堆

数据结构——堆

      相较于其他数据结构，堆是新接触到的。那么就在今天仔细地研究一下。
      什么是堆？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（节选自百度百科）。简单点看，堆也是二叉树的一种。分为大顶堆（父节点大于子节点），小顶堆（子节点大于父节点）。堆是平衡的，但堆不是二叉平衡树。
      堆和二叉平衡树的区别：二叉平衡树，一定是二叉排序树。左节点一定大于右节点。对堆来说（以大顶堆为例），只是满足了父节点大于子节点而已。

本文讨论的堆都以大顶堆为例。

      堆有两个优势：插入元素，寻找最大元素。（具体细节见下文）
       对于堆来说，有两个最最基本的运算，那就是Sift-up和Sift-down。

Sift-up

       向上调整，当前值大于父节点值时，进行调整，将当前值和父节点进行交换。具体伪代码见下图：

时间复杂度分析：
      最坏情况是从最底层叶子交换至根，进行logn向下取整次交换，时间复杂度为O（logn）

Sift-down

      向下调整，当前值小于子节点值时，进行调整，选出左右节点较大的一个和父节点进行交换，具体伪代码见下图：

时间复杂度分析：
      最坏情况是从根交换至叶子，进行logn向下取整次交换，时间复杂度为O（logn）

由以上两个基本操作，可以构成额外四个操作：

Delete-max[H]：从一个非空的堆H中删除最大键值的数据项并将数据项返回

Insert[H, x]：插入项x到堆H中

Delete[H, i]：从堆H中删除第i项

Makeheap[A]：将数组A转换成堆

四个操作大致可分为两类，删除和插入

删除

      删除指定位置i的元素，可以选择用位置n的元素代替i处的元素再把堆进行调整。因为无法确定原位置n处元素和后来的父节点或者子节点的大小关系，所以要进行比较。根据结果选择Sift-up/Sift-down操作。具体伪代码见下图：

时间复杂度分析：
      删除操作，是将指定位置进行替换，替换操作时间复杂度为O（1）。后再进行sift-up或者sift-down操作。总时间复杂度：O（logn）。

插入

       插入操作先将要插入的数，放在数组末尾。然后再对末尾进行Sift-up操作即可。具体伪代码如图：

时间复杂度分析：
      将数插入末尾，时间复杂度为O(1)。再进行sift-up操作，时间复杂度为O（logn）。总时间复杂度为O（logn）。

Delete-max[H]:
      对于大顶堆来说，最大的值就是根节点的值。在数组中的位置是1。所以可以先将最大值保留下来，再调用删除（Delete函数）。具体伪代码如图：

Makeheap[A]
      创建堆的过程，可以转化为向堆中一个一个插入的过程。对Insert函数循环即可。但这种每插入一个值，都要对堆进行调整。选用另外一种方法:先将数组乱序摆放，再从最后一个有子节点的节点向上进行Sift-down操作。时间复杂度为O（n）。具体伪代码如图：

时间复杂度分析：
      第一种方法创建堆过程是对N个数字调用插入操作，总时间复杂度是O(nlogn)。第二种方法，调用sift-down操作中每次循环中进行两次比较操作（具体见上文sift-down部分）。同时循环执行总次数的上界小于2n（具体推导见下图）。所以第二种方法的时间复杂度是O（n）。

      另外关于堆的操作是堆排序，相较于其他排序来说，堆排序是一种较好的排序方法，时间复杂度是O（nlogn）。对于大顶堆来说，堆排序是将根节点的依次拿出，并在拿出后对堆进行重构。具体伪代码如图：

内存分配——堆

      在编写程序的过程中，对于内存的分配分为静态和动态。大多数情况下，编译器静态分配栈结构。堆是一种动态分配的结构，使用malloc函数调用（C语言中头文件为<stdlib.h>。在堆实现的最低层是数据结构链表。在此对于内存中的堆不做过多阐述，过后会补一篇讨论内存中各个结构分配专题博文。