堆

介绍

堆，英文名heap。这个数据结构是来自于堆排序的，其结构近似于一颗完全二叉树，通常用数组来存储表示。堆是实现堆排序以及优先队列的基础数据结构。根据任何子树根节点都比左右孩子大或小，堆可以分为最大堆（又叫大根堆）和最小堆（又叫小根堆）。最大堆具有性质： 任何结点大于等于它左右孩子结点。最小堆则恰好相反：任何结点小于等于它左右孩子结点。

最小堆和最大堆如图所示：

如何建堆

对于给定的数组序列A，其长度为length，将它调整成符合堆的性质，成为建堆过程。下面以建立最大堆为例，讨论如何建堆。

由于最大堆需要满足任何结点都大于等于左右孩子结点，那么定义操作max_heapify。其作用是将结点调整为大于等于左右孩子结点，也就是从该节点，其左孩子，其右孩子中选取最大值作为该结点值，并与之原先结点进行交换，使得满足最大堆的性质。例如某结点值为5，其左右孩子分别为10， 3。经过max_heapfiy操作之后，该结点为10，其左右孩子为5, 3。如果该结点是与其左孩子交换的，继续调整左孩子，使得左孩子也满足该性质。这样递归调整下去，则使得整个结构满足最大堆。

由于数组的从[length/2] 到 length所对应的元素最后肯定是堆的叶子结点。则从[length/2]到1这些元素，必然是叶子结点的祖先，其中还肯定会有父亲结点。那么从[length、2]到1的过程中，利用max_heapify操作，从下到上动态调整堆，那么整个过程就是建堆的思路了。其伪代码如下

for i = [length/2] downto 1
 max_heapify(A, i);  // A 数组

时间复杂度分析

由于含有n个节点的完全二叉树最大高度为logn，则每一次调整时间复杂度为O（logn）。一共需要调整O（n）次，则时间复杂度为O（nlogn）。当然对于高度来说还不是最精确的计算，因为位于不同高度的结点，需要调整的最大次数是不一样的。因此还需要对不同高度的点进行讨论求和来计算精确的时间复杂度。

因为含有n个结点的堆最大高度为logn，而高度为h的堆最多包含个结点。因此有如下计算方法：

因此我们可以在线性时间内把一个无序数组构建成最大堆

实现代码

#include<stdio.h>

#define BLANK -9999
#define LENGTH 10

void max_heapify(int heap[], int i)
{

    int left = 2*i;
    int right = 2*i+1;
    int largest = i;

    if(left <= LENGTH && heap[left] > heap[i])
        largest = left;

    if(right <= LENGTH && heap[right] > heap[largest])
        largest = right;

    if(largest != i){
        int temp = heap[largest];
        heap[largest] = heap[i];
        heap[i] = temp;
        max_heapify(heap, largest);
    }

}

void build_heap(int heap[])
{
    for(int i=LENGTH/2; i>=1; i--)
        max_heapify(heap, i);
}

void print_heap(int heap[])
{
    for(int i=1; i<=LENGTH; i++)
        printf("%d ", heap[i]);
}

int main(void)
{
    int init_heap[LENGTH+1] = {BLANK, 4, 1, 3, 2, 16, 9, 10, 14, 8, 7}; // 第0个位置不存元素
    build_heap(init_heap);
    print_heap(init_heap);
    return 0;
}