堆

 1、概念

（1）逻辑上是一颗完全二叉树，物理上是保存在数组当中的。

（2）.满足任意结点的值都大于其子树中结点的值，叫做大堆，或者大根堆、最大堆；反之则称为小堆，或者最小堆。

（3）堆最大的优点是在于可以非常快速的找到最值。

2、向下调整（主要以大堆为例）

（1）首先确保左右子树均已经是堆，否则无法进行操作。

（2）树状结构满足：如果父节点下标为i，左子树下标为2i+1，右子树下标为2i+2，如果子树下标为i，父节点为(i-1)/2，而堆作为一颗完全二叉树，相应的也是满足这些规律的。

（3）具体思路：数组array存储数据，其中0-size的部分表示一个堆结构，设置index为开始下沉位置，child为左子树下标，对应的child+1则为右子树，父节点作为开始位置满足parent=index且child=2*parent+1，因为我们要构建的是大堆，所以先判断左右子树的大小，选出最大的再和父节点进行比较，如果父节点大那么不进行调整，如果孩子结点大那么就交换两者，接下来重复上述操作，直到完全满足堆的特性，那么就结束调整过程。

3、创建一个堆：给出一个数组，逻辑上可以看做一颗完全二叉树，但是还不是一个堆，通过算法把它构建成一个堆。从倒数的第一个非叶子节点的子树开始调整，一直调整到根节点的树，就可以调整成堆。

创建堆时粗略估算，可以认为是在循环中执行向下调整，为 O(n * log(n))，但实际上是 O(n)，解释见堆排序中建堆过程时间复杂度O(n)怎么来的

4、具体代码实现

package Heap;

import java.util.Arrays;

public class Heap {
	//在array中，0-size的部分是一个堆结构
	//index表示开始下沉的位置
	//大堆为例
	public static void shiftDown(int[] array,int size,int index) {
		int parent =index;
		//左子树下标
		int child = 2*parent+1;
		while(child<size) {
			//child+1为右子树,判断左右子树谁大
			if(child+1<size
					&& array[child+1]>array[child]) {
				child = child+1;
			}
			//if之后child无法区分左右，但一定是左右子树中的最大值
			if(array[child]>array[parent]) {
				//不符合大堆的特性,因此交换二者位置
				swap(array,child,parent);
			} else {
				//满足堆特性，调整结束
				break;
			}
			parent = child;
			child = 2*parent + 1;
		}
	}
	
	public static void swap(int[] array,int x,int y) {
		int tmp = array[x];
		array[x] = array[y];
		array[y] = tmp;
	}
	
	//把[0，size)范围的元素建成堆
	//直观来看建堆复杂度为O(NlogN)，实际为O(N)
	public static void createHeap(int[] array,int size) {
		//从最后一个非叶子结点出发，从后往前，对每个节点进行向下调整
		//最后一个节点size-1，最后一个非叶子结点((size-1)-1)/2
		for(int i=(size-2)/2;i>=0;i--){
			shiftDown(array, size, i);
		}
	}
	
	public static void main(String[] args) {
		int[] array = {1,2,3,4,5,6,7};
		createHeap(array, array.length);
		System.out.println(Arrays.toString(array));
	}
	
}