[算法]优先队列之配对堆

最近想把优先队列的实现方式都撸一遍，因此出个系列整理。
[算法]优先队列之配对堆
[算法]优先队列之左偏树

各种堆的复杂度分析

方法\堆类型	二叉	配对	斐波那契	左偏	二顶
查找最小	1	1	1	1	log(n)
弹出最小	log(n)	log(n)	log(n)	log(n)	log(n)
修改(降key)	log(n)	log(n)-	1	log(n)	log(n)
插入	log(n)	1	1	log(n)	1
归并	n	1	1	log(n)	log(n)
可持久化		No	No

配对堆

配对堆的核心要义在于合并，只要掌握到合并的精髓就能很快的手撸一个配对堆。

• 由于配对堆的插入复杂度只有常数级别，在通常情况下弹出最小值的性能也会由于二叉堆(Java、Python等语言中优先队列的默认实现)，所以在做Prim时会有优势。
• 核心API就下文中的两个：_merge和 _pair_merge，20行左右还是比较好理解的。
• 若是大范围连续插入，弹出最小值很可能会导致函数栈溢出，因此可以考虑把_pair_merge改为迭代的实现方式。
• 若是递增插入，会导致复杂度恶化到O(N)。

参考此篇讲解：https://oi-wiki.org/ds/pairing-heap/ (PS:原文中的代码有较多bug，基本可将其当成伪码处理)

Python实现

定义一个容器类：

class Item:
    def __init__(self, priority=0, value=None):
        self.priority = priority
        self.value = value
        self.fa = self.ch = self.bros = None  # 父、子指针和兄弟指针 (此处父为左兄或直系父)

    def clean(self):
        self.fa = self.ch = self.bros = None  # 清除父、子指针和兄弟指针

配对堆：

class PriorityQueue:  # 配对堆小堆顶 | 空间O(N)
    def __init__(self):
        self.nodes_num = 0  # 堆内节点元素
        self.root = None  # 根元素是不会有兄弟节点的

    def push(self, item: Item):
        if self.root is None:
            self.root = item
        else:
            self.root = self._merge(self.root, item)
        self.nodes_num += 1

    def poll(self) -> Item:  # 核心API
        tmp = self.root
        if self.size() > 0:
            self.root = self._pair_merge(self.root.ch)  # 核心：配对合并 O(logN) | 将儿子和其兄弟们进行从左到右的归并
            self.nodes_num -= 1
            tmp.clean