堆

堆

堆的基础知识

堆(heap)并不归属于STL容器，但是C++中priority_queue的底层机制正是由heap实现的。

1. 思考: 为什么不用list作为priority_queue的底层机制

   解答: list插入可享常数时间，但是对于查找list中的最大最小值需要遍历整个list，其复杂度为O(n), 当然也可以改变做法，先让元素插入的时候先经过排序这一关，使得list的元素值中时有小到大(或由大到小)，但是这样一来，插入就只有线性的效率。

2. 思考：为什么不用binary search tree作为priority_queue的底层机制

   解答：比较麻烦的做法是以binary search tree(如：RB-tree)作为priority_queue的底层机制，这样以来元素的插入和极值的取得就有O(logN)的表现(当然这里指的是最好的情况，比如一般的binary search tree当严重不平衡的时候可能为O(N))。但是杀鸡用牛刀，未免小题大作，一来binary search tree的输入需要有足够的随机性，保证平衡；二来binary search tree并不容易实现。priority_queue的复杂度最好介于queue和binary search tree之间。binary heap便是完美契合。

一般我们所说的堆是二叉堆(binary heap)，binary heap就是一种完全二叉树(complete binary tree)。除了最底层叶子节点外，是填满的，同时叶子节点从左到右不能有空隙。

堆是和链表和二叉树一样也是一种数据结构，前面说过堆实际上就是一种完全二叉树，其区别在于其内部是实现了节点之间的比较，也就是可以看作含内部比较器的完全二叉树。

最大堆：节点的值大于其左右节点，用作升序排列

最小堆：节点的值小于其左右节点，用做降序排列

堆排序主要经过两部分：初始建堆，堆调整(堆排序)

建堆过程(自底向上)

建堆主要步骤如下：

1. 将长度为n的数组对应到完全二叉树上
2. 找到一个非叶子节点，对它进行操作，比较当前值和其左右孩子节点的值，是否满足最大/最小堆的要求，不满足则调整
3. 依次查找下一个非叶子几点，重复步骤2，直到最后一个父节点。

如下所示，以最大堆建堆为例子

堆调整（堆排序）

在建堆的基础上对堆进行排序，需要记住的是有序区是从后往前插入的，也就是前面所讲的最大堆对应的是升序排列，反之对应的是降序排列。

堆排序的过程是将堆顶元素插入到有序区，将最后一个元素放入到堆顶，然后再采用上浮和下沉操作调整堆，使其满足要求，直到只剩一个元素为止。

堆的应用

解决topK问题，其复杂度为O(Nlogk), 建立一个大小为k的最小堆，然后将剩余的数依次和堆顶元素比较和进行堆调整。

拓展：topK问题可以用快排达到O(N)的时间复杂度，将在后面进行分析。

参考文献

[1]STL源码剖析

[2]博客：https://blog.csdn.net/qq_36711757/article/details/80444638