堆(优先级队列) 的应用

 
1. 构建哈夫曼代码怎样提升性能?

　　我们知道在构建哈夫曼树时，每次要选择集合中两个最小的元素，然后将元素值相加，合并为一个新节点，此时两个最小的元素的取出可以用HeapExtractMin函数来实现，产出的新节点需要插入到堆中 我们有MinHeapInsert函数来实现。

　　之前我们遇到哈夫曼编码，往往关注的是其思想，然而每次取出最小的2个元素的过程，却涉及到排序、求极值的问题。这时候用堆来维护这个队列，每次还能将取出的两个最小值的和插到堆里，非常方便，减少了运行时间。

2. 计算大型浮点数集合的和

　　有一个很普遍的情况，我们知道浮点数的存储都有精度，遇到大浮点数和小浮点数相加，很可能会造成精度误差。所以可以每次从优先级队列中取出最小的两个数相加，和1的实现差不多。

3. 在具有10亿个数值的集合中找到100万个最大的数

　　这个就是TOP(K)问题了，可以建立100万个元素的最小二叉堆，后面的数和根部进行比较，如果大于根部，进行堆调整

4. 将多个小型有序文件合并到一个大型有序文件中
　　该问题我整理成了另一篇文章。里面附有源码测试;
　　假设有 n个 小型有序文件，建立一个大小为n的最小堆，每个有序文件贡献一个(如果有的话)，每次取出最小值插入到大型文件中，并且去掉该最小元素，并将它在文件中的后续元素插入到堆中,能够在o(lgn)的时间内从n个文件中选择要插入到大型文件中的元素。
　　意思就是，维护一个堆，该堆存放了所有小文件的最小值。每次取出最小值min(属于小文件A)，将小文件A的下一个最小值再插入到A。持续下去，问题解决。