s]的关键字，使之满足大顶堆
void HeapAdjust(arr *L,int s, int n )
{
int i,j;
int temp;
temp=L->data[s];
for ( i=2*s;i<=n;i*=2 )
{
if( i<n && (L->data[i] < L->data[i+1]) )
{
i++;
}
if ( temp >= L->data[i] )
{
break;
}
L->data[s]=L->data[i];
s=i;
}
L->data[s]=temp;
}
以{50,10,90,30,70,40,80,60,20}为待排序序列讲解
L->data：50 10 90 30 70 40 80 60 20
s=length/2=9/2=4,n=9，既节点30的调整，
变量j以2*s开始，又是以j*=2递变，是根据二叉树的性质5，当前节点为s，其左孩子是2*是，右孩子是2*s+1，
他们的孩子也是以2的位数序数增加。
temp=data[4]=30
i=2*s=8,i<n
左右孩子对比，找出大的孩子， data[j]<data[j+1];
j=8<n, 60>20,j=8
30<60,s=j,data[s=4]=data[j=8],既将左孩子放到双亲节点处
j=16>n,s=8,data[s=8]=temp=30
以上为一个节点的调整
接下来同样的方法对i=3,90节点做调整，i=2,10节点作调整，
i=1,50节点做调整
s=1,m=9
temp=data[s=1]=50
j=2*s=2左右孩子对比10<90,j++
j=3, temp<data[j],data[s]=data[j]
s=3,
j=2*s=6左右孩子对比，40<80，j++
j=7,temp<data[j=7]
s=7,j=2*s=14
j>n=9,退出for循环
data[s=7]=temp=10
通过对不是叶子节点的节点做调整，将该数组做成一个大顶堆的完全二叉树数组。
将根节点90与最后一个接点交换，并重新调整
下一次length=8，调整将9排除数组树外，既最大值在数组的最右边
for(i=length/2;i>0;i--)
我们所谓的将待排序的序列构建成一个大顶堆，其实就是从下往上，从右到左，将每个非
终端节点当做根节点，将其子树调整成大顶堆。
最小的非终端节点，n/2
堆排序时间复杂度分析：
构建堆的过程，时间复杂度为O(n)
正式排序时，时间复杂度为O(nlogn)
总体来说，堆的时间复杂度为O(nlogn)
堆排序对原始记录的排序状态并不敏感，因此它的最好，与最坏平均时间复杂度均为O(nlogn)
因为初始构建堆所需的比较次数较多，因此堆排序不适合排序序列个数较少的情况