数据结构在之-最小堆的生成算法(下滑调整与上滑调整采用递归算法)

1、堆的概念

数据集合如果有序，将为各种操作带来遍历。但是有些应用并不要求数据全部有序，或者在操作开始前就完全有序。在许多应用中，通常需要先收集一部分数据，从中挑选出具有最小或者最大关键码的记录开始处理，接着，可能会收集更多数据，并处理当前数据集中具有最小或最大关键码的记录。对于这类应用，我们期望的数据结构应能支持插入操作，并能方便的从中取出最小或者最大关键码的记录，这样的数据结构即为优先级队列（priority queue）。从外表看来，优先级队列颇似队列（删除最早的数据）和栈（删除最新的数据），但是要构造更为高效的优先级队列，需要比实现队列和栈考虑更多的因素，在优先级队列的实现中，堆（Heap）是最高效的一中方式。（优先级队列最常用的操作是插入与删除具有操作，一般的使用数组实现优先级队列，两种操作的时间复杂度均为O(n)，采用堆来存储，可以将这两种操作的时间复杂度降为Log2n）。

2、实现最小堆的重点与难点

以最小堆（任意一结点的关键码为小于或者等于它的左、右子女的关键码，位于堆顶的元素是堆中最小的元素）为例（最大堆和最小堆类似，堆顶元素是堆中最大的元素），最小堆的数据结构一完全二叉树为基础，所以可以和实现二叉树的时候一样，利用递归的方法。实现最小堆的时候有两个方法是重点也是难点，ShiftDown()下滑调整算法与ShitUp向上调整算法，ShiftDown()算法在利用数组建立堆的时候以及删除最小元素，重新建堆的时候都会使用，而ShitUp()算法在堆中元素插入的时候会用到。所以这两种算法的掌握对学习堆有很大的作用。而