数据结构与算法学习笔记（十二）——堆

堆

1、堆是一个完全二叉树，堆中的每一个节点的值都必须大于等于（小于等于）其子树中每个节点的值。
2、每个节点的值都大于等于其子树中的每个节点的值，此为大顶堆。大顶堆的堆顶元素为最大的元素
3、每个节点的值都小于等于其子树中的每个节点的值，此为小顶堆。小顶堆的堆顶元素为最小元素

上图中的1、2均为大顶堆，3为小顶堆，4不是堆

查找、插入、删除

1、查找：堆是完全二叉树，因此堆的存储方式也是数组存储。因此只要知道一个节点就可以推出其他节点的存储位置。
2、插入：若直接往叶子节点中插入一个元素会使堆不满足堆的特性，因此需要不断的堆化来调整。
（1）堆化分为从上往下堆化和从下往上堆化。
从上往下堆化：顺着节点路径从上往下对比，交换
从下往上堆化：顺着节点路径从下往上对比，交换
（2）在大顶堆中插入一个数据，直接插入在最后的叶子节点中，然后再从下往上进行堆化，直至满足堆的特性

插入节点为22

3、删除
（1）删除的元素一般是堆顶元素
（2）将要删除的堆顶元素p与最后的叶子节点q进行交换，p就被交换到了叶子节点处，删除p，再堆化，这样不会造成数据空洞。若直接删除堆顶元素，堆化完成后可能会出现数据空洞。

4、时间复杂度
因插入、删除的操作都是顺着节点路径进行比较、交换，因此操作次数和树的高度成正比，而堆是完全二叉树，完全二叉树的高度小于等于log2n，因此堆的插入和删除时间复杂度都为O(logn)

堆排序

堆排序分为两步，第一步建堆，第二步排序。大顶堆为例
1、建堆，两种方法
（1）类似插入操作，假设初始堆只有一个元素，将剩下的元素不断地插入堆中即可。
（2）将要建堆的数据先构建出一个完全二叉树，然后从最后一个非叶子节点开始从上往下的进行堆化。从上往下进行堆化，叶子节点无子节点，因此叶子节点无需进行比较。


建堆的时间复杂度为O(n)
2、排序
（1）从堆中取出堆顶元素，放在数组下标为n的位置。即从大顶堆中删除堆顶元素，放在数组最后
（2）将剩下的n-1个元素进行堆化
（3）堆化完成后，再将堆顶元素放在数组下标为n-1的位置
（4）循环至堆中只有最后一个元素，排序完成
时间复杂度为O(nlogn)
3、堆排序与快速排序比较
（1）堆是跳着访问数据，快排则是顺序访问数据
（2）堆排需要先建堆，建堆会打乱数据的原始顺序，且堆排的交换次数多于快排

堆的应用

1、优先级队列
将优先级高的元素放在堆顶，每次直接从堆顶取元素即可
2、求TOP K
将n个元素取出k个建小顶堆，再从n-k个元素中逐一取出元素，比较堆顶元素，若比堆顶元素小则不处理；比堆顶元素大则插入堆中，并删除堆顶元素
3、求中位数（n个数据已从小到大排序）
（1）大顶堆存储前半部分的数据，小顶堆存储后半部分的元素，大顶堆的堆顶元素即为中位数
（2）大小顶堆中的个数需满足：n为偶数，两个堆的数据都是n/2；n为奇数，大顶堆的数据个数为n/2+1，小顶堆的数据个数为n/2
（3）若有新数据p，若p比小顶堆的堆顶元素大，则插入小顶堆中；若p比小顶堆的堆顶元素小，则插入大顶堆中。若插入p后，大小顶堆的数据个数不满足要求，则需要堆个数进行调整，直至满足要求
4、求95%的数，操作与求中位数类似，只是大小顶堆的个数不是对半分，而是大顶堆为95%的数据，小顶堆为5%的数据

图源：王争——数据结构与算法之美