算法设计与分析——堆（二）：维护堆的性质

分类目录：《算法设计与分析》总目录
相关文章：
·堆（一）：基础知识
·堆（二）：维护堆的性质
·堆（三）：建堆
·堆（四）：优先队列
·排序算法：堆排序
·利用heapq模块实现堆

---

heapify(arr, i)是用于维护最大堆性质的重要过程。它的输入为一个数组$A$和一个下标$i$。

在调用heapify(arr, i)的时候，我们假定根结点为left(i)和right(i)的二叉树都是最大堆，但这时$A[i]$有可能小于其孩子，这样就违背了最大堆的性质。heapify(arr, i)通过让$A[i]$的值在最大堆中“逐级下降”，从而使得以下标$i$为根结点的子树重新遵循最大堆的性质。

def heapify(arr, i): 
    largest = i  
    l = 2 * i + 1     # left = 2*i + 1 
    r = 2 * i + 2     # right = 2*i + 2 
  
    if l < len(arr) and arr[i] < arr[l]: 
        largest = l 
  
    if r < len(arr) and arr[largest] < arr[r]: 
        largest = r 
  
    if largest != i: 
        arr[i],arr[largest] = arr[largest],arr[i]  # 交换
        heapify(arr, largest)

下图图示了heapify(arr, i)的执行过程。在程序的每一步中，从$A[i]$、$A[left(i)]$和$A[right(i)]$中选出最大的，并将其下标存储在$largest$中。如果$A[i]$是最大的，那么以$i$为根结点的子树已经是最大堆，程序结束。否则，最大元素是$i$的某个孩子结点，则交换$A[i]$和$A[largest]$的值。从而使$i$及其孩子都满足最大堆的性质。在交换后，下标为$largest$的结点的值是原来的$A[i]$，于是以该结点为根的子树又有可能会违反最大堆的性质。因此，需要对该子树递归调用heapify(arr, i)。

对于一棵以$i$为根结点、大小为$n$的子树，heapify(arr, i)的时间代价包括：调整$A[i]$、$A[left(i)]$和$A[right(i)]$的关系的时间代价$\Theta (1)$，加上在一棵以$i$的一个孩子为根结点的子树上运行heapify(arr, i)的时间代价（这里假设递归调用会发生）。因为每个孩子的子树的大小至多为$\frac{2n}{3}$（最坏情况发生在树的最底层恰好半满的时候），我们可以用下面这个递归式刻画heapify(arr, i)的运行时间：
$$T(n)\le T(\frac{2n}{3})+\Theta (1)$$
故递归式的解为$T(n)=O(\log n)$。也就是说，对于一个树高为$h$的结点来说，heapify(arr, i)的时间复杂度是$O(h)$。