堆

普通队列和优先队列
普通队列：先进先出，后进后出
优先队列：出队顺序和入队顺序无关，和优先级相关

优先队列主要是处理数据是动态变化的场景，比如以下应用：操作系统动态执行任务，游戏AI视野范围内选择敌人攻击等

再比如在100万个元素中选出前100名，即N个元素中选出前M个元素

排序时间复杂度：NlogN
优先队列时间复杂度：NlogM
使用堆这种数据结构能够实现一个优先队列。

---

最大堆定义：
1. 堆中任意一个结点总是不大于其父节点的值
2. 堆总是一颗完全二叉树（最大堆）

最小堆定义：
1. 堆中任意一个结点总是不大于其父节点的值
2. 堆总是一颗完全二叉树

---

用数组存储二叉堆
经典存储方法，索引从1开始，0号索引不使用

parent(i) = i / 2

left child(i) = 2 * i

right child(i) = 2 * i + 1

---

最小的k个数

class Solution {
public:
    vector<int> GetLeastNumbers_Solution(vector<int> input, int k) { 
        // input为空，input元素个数少于k，k非正数，则直接返回
        if(input.size() == 0 || input.size() < k || k <= 0) 
            return vector<int>();

        vector<int> heap(input.begin(), input.begin() + k);
        // 建堆
        // 默认是最大堆，创建最小堆需添加参数greater<int>()
        make_heap(heap.begin(), heap.end());
        for(auto it = input.begin() + k; it != input.end(); ++it){
            // 最大堆的最大元素就在索引为0的位置
            if(*it < heap[0]){
                //先pop_heap,然后在容器中pop_back删除
                pop_heap(heap.begin(), heap.end());
                heap.pop_back();
                //先在容器中push_back加入，再push_heap
                heap.push_back(*it);
                push_heap(heap.begin(), heap.end());
            }
        }
        // 从小到大输出, k一般比较小，直接sort即可
        sort_heap(heap.begin(), heap.end());     
        return heap;         
    }
};

待完善