堆1（完全二叉树)

一、知识点

1、完全二叉树=完全二叉堆
大顶堆根节点一定是最大值
2、上滤
3、下滤
4、建立最大堆（大根堆）算法

堆（Heap）是一个可以被看成近似完全二叉树的数组。树上的每一个结点对应数组的一个元素。除了最底层外，该树是完全充满的，而且是从左到右填充。—— 来自：《算法导论》

堆包括最大堆和最小堆：最大堆的每一个节点（除了根结点）的值不大于其父节点；最小堆的每一个节点（除了根结点）的值不小于其父节点。

堆常见的操作：

HEAPIFY 建堆：把一个乱序的数组变成堆结构的数组，时间复杂度为 O(n)O(n)。
HEAPPUSH：把一个数值放进已经是堆结构的数组中，并保持堆结构，时间复杂度为 O(log\ n)O(log n)。
HEAPPOP：从最大堆中取出最大值或从最小堆中取出最小值，并将剩余的数组保持堆结构，时间复杂度为 O(log\ n)O(log n)。
HEAPSORT：借由 HEAPFY 建堆和 HEAPPOP 堆数组进行排序，时间复杂度为 O(n\ log\ n)O(n log n)，空间复杂度为 O(1)O(1)。

堆结构的一个常见应用是建立优先队列（Priority Queue）。

void BuildMaxHeap(ElemType A[],int len)
{
	for(int i=len/2;i>0;i--)//从i=[n/2]~1,反复调整堆 
		HeadAdjust(A,i,len);	
} 
void HeadAdjust(ElemType A[],int k,int len)
//函数HeadAdjust将元素k为根的子树进行调整 
{
	A[0]=A[k];//A[0]暂存子树的根结点 
	for(i=2*k;i<=len;i*=2){//沿key较大的子节点向下筛选 
		if(i<len&&A[i]<A[i+1])
			i++;//取key较大的子节点的下标 
		if(A[0]>=A[i]) break;//筛选结束 
		else{
			A[k]=A[i];//将A[i]调整到双亲节点上 
			k=i;//修改k值，以便继续向下筛选 
		}
	}
	A[k]=A[0];//被筛选结点的值放入最终位置 
}

5、堆排序算法

void HeapSort(ElemType A[],int len)
{
	BuildMaxHeap(A,len);//初始建堆 
	for(i=len,i>1;i--)//n-1躺的交换和建堆过程 
	{
		Swap(A[i],A[1]);//输出堆顶元素（和堆底元素交换） 
		HeadAdjust(A,1,i-1);//调整，把剩余的i-1个元素整理成堆	
	}	
} 

6、空间效率O（1）
时间复杂度O（nlog N）
不稳定
二、例题
1、堆和二叉排序树区别
以小根堆为例，堆的特点是双亲结点的关键字必然小于等于该孩子结点的关键字，而两个孩子结点的关键字没有次序规定。而二叉排序树中，每个双亲结点的关键字均大于左子树结点的关系，均小于右子树结点的关键字。
2、有n个元素已构成一个小根堆，现在要增加一个元素Kn+1，请用文字简要说明如何在log2 n的时间内将其重新调整为一个堆。
将Kn+1插入到数组的第n+1个位置（即作为一个树叶插入），然后将其与双亲比较，若它大于其双亲则停止调整，否则将Kn+1与其双亲交换，重复地将Kn+1与其新的双亲比较，算法终止于Kn+1大于等于其双亲或Kn+1本身已上升为根

3、判断一个序列是否构成小根堆

bool IsMinHeap(ElemType A[],int len)
{
	if(len%2==0){
		if(A[len/2]>A[len])
			return false;
		for(i=len/2-1;i>=1;i--)
			if(A[i]>A[2*i]||A[i]>A[2*i+1])
				return false;
	}else{
		for(i=len/2;i>=1;i--)
			if(A[i]>A[2*i]||A[i]>A[2*i+1])
				return false; 
	}
	 return true;
 } 

4、堆的数据结构能够使得堆顶总是维持最大（对于大根堆）或最小（对于小根堆），给定一个数组，对这个数组进行建堆，则平均复杂度是多少？如果只是用堆的 push 操作，则一个大根堆依次输入 3,7,2,4,1,5,8 后，得到的堆的结构示意图是下述图表中的哪个？（）