小根堆与大根堆思路代码解释

适合范围

适合关键字非常多的情况，数据越大它的优势明显。即在1亿个元素里面选择最大的或者最小的100个关键字。

小根堆

小根堆即结点小于其孩子结点，所以根节点就是最小的结点。

存储方式：

因为要随机访问其孩子结点，所以我们要用顺序存储。用数组存储。

结点与孩子结点关系：

 非叶子结点的下标：

小根堆手绘实现：

 从最下标最大的非叶子结点开始调整，即非叶子结点小于其孩子结点。每次调整都要向下再次调整，因为调整之后下面的子树可能不符合小根堆。

思路：

每次循环都很固定，左右孩子结点比较然后再与父结点比较比较，从最大的非叶子结点开始循环。

即

 HeadAdjust函数的实现

这样就建立出了一个小根堆，可以确定堆顶元素最小。若想的得到降序可以与最后一个元素交换，然后最前n-1个在进行小根堆，直到交换完毕。 

 完整代码：

void HeadAdjust(int A[],int k,int len){
    int i;
    A[0] = A[k];
    for(i=2*k;i<=len;i*=2){
        if(i<len&&A[i]>A[i+1])
            i++;
        if(A[0]<=A[i]) break;
        else{
            A[k] = A[i];
            k = i;
        }
        A[k] = A[0];
    }
}

void BuildMinHeap(int A[],int len){
    int i;
    for(i=len/2;i>0;i--)
        HeadAdjust(A,i,len);
}

void HeapSort(int A[],int len){
    int i;
    BuildMaxHeap(A,len);
    for(i=len;i>1;i--){
        Swap(&A[i],&A[1]);
        HeadAdjust(A,1,i-1);
    }
}

算法实践：

347.前 K 个高频元素

大根堆

和小根堆一样，只是父节点大于其孩子结点。

只需取较大的孩子结点，然后该结点与其父节点比较

void HeadAdjust(int A[],int k,int len){
    int i;
    A[0] = A[k];
    for(i=2*k;i<=len;i*=2){
        if(i<len&&A[i]<A[i+1])//这个更改一下
            i++;
        if(A[0]>=A[i]) break;//这个更改一下
        else{
            A[k] = A[i];
            k = i;
        }
        A[k] = A[0];
    }
}

void BuildMaxHeap(int A[],int len){
    int i;
    for(i=len/2;i>0;i--)
        HeadAdjust(A,i,len);
}

void HeapSort(int A[],int len){
    int i;
    BuildMaxHeap(A,len);
    for(i=len;i>1;i--){
        Swap(&A[i],&A[1]);
        HeadAdjust(A,1,i-1);
    }
}