常见的堆类型，介绍数据结构的存储结构

本文链接：https://blog.csdn.net/m0_46552684/article/details/139780214

堆（Heap） 是一种特殊的树形数据结构，通常是一个近似的完全二叉树。它通常用于实现优先队列，其中每个元素都有一个“优先级”。在堆中，父节点的优先级总是大于或等于（在最大堆中）或小于或等于（在最小堆中）其子节点的优先级。

以下是几种常见的堆类型：

二叉堆（Binary Heap）：
- 最大堆（Max Heap）：在最大堆中，父节点的值总是大于或等于其子节点的值。根节点（堆顶）包含堆中的最大值。
- 最小堆（Min Heap）：在最小堆中，父节点的值总是小于或等于其子节点的值。根节点（堆顶）包含堆中的最小值。
斐波那契堆（Fibonacci Heap）：
- 斐波那契堆是一种可以合并的堆数据结构，由一组最小堆有序树组成。它常用于需要频繁执行合并和删除最小元素操作的场景，如Dijkstra算法。
二项堆（Binomial Heap）：
- 二项堆是由一组满足堆性质的二项树组成的。二项树是一种特殊的树，其中每个节点 i 都有 0 或 i 个子节点。二项堆支持合并、插入、删除和查找最小元素等操作。
斜堆（Skew Heap）：
- 斜堆是一种简单的自调整堆，它结合了二叉堆和斐波那契堆的一些特性。斜堆在插入和合并操作中表现出较好的性能，但在删除操作中可能不如其他堆结构高效。
配对堆（Pairing Heap）：
- 配对堆是一种自调整的二叉堆，它在插入、合并和删除操作中表现出较好的性能。配对堆的合并操作比斐波那契堆更简单，但性能相近。

这些堆类型各有优缺点，适用于不同的应用场景。例如，在需要频繁执行插入和删除最小元素操作的场景中，最小堆可能是最佳选择；而在需要频繁执行合并操作的场景中，斐波那契堆或二项堆可能更合适。

数据结构的存储结构是指数据结构在计算机中的表示（又称映像），也称为物理结构。它主要包括数据元素的表示和关系的表示，是逻辑结构用计算机语言的实现，依赖于具体的计算机语言。以下是数据结构的四种主要存储结构及其特点：

顺序存储结构（Sequential Storage Structure）：
- 定义：将数据元素存储在一块连续的存储空间中，每个元素占据一段连续的内存空间，并且相邻元素之间在内存中也是相邻的。
- 特点：
  - 优点：随机访问速度快，每个元素占用最少的存储空间。
  - 缺点：只能使用相邻的一整块存储单元，因此可能产生较多的外部碎片；插入和删除操作需要移动大量元素。
- 示例：数组就是一种典型的顺序存储结构，可以通过下标来直接访问元素。
链式存储结构（Linked Storage Structure）：
- 定义：通过节点之间的指针连接来存储数据元素，每个节点包含数据和指向下一个节点的指针，最后一个节点的指针为空。
- 特点：
  - 优点：不会出现碎片现象，充分利用所有存储单元；插入和删除操作方便快捷，不需要移动元素。
  - 缺点：每个元素因存储指针而占用额外的存储空间；访问元素需要遍历链表，只能实现顺序存取。
- 示例：链表就是一种链式存储结构，可以动态申请或删除内存空间，对于元素的增删比较灵活。
索引存储结构（Indexed Storage Structure）：
- 定义：使用一个索引表来存储数据元素的地址或者指针，索引表中的每个条目包含一个关键字和对应数据元素的地址或指针。
- 特点：
  - 优点：检索速度快，可以快速定位和访问数据元素。
  - 缺点：增加了附加的索引表，会占用较多的存储空间；在增加和删除数据时要修改索引表，因而会花费较多的时间。
- 示例：数据库系统中的索引表就是索引存储结构的应用。
散列存储结构（Hashed Storage Structure）：
- 定义：使用散列函数将数据元素的关键字映射为存储位置，又称为Hash存储。
- 特点：
  - 优点：检索、增加和删除结点的操作都很快，可以直接计算出数据元素的存储位置。
  - 缺点：如果散列函数不好可能出现元素存储单元的冲突，而解决冲突会增加时间和空间开销。
- 示例：哈希表（Hash Table）就是一种散列存储结构的应用。