前言
堆是一种完全二叉树，所以在讲解堆之前，会先讲解树和二叉树的概念
树
概念
树是一种非线性的数据结构，它是由n（n>=0）个有限节点组成的一个具有层次关系的集合，把它叫做树是因为它看起来像一棵倒挂的树，也就是说它是根朝上，叶朝下的
根节点是一个特殊的节点，根节点没有前驱节点
&nbnp;
除根节点外，其余节点被分成M(M>0)个互不相交的集合，其中每个集合又是一棵结构与树类似的子树。每棵子树的根节点有且只有一个前驱节点，可以有0个或多个后继节点
因此，树是递归定义的
| 名称 | 解释 |
|---|---|
| 节点的度 | 一个节点含有的子树个数称为该节点的度 |
| 叶节点 | 度为0的节点 |
| 分支节点 | 度不为0的节点 |
| 父节点 | 若一个节点含有子节点，则这个节点称为其子节点的父节点 |
| 子节点 | 一个节点含有的子树的根节点称为子节点 |
| 兄弟节点 | 具有相同父节点的节点互称为兄弟节点 |
| 树的度 | 一棵树中最大的节点的度称为树的度 |
| 节点的层次 | 从根开始定义起。根为第1层，根的子节点为第2层，以此类推 |
| 树的深度或高度 | 树中节点的最大层次 |
| 节点的祖先 | 从根到该节点所经分支上的所有节点 |
| 子孙 | 以某节点为根的子树中任意节点都称为该节点的子孙 |
结构
注意，
树形结构中，子树之间不能有交际，否则不是树
除了根节点外，每个节点有且仅有一个父节点
一棵N个节点的树，有N-1条边
左孩子，右兄弟表示法
无论有多少个孩子，child指向左边开始第一个孩子，其余的孩子从第一个孩子开始依次用brother指向
struct TreeNode
{
int val;
struct TreeNode* leftchild;
struct TreeNode* rightBrother;
};
对于上面例图中的树，用左孩子右兄弟表示法，是如下结构
二叉树
概念
一棵二叉树是节点的一个有限集合，该集合：
1.或者为空
2.由一个根节点加上两棵别称为左子树和右子树的二叉树组成
满二叉树：一个二叉树，如果每层的节点数都达到最大值，则这个二叉树就是满二叉树。也就是说，如果一个二叉树有K层，且节点总数为2k-1,则他就是满二叉树
完全二叉树：完全二叉树是效率很高的数据结构，是由满二叉树引出来的，对于深度为k，节点数为n的二叉树，当且仅当每一个节点都与深度为k的满二叉树中编号从1至n的节点一一对应时，称之为完全二叉树，满二叉树是一种特殊的完全二叉树
二叉树不存在度大于2的节点
二叉树的子树有左右之分，次序不能颠倒，所以二叉树是有序树
完全二叉树最后一层不满时，从左到右必须连续
结构
二叉树根节点的左右子树如下
数组存储
逻辑结构：想象成树状的
物理结构：通过数组存储
为了用下标快速查找父亲和孩子，可以用数组存储二叉树
假设父亲在数组中的下标是i
左孩子在数组中的下标是2*i+1
右孩子在数组中的下标是2*i+2
因为不完全二叉树用数组储存会有空间浪费，因此数组只适合表示完全二叉树，而实际使用时只有堆会用数组储存数据
链式存储
二叉树的链式存储是指用链表来表示二叉树。
通常每个节点由三个区域组成——数据域和左右指针域，这就是常说的二叉链。
然而链式结构还有三叉链，第三条链指向的是父节点，这种结构在高阶数据结构才会使用到，例如红黑树。
本篇文章主要讲解初阶结构，在后面会另开文章详细探讨二叉树的链式存储和三叉链
堆
堆是一种完全二叉树
需要注意的是：
大堆和小堆不能看作升序和降序排列，大小的关系只存在于父亲和孩子之间
堆的代码实现
结构
前面讲到，本篇文章的讲解的是数组储存结构的堆，所以在堆的结构中需要一个数组
因为堆的大小是不固定的，所以需要用size记录堆内元素个数，用capacity记录当前数组的容量
typedef int HPDataType;//便于修改储存的数据类型
typedef struct Heap
{
HPDataType* a;
int size;
int capacity;
}HP;
初始化
void HPInit(HP* php)
{
assert(php);
php->a = NULL;
php->size = 0;
php->capacity = 0;
}
销毁
void HPDestroy(HP* php)
{
assert(php);
free(php->a);
php->a = NULL;
php->size = php->capacity = 0;
}
交换数值
按照正常的思考逻辑，应该先写插入删除函数，再去完成被调用的向上向下调整函数，然后出于综合考量，再将调整函数中的数值交换封装成函数
但是考虑到这种思维跳转会将文章打乱，为了让文章整体完整，我将代码顺序做了调整
因为这是数组储存，所以在元素顺序变动的时候需要用到交换数值函数，具体如下
void Swap(HPDataType* p1,HPDataType* p2)
{
HPDataType tmp = *p1;
*p1 = *p2;
*p2 = tmp;
}
向上调整
向上调整用于在插入数据时，将数据按照大小堆的规律调整到合适的位置
下图是一个小堆，我们以它为例：
小堆说明父亲小于孩子，所以当插入新元素时，需要不断的将新元素与父亲进行比较。如果孩子<父亲，那么交换两者，如果孩子>=父亲就不需要继续调整。插入新元素最坏的情况是，新元素比所有的父亲都小，那么这个新元素需要不断与父亲交换，直到新元素成为堆顶。我们假设对这个小堆插入20
看完图解相信你很容易就可以理解向上调整的基本逻辑。那如果是大堆该怎么操作呢？只需要修改交换孩子和父亲的条件为孩子>父亲即可。
void AdjustUp(HPDataType* a, int child)
{
int parent = (child - 1) / 2;//记录父亲的下标
while (a[child] < a[parent])//比较父亲和孩子
{
Swap(&a[child], &a[parent]);//交换父亲和孩子
child = parent;//将孩子的下标修改外原来的父亲的下标
parent = (child - 1) / 2;//重新计算父亲的下标
}
}
这里有3点要注意：
1.代码中交换父亲和孩子的条件是根据大小堆而定的，并不是固定的
2.同一个父亲的两个孩子下标是不同的，但是计算父亲下标时为不需要区分左右孩子，因为C语言中除号是取整的，左右孩子下标只差1，反推父亲下标时除以的是2，相差的1不足以让商产生变化。
放在具体的例子中，假设左右孩子是1、2，那么左孩子推父亲下标(1-1)/2 = 0，右孩子推父亲下标(2-1)/2 = 0
3.或许聪明的读者你注意到了，这个函数的接口第一个参数接收的是储存堆数据的数组，明明可以直接将堆的整体传入，为什么只传入数组呢？
我在这里留一个伏笔，你可以在后面的建堆算法中找到答案
向下调整
向下调整用于在删除数据时，将数据按照大小堆的规律调整到合适的位置
在讲解向下调整之前，我需要先解释一下删除数据：
对于用数组存储的堆，如果仅仅删除尾部数据，可以直接修改size的大小让尾部无法被访问，但是对于堆来说删掉尾部是没有意义的，删除操作对于堆来说是删除堆顶
堆顶在数组中就在首元素位置，那么可以通过用后面的数据覆盖前面的数据来做到删除堆顶吗？可以，但是不合理。如果一个堆拥有大量的数据，那么通过遍历来覆盖堆顶是十分消耗性能的。
前面讲到过，堆只需要维持父亲和孩子的大小关系即可，所以只要保住这一前提，可以修改除了堆顶以外的其他元素顺序。此时我们只需要找到一个十分容易获取的值来替代堆顶，然后将这个值从堆顶开始向下调整即可，不约而同的我们肯定都能想到数组尾部的值，这个值只需要取下标size-1即可拿到。
接下来我们书归正题，回到当前的向下调整函数：
继续以小堆为例
上图就是向下调整的具体演示
void AdjustDown(HPDataType* a, int size, int parent)
{
//假设左孩子小
int child = parent * 2 + 1;//获取孩子下标
while (child < size)//保证孩子的下标不超过限制
{
//找到小的孩子
if (child+1 < size && a[child] > a[child + 1])//标注1
{//右孩子下标不超过限制的条件下，左孩子小于右孩子
++child;
}
if (a[child] < a[parent])//标注2
{//最小孩子的值小于父亲的值
Swap(&a[child], &a[parent]);//交换
parent = child;//将父亲的下标修改为之前孩子的下标
child = parent * 2 + 1;//重新计算孩子的下标
}
else
{//如果父亲大于孩子，直接跳出循环
break;
}
}
}
关于向下调整需要注意的是：
1.代码中标注1和标注2的条件写法是不固定的，需要视具体的大小堆来决定
2.向下调整的函数接口同样接收的是数组而不是堆指针
插入
因为数据的大小是固定的，为了方式访问错误和数组溢出，需要先判断元素个数是否等于或超过数组容量，如果超过需要使用realloc扩容
扩容之后在数组尾插入新的数据，并增加size
最后将新数据向上调整
void HPPush(HP* php, HPDataType x)
{
assert(php);
if (php->size == php->capacity)
{//申请新空间
int newcapacity = php->capacity == 0 ? 4 : php->capacity * 2;
HPDataType* tmp = (HPDataType*)realloc(php->a,newcapacity*sizeof(HPDataType));
if (tmp == NULL)
{
perror("realloc fail");
return;
}
php->a = tmp;
php->capacity = newcapacity;
}
//插入新数据
php->a[php->size] = x;
php->size++;
AdjustUp(php->a, php->size - 1);
}
删除
前面在向下调整中讲到，需要先将堆顶数据和最后一个数据交换，并且将size-1，让其无法被访问到
然后将堆顶数据向下调整
void HPPop(HP* php)
{
assert(php);
assert(php->size > 0);
Swap(&php->a[0], &php->a[php->size - 1]);
php->size--;
AdjustDown(php->a, php->size, 0);
}
获取堆顶
HPDataType HPTop(HP* php)
{
assert(php);
assert(php->size > 0);
return php->a[0];
}
判空
bool HPEmpty(HP* php)
{
assert(php);
return php->size == 0;
}
建堆算法——堆排序
堆排序是非常高性能的排序
大家都知道的冒泡排序是一种最最基础的排序法，实际上冒泡排序的性能很低(时间复杂度为：O(N2))，在大量数据的实际应用中是不会使用的，因此就诞生了更多的排序方式，堆排序就是其中之一
聪明的读者，你可能是一步步从上面学下来的，又或许是直接前来寻找伏笔的答案
那么我直接揭晓答案：堆排序可以直接对数组排序，排序的对象不一定是堆，所以传入数组即可
排序1
时间复杂度为：O(N*logN)
void HeapSort_1(int* a,int n)
{
//降序，建小堆
//升序，建大堆
for (int i = 0; i < n; i++)
{
AdjustUp(a, i);
}
int end = n - 1;
while (end > 0)
{
//堆顶一定是最小或最大值
//根据建的大小堆对应升降序
Swap(&a[0], &a[end]);
AdjustDown(a, end--, 0);
}
}
排序2
时间复杂度为：O(N)
void HeapSort_2(int* a, int n)
{
//从最后一个节点的父亲开始倒着排成大堆或小堆
for (int i = (n - 1 - 1)/2;i >= 0;i--)
{
AdjustDown(a, n, i);
}
int end = n - 1;
while (end > 0)
{
Swap(&a[0], &a[end]);
AdjustDown(a, end--, 0);
}
}
结语
本篇文章旨在讲解数组存储结构的堆，链式存储的堆和更高阶的结构将在之后完成
因为文章篇幅较长，并且堆排序原理有一定难度，我会在之后另起文章讲解，有需要的朋友可以在评论区留言或私信给我，看到之后我会尽快更新相关讲解
2941
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
