《数据结构与算法之美》笔记之 堆及其应用

堆排序时间复杂度： $O(n\log n)$

一、定义

定义只有两条：

1. 堆是一个完全二叉树；
   除了最后一层外，其它节点都是满的，最后一层节点全部靠左排列，完全二叉树非常适合使用数组存储
   
2. 堆中每一个节点的值都必须大于等于（或小于等于）其子树中每个节点的值。
   等价于“堆中每个节点的值都大于等于（或小于等于）其左子节点和右子节点的值”，大于等于的叫大顶堆，小于等于的叫小顶堆。

二、如何实现一个堆

首先确定如何存储一个堆 和 堆支持哪些操作

存储堆

使用数组存储完全二叉树，不需要存储左右子节点的指针，只需要通过数组的下标就可以找到左右子节点和父节点。所以用数组存储堆。

假设堆顶元素存储在数组下标为 1 的位置，那么下标为$i$的节点的相关节点位置为：

• 左子节点为$2\ast i$
• 右子节点为$2\ast i+1$
• 父节点为$\frac{i}{2}$

堆的基本操作

主要有插入元素，删除堆顶元素

插入元素

假设我们将新插入的元素放在堆的最后，插入元素后需要继续满足堆的定义，就需要对堆进行调整，这个过程叫堆化。
堆化分为自上而下和自下而上
自下而上即让新插入的节点与父节点比对大小，如果不满足子节点小于等于父节点的大小关系就互换两个节点，一直重复，直到满足关系。

删除堆顶元素

假设堆为大顶堆，删除之后就需要将左右子节点较大的元素放入父节点，迭代删除，但是这样会出现空洞，所以我们可以先将堆的最后一个元素放入堆顶，然后利用同样的父子节点比对方法进行互换，这就是自上而下的的堆化方法。

那堆的这两个基本操作的时间复杂度是多少？堆化是顺着节点所在路径比较交换，时间复杂度与树的高度成正比，树的高度不超过${\log }_{2}n$，所以时间复杂度为$O(\log n)$

三、堆排序

堆排序的步骤为建堆和排序

1.建堆

将数组原地建成一个堆
两种思路：

1. 借助堆的插入方法，假设起初堆中只包含一个元素，下标为1，之后插入下标为2的元素，再插入下标为3的元素…直到将包含n个元素的数组组成了堆，这样就是从前往后处理数组元素，自下而上堆化。
2. 另外的思路是从后往前处理数组元素，自上而下堆化
   因为叶子节点往下堆化只能与自己比较，所以我们从第一个非叶子节点（下标为$\frac{n}{2}$）开始依次堆化，下标大于$\frac{n}{2}$的是叶子节点，不需要堆化。建堆过程的时间复杂度是O(n)

2. 排序

建堆之后，数据就是按照大顶堆的特性来组织的，我们将堆顶元素与堆最后一个元素交换，即将最大元素放到堆的最后，类似于删除了堆顶元素，将剩下n-1个重新建堆，再取堆顶元素，放到n-1个元素的最后，直到堆中只剩下标为1的一个元素。排序每次维护堆的时间复杂度为O(logn)，进行了n-1次，所以时间复杂度为O(nlogn)。

堆排序是原地排序，并不是稳定的排序算法，排序过程中堆的每一个节点要与堆顶节点互换。

如果堆在数组中从0开始存储，那么相关节点的下标为：

1. 左节点下标为$2\ast i+1$
2. 右节点下标为$2\ast i+2$
3. 父节点下标为$\frac{i-1}{2}$

3. 堆排序的缺点

实际开发中快排要比堆排序好，有以下原因：

1. 快排局部顺序访问，而堆排序依次访问的下标是指数增长的，如1,2，4，8，。。。这样对CPU缓存不友好
2. 对于同样的顺序，堆排序的数据交换次数多于快速排序。快排的数据交换次数不会比逆序度多，而快排第一步的建堆过程会打乱数据的先后顺序，导致原有数据有序度降低。

堆的应用

主要有：优先队列，求Top K 和求中位数

优先队列

堆和优先队列非常相似，一个堆就可以看做一个优先队列
优先队列的具体应用有合并有序小文件和高性能定时器

求TOP K

针对静态数据集合，可以维护一个大小为K的小顶堆，顺序遍历数组，从数组中取出数据与堆顶元素比较，如果比堆顶大，则把堆顶元素删除，并把这个元素插入堆，如果比堆顶元素小，则不作处理。时间复杂度是O(nlogK）。
针对动态数据集合，我们同样维护一个大小为K的小顶堆，当数据被添加到集合时，与堆顶元素比较，决定是非删除堆顶元素并入堆，

利用堆求中位数

对于静态数据，先排序再确定中位数，但是对于动态数据集合，每次排序的成本太高。

我们可以维护两个堆，一个大顶堆，一个小顶堆，大顶堆中存储前半部分数据，小顶堆中存储后半部分数据，小顶堆中数据都大于大顶堆的数据，这样堆顶元素就有一个是中位数，当n是奇数时，大顶堆存储$2n+1$个数据，这样大顶堆堆顶就是中位数
数据是动态变化，当添加一个元素a时，当a小于大顶堆堆顶我们就将a插入大顶堆，否则插入小顶堆，这样就有可能出现两个堆中数据不符合前面约定，我们将一个堆的堆顶插入另一个堆直到满足要求即可。此时插入数据的时间复杂度为O(logn)，取出中位数的时间复杂度为O(1），求其它百分位数据是同样道理