【知识点7】堆⭐⭐⭐⭐⭐

1. 堆的定义

理解堆的一个很好的例子就是我们的足球世界杯的赛制！我们的足球世界杯的赛制就是自底向上的。

堆是一棵完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子结点的值。

• 如果父亲结点的值大于或等于孩子结点的值，那么称这样的堆为大顶堆；
• 如果父亲结点的值小于或等于孩子结点的值，那么称这样的堆为小顶堆。

堆一般用于优先队列priority_queue的实现，而优先队列默认情况下使用的是大顶堆，因此本节以大顶堆为例，以下出现的堆均指大顶堆。

下面给出一个大顶堆的实例：

那么，对一个给定的初始序列，怎样把它建成一个堆呢？

至此，建堆就完成了。那么具体怎么实现呢？

2. 堆的基本操作

2.1 数据结构——静态链表

对完全二叉树来说，比较简洁的实现方法就是按照在前面说的，使用数组来储存完全二叉树。

这样结点就按层序存储在了数组中（⭐⭐⭐⭐⭐妙呀！！！ ）。其中第一个结点将存储在数组的1号位（在前面的章节中讲解过要设置起点为1），并且数组i号位表示的结点的左孩子就是2i号位，而右孩子则是(2i+1)号位。于是可以像下面这样定义数组来并表示堆：

const int maxn = 100;
//heap为堆，n为元素个数
int heap[maxn],n = 10; 

2.2 向下调整⭐⭐⭐⭐⭐

回顾之前的建堆过程会发现，每次调整都是把结点从上往下的调整。

针对这种向下调整，调整方法是这样的：

• 总是把当前结点V与它的左右孩子比较（如果有的话），假如孩子中存在权值比结点V的权值大的，就将其中权值最大的那个孩子结点与结点V交换；
• 交换完毕后继续让结点V和孩子比较，直到结点V的孩子的权值都比结点V的权值小或是结点V不存在孩子结点。

于是很容易可以写出向下调整的代码，显然时间复杂度为 $O(logn)$。

//对heap数组在[low,high]范围进行向下调整
//其中low为欲调整结点的数组下标，high一般为堆的最后一个元素的数组下标
void downAdjust(int low,int high){
	int i = low;
	int j = i * 2;	//i为欲调整结点，j初始化为其左孩子
	while(j <= high){	//存在左孩子
		//如果右孩子存在，且右孩子的值大于左孩子
		if(j + 1 <= high && heap[j+1] > heap[j]){
			j = j + 1;	//让j存储右孩子下标 
		}
			//如果孩子中最大的权值比欲调整结点i大
		if(heap[j] > heap[i]){
			swap[heap[j],heap[i]];	//交换最大权值的孩子与欲调整结点i
			i = j;	//保持i为欲调整结点、j为i的左孩子
			j = i * 2; 
		} else{
			break;		//孩子的权值均比欲调整结点i小，调整结束 
		} 
	}
}

2.3 建堆——自下而上，自右到左

那么建堆的过程也就很容易了。假设序列中元素的个数为n，于是可以从 $\frac{n}{2}$ 的下界开始倒着枚举结点，对每个遍历到的结点i进行[i,n]范围的调整。

建堆的代码如下，时间复杂度为 $O(n)$（证明可参考《算法导论》）

//建堆
void createHeap(){
	for(int i = n/2;i >= 1;i--){
		downAdjust(i,n);
	}
} 

2.4 删除堆顶元素——向下调整

另外，如果要删除堆中的最大元素（也就是删除堆顶元素），并让其仍然保持堆的结构，那么只需要最后一个元素覆盖堆顶元素，然后，然后对根结点进行向下调整即可。代码如下：时间复杂度为 $Olog(n)$。

//删除堆顶元素
void deleteTop(){
	heap[1] = heap[n--];	//用最后一个元素覆盖堆顶元素，并将元素个数减1 
	downAdjust(1,n);		//向下调整堆顶元素 
} 

• 注意：n要记得减1

2.5 增加一个元素——往上调整

那么，如果想要往堆里添加一个元素，应当怎么办呢？可以把想要添加的元素放到数组最后（也就是完全二叉树的最后一个结点后面），然后进行 向上调整操作。

向上调整总是把欲调整结点与父亲结点比较，如果权值比父亲结点大，那么就交换其与父亲结点，这样反复比较，直到达到堆顶或是父亲结点权值较大为止。往上调整的代码如下，时间复杂度为 $O(logn)$

//对heap数组在[low,high]范围进行向上调整
//其中low一般设置为1，high表示欲调整结点的数组下标
void upAdjust(int low,int high){
	int i = high;	//i为欲调整结点 
	int j = i / 2;	//j为其父亲
	while(j >= low){	//父亲在[low,high]范围内 
		//父亲权值小于欲调整结点i的权值
		if(heap[j] < heap[i]){
			swap(heap[j],heap[i]);
			i = j;
			j = i / 2; 
		}else{
			break;
		} 
	} 
} 

在此基础上就很容易实现添加元素的代码了：

//添加元素x
void insert(int x){
	heap[++n] = x;
	upAdjust(1,n);
} 

3. 堆排序

堆排序是指使用堆结构堆一个序列进行排序。此处讨论递增排序（想想为啥是递增）的情况。

考虑对一个堆而言，堆顶元素是最大的，因此在建堆完毕后，堆排序的直观思路就是取出堆顶元素，然后将堆的最后一个元素替换至堆顶，在进行一次针对堆顶元素的向下调整——如此重复，直到堆中只有一个元素为止。

//堆排序
void heapSort(){
	createHeap();	//建堆
	for(int i=n;i > 1;i--){	//注意边界是1
		swap(heap[i],heap[1]);
		downAdjust(1,i-1);
	} 
} 

• 注意：边界是大于1；

4. 题型训练

1. 【PAT A1098】Insertion or Heap Sort
2. 【堆排序】LeetCode 215. Kth Largest Element in an Array
3. 【分类思想+堆】LeetCode 373. Find K Pairs with Smallest Sums
4. LeetCode 347. Top K Frequent Elements
5. LeetCode 378. Kth Smallest Element in a Sorted Matrix
6. PAT A1147 Heaps

5. 应用场景⭐⭐⭐⭐⭐

1. 只要涉及到了前K个最优值的问题，一般都要想到堆 。（注意是堆，而不是堆排序！比如这个题目用的是堆，而不是堆排序，它们时间复杂度是有区别的。）

   我觉得这句话说的有道理，因为堆恰好能每次求一个最值，而不像其他排序算法要全部排完才行！所以堆比较节约时间了。

6. 参考文档

1. 算法笔记