LeetCode刷题（七）——堆

堆的定义

堆(Heap)是计算机科学中一类特殊的数据结构的统称。堆通常是一个可以被看做一棵完全二叉树的数组对象。
这里涉及到一个概念，即完全二叉树。
完全二叉树是二叉树的一种特殊的形式，下面是来自百度百科对完全二叉树的释义：一棵深度为k的有n个结点的二叉树，对树中的结点按从上至下、从左到右的顺序进行编号，如果编号为i（1≤i≤n）的结点与满二叉树中编号为i的结点在二叉树中的位置相同，则这棵二叉树称为完全二叉树。
这里面又涉及到满二叉树的定义：满二叉树就是二叉树每一层的结点个数都达到了最大值, 即第i层上有2^i-1 个结点
下面给出我自己对完全二叉树的理解：
若设二叉树的深度为h，除第 h 层外，其它各层 (1～h-1) 的结点数都达到最大个数，第 h 层所有的结点都连续集中在最左边，这就是完全二叉树。如下图所示就是一颗完全二叉树，图中树的深度为4，除了第4层，其他三层都达到了最大的节点数，第4层的节点也在最左边，所以它是一颗完全二叉树。

堆的类型

根据堆的性质之一——堆中某个节点的值总是不大于或不小于其父节点的值，可以将堆分为大根堆（最大堆）与小根堆（最小堆）。将根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆。
注：堆的根节点中存放的是最大或者最小元素，但是其他节点的排序顺序是未知的。

堆的基本操作

• 上浮 shift_up
• 下沉 shift_down
• 插入 push
• 弹出 pop
• 取顶 top
• 堆排序 heap_sort

堆的算法思想

假设现在有一个小根堆，并且根的元素名为root ，其左右子节点为left和right ，此时插入一个新的元素，这种情况下，有两种可能：
（1）root<=left 并且root<=right，即根节点比它的左右子节点都小，则说明此时就是最小堆；
（2）root>left或者root>right ，此时root应与两个左右子节点中值较小的一个交换，结果得到一个堆，这个时候，如果root的值仍然大于其新的左右节点的一个或全部的两个的值，则重复上一步操作，继续和新的左右子节点中较小的值交换，即之前提到的堆的基本操作中的下沉操作（如果是最大堆则情况相反，相应的就是上浮操作）。重复这个过程，直至到达某一个层使它小于它所有子节点，或者它成了叶子结点。

堆的应用

根据前面堆的性质，我们知道堆的根节点存放的一组数据中最大或者最小的元素。所以堆经常用来解决TOPK问题。比如LeetCode中的 前 K 个高频元素，数组中的第K个最大元素等。
还有比如：如何从100万个数中找出最大的前100个数。我们可以先取出前100个数，对这100个数构建一个最小堆。然后遍历一遍剩余的元素，在此过程中维护这个最小堆就可以了。
步骤：

• 取前m个元素（例如m=100），建立一个小顶堆
• 顺序读取后续元素，直到结束。每次读取一个元素，如果该元素比堆顶元素小，直接丢弃
  如果大于堆顶元素，则用该元素替换堆顶元素，然后保持最小堆性质。
• 最后这个堆中的元素就是前最大的100个。