【如无特别说明，皆为最小二叉堆】

1 介绍

2 特性

• 结构性：符合完全二叉树的结构
• 有序性：满足父节点小于子节点（最小化堆）或父节点大于子节点（最大化堆）

3 二叉堆的存储

顺序存储

二叉堆的有序性可以很容易地通过下标来反映

4 堆中插入新元素

• 堆的插入是在具有最大序号的元素之后插入新的元素或结点，否则将违反堆的结构性。
• 如果新元素放入后，没有违反堆的有序性，那么操作结束。
• 否则，让该节点向父节点移动，直到满足有序性或到达根节点。
• 新节点的向上移动称为向上过滤

4.1 时间效率

• 最坏情况是O(logn) 【一直交换到根节点】
• 平均情况，过滤会提前结束。
  • 有资料表明，平均是2.6次比较，因此元素平均上移1.6层。

5 推出操作（DeQueue）

• 当最小元素被删除时，在根上出现了一个空结点。堆的大小比以前小1，堆的结构性告诉我们，最后一个结点应该删掉。
• 如果最后一项可以放在此空结点中，就把它放进去。然而，这通常是不可能的
• 必须玩与插入操作类似的“游戏”：把某些项放入空结点，然后移动空结点。
  • 仅有的区别在于：对DeQueue操作，空结点是往下移动。

• 找到空结点的一个较小的子结点，如果该儿子的值小于我们要放入的项，则把该儿子放入空结点，把空结点往下推一层
  • 重复这个动作，直到该项能被放入正确的位置。

5.1 时间复杂度

• 最坏情况下，deQueue是一个对数时间的操作
• 根据堆的有序性，堆中最后一个结点的值一般都是比较大的。因此，向下过滤很少有提前一或二层结束的，所以deQueue操作平均也是对数时间

6 建堆

• 可以看成N次连续插入，其时间应该是在O(NlogN)时间内完成

• 事实上，在构造过程中，我们并不关心每个元素加入后堆的状态，我们关心的是N个元素全部加入后的最后状态，最后的状态是要保证堆的有序性。至于中间过程中的有序性是否成立并不重要。
• 有了这个前提后，我们能将构造堆的时间复杂度降到O（N）
  • 利用堆的递归定义
    • 如果函数buildHeap可以将一棵完全二叉树调整为一个堆 ，那么，只要对左子堆和右子堆递归调用buildHeap。
    • 至此，我们能保证除了根结点外，其余的地方都建立起了堆的有序性。
    • 然后对根结点调用向下过滤，以创建堆的有序性
    • 如果我们以逆向层次的次序对结点调用向下过滤，那么在向下过滤节点i时，所有结点i的子孙都已经调用过向下过滤。
      • 不需要对叶结点执行向下过滤
      • 从编号最大的非叶结点开始向下过滤

6.1 举例

一开始根据数据的先后建立一棵完全二叉树

从序号最大的非叶子节点（30）开始进行向下过滤

 

6.2 时间分析

•  为h的节点（叶节点高度为0），在向下过滤中交换的最大次数是h
• 建堆的最大时间是所有节点的调整时所需交换次数之和，即所有节点的高度之和

7 D堆

• 每个节点有d个儿子，这样生成的堆比较矮。
• 插入：
• 删除：需要在d个元素中找出最小的，时间复杂度为：
• 优点：插入快
• 缺点：删除慢
• 用途：
  • 插入比删除多的队列
  • 队列太大，内存放不下，要放在外存的时候