堆初识

堆排序

堆：二叉堆是一个近似的完全二叉树，树上的每一个节点对应数组中的一个元素。除了最底层外，该树是充满的，而且是从左到右填充

A.length通常表示数组元素的个数，A.heap-size表示有多少个堆元素储存在数组中

PARENT(i)
	return i/2(向下取整)

LEFT(i)
	return 2i

RIGHT(i)
	return 2i+1

//维护堆得性质，MAX-HEAPIFY是用于维护最大对性质的重要过程
//假定A[i]的左子与右子均是最大堆，但A[i]可能小于两个子节点

MAX-HEAPIFY(A,i)
	l = LEFT(i)
	r = RIGHT(i)
	if i <= A.heapsize and A[l] > A[i]
		largest = l
	else largest = i
	if i <= A.heapsize and A[r] > A[i]
		largest = r
	if largest != i
		exchange A[i] with A[largest]
		MAX-HEAPIFY(A,largest)

建堆

我们可以使用自下而上的形式来构建一个堆

观察发现:n/2+1…n 这些元素都是叶子，或者也可以视为一个最大堆，那我们就对这些节点的parent调用

MAX-HEAPIFY来构造这一个堆。

BUILD-HEAP(A)
	A.heapsize = A.length
	from n/2 down to 1
		Max-HEAPIFY(A,i)

每次调用MAX_HEAPIFY的复杂度是O(logn),BUILD-HEAP的需要O(n)次这样的调用,所以这个过程的复杂度是O(nlogn),但是，这只是一个上界，但不是确界

利用如下性质的到一个更接近确界的上界：对一个有着n个节点的堆，

最多有(下界)$$logn$$层

每层的节点数最多是（上界）$$n/2^{h+1}$$

在每个节点上MAX-HEAPIFY的代价是O(h),

总代价为
$$\sum _{h=0}^{logn(上界)}(n/2^{h+1})O(h)=O(n\sum _{h=0}^{nlogn(上界)}(h/2^{h+1}))$$

$$\sum \frac{h}{2^h}=2$$
于是，我们可以得出，构建一个堆的复杂度为O(n)

堆排序

HEAPSORT(A)
	BUILD-HEAP(A)
	for i = A.length down to 2
		exchange A[i] with A[1]
		A.heapsize = A.heapsize-1
		MAX-HEAPIFY(A，1)

优先队列

HEAP-EXTRACT-MAX(A)
	if A.heapsize < 1
		error "heap underflow"
	max = A[1]
	A[1] = A[A.heapsize]
	A.heapsize = A.heapsize-1
	MAX-HEAPIFY(A,1)
	return max

改变某节点的值

HEAP-INCREASE-KEY(A,i,key)
	if key < A[i]
		error "the key is smaller"
	A[i] = key
	while(A[PARENT(i)] < A[i])
		exchange A[i] with A[PARENT(i)]
		i = PARENT(i)

插入

HEAP-INSERT(A,key)
	A.heapsize = A.heapsize+1
	A[A.heapsize] = -∞
	HEAP-INCREASE-KEY(A,A.heapsize,key)