数据结构——最小堆的实现总结

堆的实用性
编程过程中，时常会遇到一种模型，我们收集到一些数据，并对其处理，但是我们需要首先处理这些数据中具有最小关键码或者最大关键码（Key：可以是根据数据的先后顺序或重要程度等给数据编的号码）的数据。我们希望有一种数据结构能够支持插入操作并能方便的从中取出具有最小或最大关键码的记录，这样的数据结构即为优先级队列，优先级队里的实现方式有多种，其中最高效的一种便是堆(heap)。

堆的种类
堆有最大堆和最小堆两种。其名字很形象，上面的元素小，越向下元素越大，在取堆顶元素的时候总是先拿到最小的，最大堆与之相反。
这里主要通过完全二叉树的数组存储结构来实现最小堆。为何用这种结构？通过对堆的各项操作的分析，不难发现，通过完全二叉树的结构对元素的定位、数据的调整等方面都可以提高效率和写代码的方便程度。（结合下面的代码更容易体会的到！）

关键操作实现一——建立堆
在下面的代码中heap class有两个构造函数，都可以用来建立一个heap。

构造函数1：通过输入堆顺序的数据来建立heap
构造函数2：通过copy一个数组数据（不一定具有heap的数据顺序），通过元素顺序调整建立heap

第一种当然没什么好说的。下面看一下第二种实现方式的原理，这种方式运用了两个关键的私有函数：siftDown()与siftUp()，一个是下滑调整为最小堆，另一个是上上滑调整为最小堆。
siftDown()函数的主要实现思路是：

(1)借助完全二叉树的节点排布规律，即可用通过公式currentPosition = （currentSize - 2） / 2得到最后一个分支节点（最后一个含有孩子的节点）。
(2)从此分支节点开始把当前节点数据与其孩子中较小的数据比较，如果孩子数据小于当前节点的数据，则应该交换（最小堆，小的数据应该上浮）。
(3)交换完成后，其孩子的数据变大了，那么应该考虑其孩子那一层是否符合最小堆的数据排列形式。（也就是一个循环的过程）

用这种叙述来描述这一过程太难了，搭配上下面的过程图应该会比较好理解些！