最大堆及堆排序的实现

 堆数据结构用于排序算法中，空间复杂度O(1),时间复杂度O(NlogN)，但是在实践中还是不如快速排序（好像快速排序可以更好的利用硬件特性）。堆的意义就在于：最快的找到最大/最小值，在堆结构中插入一个值重新构造堆结构，取走最大/最下值后重新构造堆结构 其时间复杂度为O(logN)，而其他方法最少为O(N).堆实践中用途不在于排序，其主要用在调度算法中，比如优先级调度，每次取优先级最高的，时间驱动，取时间最小/等待最长的 等等 ，分为最大堆/最小堆。

这里讨论最大堆，最小堆与最大堆类似。

void MaxHeapify(int i)：移动一个指定的元素使其符合最大堆。

void BuildMaxHeap()：对已知的数组元素构造最大堆。通过调用MaxHeapify来实现。

T Maximum()：返回最大值。

T ExtractMaximum()：提取最大值，堆中元素少一，提取后还是一个最大堆。

void IncreaseKey(int i, T key)：对指定位置的元素进行增大操作，操作后仍为最大堆。

void HeapInsert(T key)：在最大堆中执行插入操作，先在数组最后边添加一个无穷小元素，然后调用IncreaseKey来实现。

void HeapSort()：对最大堆进行排序，注意，排序后的数组不再是最大堆。

下面是具体的实现：

template  < typename T >
class  MaxHeap
... {
public:
    MaxHeap(int max_size, int cur_size, T data[]) : cur_size_(cur_size), max_size_(max_size)
    ...{
        if (max_size_ < cur_size_)
            throw logic_error("Maximum size must no more less then the current size!");

        heap_ = new T[max_size_ + 1];
        copy(data, data + cur_size_, heap_ + 1);
    }
    ~MaxHeap() 
    ...{
        delete []heap_;
    }
    void MaxHeapify(int i)
    ...{
        int l = left(i);
        int r = right(i);
        int largest = i;

        if (l <= cur_size_ && heap_[l] > heap_[largest])
            largest = l;

        if (r <= cur_size_ && heap_[r] > heap_[largest])
            largest = r;

        if (largest != i)
        ...{
            swap(heap_[largest], heap_[i]);
            MaxHeapify(largest);
        }
    }
    void BuildMaxHeap()
    ...{
        for (int i = cur_size_ / 2; i >= 1; i--)
        ...{
            MaxHeapify(i);
        }
    }
    T Maximum()
    ...{
        return heap_[1];
    }
    T ExtractMaximum()
    ...{
        if (cur_size_ <= 1)
            throw logic_error("No element in max heap!");

        T max = heap_[1];
        heap_[1] = heap_[cur_size_];
        cur_size_--;
        MaxHeapify(1);

        return max;
    }
    void IncreaseKey(int i, T key)
    ...{
        if (key < heap_[i])
            throw logic_error("the new key is smaller than current key!");

        heap_[i] = key;
        while (i > 1 && heap_[parent(i)] < heap_[i])
        ...{
            swap(heap_[parent(i)], heap_[i]);
            i = parent(i);
        }
    }
    void HeapInsert(T key)
    ...{
        if (max_size_ <= cur_size_)
            throw logic_error("The heap is out of size, can't insert!");

        cur_size_++;
        heap_[cur_size_] = T(-0xFFFF);
        IncreaseKey(cur_size_, key);
    }    
    void HeapSort()
    ...{
        int tmp_size = cur_size_;
        for (int i = tmp_size; i > 1; i--)
        ...{
            swap(heap_[1], heap_[i]); 
            cur_size_--;
            MaxHeapify(1);
        }
        // restore the size
        cur_size_ = tmp_size;
    }
    ostream& print(ostream& out) 
    ...{
        copy(heap_ + 1, heap_ + cur_size_ + 1, ostream_iterator<T>(out, " ")); 
        return out; 
    }    

private:
    int parent(int i) ...{ return i / 2; }
    int left(int i)   ...{ return i * 2; }
    int right(int i)  ...{ return i * 2 + 1; }

private:
    int cur_size_;
    int max_size_;
    T* heap_;
} ;

template  < typename T >
ostream &   operator   << (ostream &   out , MaxHeap < T >&  mh)
... {
    return mh.print(out);
}

下面是测试代码：

int  main()
... {
    int data[10] = ...{4, 1, 3, 2, 16, 9, 10, 14, 8, 7};
    int count = sizeof(data) / sizeof(int);

    MaxHeap<int> mh(2 * count, count, data);
    cout << "Before build: " << mh << endl;

    mh.BuildMaxHeap();
    cout << "After build: " << mh << endl;

    mh.HeapSort();
    cout << "After sort: " << mh << endl;

    return getchar();
}