数据结构之堆

队列，栈，堆，三大数据巨佬

性质

• 堆中某个节点的值总是不大于或不小于其父节点的值；
• 堆总是一棵完全二叉树。
  当节点的值小于父节点的值时，为大根堆，反之为小根堆
  二叉的特性使在堆上操作时间复杂度一般为o(log n)

使用

堆的根节点为1，当一个节点标为i时，其父节点下标为i/2,儿子节点为i2或i2+1
一般存在一个一维数组里。

基本操作

• 建立一个空堆；
• 向堆中插入一个新元素；
• 使节点上浮；
• 使节点下沉；
• 获取当前堆顶元素的值；
• 删除堆顶元素；

建立一个空堆

int heap[1010];

向堆中插入一个新元素

插入后可能会时堆的性质改变，要上浮维护。

heap[++tot]=n;
shift_up(tot);
//tot为堆中节点的个数

使节点上浮

上浮，让节点元素根其父节点元素比较，如果比它大（如果是小根堆就是比其父亲节点小就上浮），就交换两个节点。

void shift_up(int i/*要上(下)浮节点的下标*/){
	while(i/2){
		if(heap[i]>heap[i/2]){
			swap(heap[i],heap[i/2]);
		}
		i/=2;
	}
}

使节点下沉

当你修改堆的根节点后，你要让他上浮，但上帝很不要脸地告诉你，我要让他下沉

下沉，让节点元素根其儿子节点元素比较，如果比它小（如果是小根堆就是比其儿子节点大就下沉），就交换两个节点。

void shift_down(int i){
	while(i*2<=tot){
		int t=i*2;
		if(heap[i*2]>heap[i*2+1]){
			t++;
		}
		if(heap[i]<heap[t]){
			swap(heap[i],heap[t]);
		}
		i=t;
	}
}

有两个孩子，所以有点麻烦。当为小根堆时，要判断是否出界
因为出界的0是算有点小的。

获取当前堆顶元素的值

也就是找根

heap[1];

删除堆顶元素

不能称之为删除，只是把根和下标最后一个元素交换，把元素个数减一
这时下沉操作就有用了，让新的根下沉，继续维持堆的特性。

void kill_root(){
	swap(heap[1],heap[tot+1]);//根节点被换到了后面，又没记录下它，所以不会把他考虑进去，后面插入元素也会覆盖掉它
	shift_down(heap[1]);
}

作用

优化算法

其特性可以与其他算法相结合
如Dij堆优化，spfa堆化，或其他算法的堆优化
将节省大量的时间

在时常加入新的数中找最大（最小）等

保证根节点一定为最大（最小）的特性，可以用于堆优化
当你需要知道许多不断更新的数中,哪个元素最大(最小),相比于sort,堆来找是个不错的选择
因为你可以不停地插入元素，而又能已最少的时间代价知道哪个最大（最小）。

堆排序

可以删除（更新）根，插入元素，保证根一定最大（最小），耗费时间底。
用来排序是个不错的选择

int n;
cin>>n;
int heap[n+10];
for(int i=1;i<=n;i++){
	int x;
	cin>>x;
	heap[++tot]=x;
	shift_up(tot);
}
//以上是输入///
while(tot){
	cout<<heap[1]<<" ";
	kill_root();
}

没错，堆排序就看起来这么简单

效率

朴素操作

普通的树

考虑一个元素在堆中向下移动的距离。大约一半的结点深度为d-1。四分之一的结点深度为d-2，而它们至多能向下移动一层。树中每向上一层，结点的数目为前一层的一半，而子树高度加一。
这种算法时间代价为Ο（n)

堆

由于堆有log n层深，插入结点、删除普通元素和删除最小元素的平均时间代价和时间复杂度都是
Ο（log n）。

堆排序时间复杂度

可与快排相媲美，只是排完序后要用o(n)的空间来存下
但时间复杂度是在操做上多了o(n)插入节点的时间，平均时间复杂度是令Oier垂涎欲滴的o(nlog(n))
虽然是不稳定的排序，时间复杂度有时高，有时底（差别不会很大）

其他

堆也可以有优化操作，堆加平衡树，斜堆，三叉堆，n叉堆等
最后配上图来说明真相

堆在数组里的表达效果

插入元素后在数组里表达的效果

上浮效果

交换
### 下沉效果