数据结构堆的概念&&堆排序的思想以及算法过程详解（图文）

一、堆的概念

介绍堆之前，首先来看二叉树 Binary Tree。

二叉树是树的一种，主要的特点是二叉树的所有节点最多只有两个叶节点。除此之外没有别的要求。

• Complete Binary Tree(完全二叉树): 二叉树的一种。在完全二叉树当中，除了最后一层之外，所有层的节点都是满的，且最后一层的节点也是从左到右的。优先填满左边的节点。
• Full Binary Tree(满二叉树): 二叉树的一种。满二叉树的所有层，包括最后一层，都是满的。也就是说，除了最后一层的节点外所有的节点都有两个子节点。

这两者之间的关系：完全二叉树是从满二叉树里引出的。满二叉树最下一层的子节点，如果是从右往左拿掉，不论多少，剩下的都是完全二叉树，如果不是从右往左拿，而是在中间拿掉了一个，就不是完全二叉树了。

满二叉树和完全二叉树如下图示例：

很容易理解吧！

然后再看 堆 Heap 的定义。

Heap(堆): 堆是一种完全二叉树。在树的性质之外，堆要求节点按照大小（父节点比子节点大/父节点比子节点小）来排列。除完全二叉树的性质外，他还要求堆内元素按照某种固定的大小顺序排列。

• Min Heap(最小堆): 最小的键值总是在最前面。换句话说，所有的父节点都比他们的子节点小。
• Max Heap(最大堆): 最大的键值总是在最前面。换句话说，所有的父节点都比他们的子节点大。

最小堆也叫小顶堆，小根堆；最大堆也叫大顶堆，大根堆。

那么我们填入数字，对最小堆、最大堆，做一个示例：

二、堆的存储和堆排序思想

2.1 堆存储

堆在逻辑上就是树，因此存储的方式也可以是链表，不过按照这种存储，需要数据本身，以及节点之间的关系指针，耗费空间比较大。

由于堆是完全二叉树，除了最下面的一层，其余层都是满的，那么每层的节点个数就一定是 1、2、4、8、……、2^^n-1-x（最后一层可满可不满）

他们之间的下标关系很明确，因此一般用数组存储，访问起来也很方便。

下图是对于上面示例的小顶堆和大顶堆的对应数组存储示意。

可以看到，对于小顶堆的性质，可以直接用数组之间的下标关系表示成为：

arr[ i ] <= arr[ 2 i + 1 ] && arr[ i ] <= arr[ 2i + 2 ]

同理，大顶堆：

arr[ i ] >= arr[ 2i + 1 ] && arr[ i ] >= arr[ 2i + 2 ]

也就是任意一个子树的父节点都小于等于（大于等于）他们的左右子节点，前提是存在。

可以看到，堆的性质本身带有递归的特性：
对于根节点来说，子树的节点大小都大于（小于）他；
对于左右子树，同样有他们的子树的节点大小都大于（小于）他；
……

这种大小关系很明确的数据结构的应用，最经常就是堆排序。

2.2 堆排序

堆排序的思想，以构造大顶堆为例：

1. 将长度为 n 的待排序序列构造成一个大顶堆，此时，整个序列的最大值就是堆顶的根节点。
2. 将其与末尾元素进行交换，此时末尾就为最大值。
3. 然后将剩余 n-1 个元素重新构造成一个大顶堆，这样会得到 n 个元素的次小值，如此反复执行，便能得到一个有序序列了。

说白了，就是依次构建大顶堆，这样就能拿出一个一个的当前最大值，最后得到有序序列。

这个过程具体实现起来有一些问题需要解决。

1.输入无序