原帖转自：http://www.cnblogs.com/Jason-Damon/archive/2012/04/18/2454649.html
对于堆的数据结构的介绍，在网上搜了下，具体讲的不是很多。发现比较好的一篇介绍堆的博客是http://dongxicheng.org/structure/heap/。在此感谢他。
通过对上面那篇博客的学习，然后自己也去翻了下《算法导论》里面关于堆排序(heapsort)的介绍。这样就对堆有了更加深刻的认识，在此，我结合自己的一点点理解，主要还是基于上面那篇博客的内容（主要也是《算法导论》里的内容）,也把他里面程序的一些错误改正，我把这篇博客写了出来，以加深对堆的认识，并供自己日后温习。后面我还要练习poj上几天关于堆的题目，链接会在后面给出。
1.堆
堆数据结构是一种数组对象，它可以被视为一科完全二叉树结构。它的特点是父节点的值大于（小于）两个子节点的值（分别称为大顶堆和小顶堆）。它常用于管理算法执行过程中的信息，应用场景包括堆排序，优先队列等。
2. 堆的基本操作
堆是一棵完全二叉树，高度为O（lg n），其基本操作至多与树的高度成正比。在介绍堆的基本操作之前，先介绍几个基本术语：
A：用于表示堆的数组，下标从1开始，一直到n
PARENT(t)：节点t的父节点，即floor(t/2)
RIGHT(t)：节点t的左孩子节点，即:2*t
LEFT(t)：节点t的右孩子节点，即:2*t+1
HEAP_SIZE(A)：堆A当前的元素数目
3.保持堆的性质 Heapify(A,n,t)
该操作主要用于维持堆的基本性质。假定以RIGHT(t)和LEFT(t)为根的子树都已经是堆，然后调整以t为根的子树，使之成为堆。
void Heapify(int A[],int i) { int l=LEFT(i); int r=RIGHT(i); int largest; if(l<=HEAP_SIZE(A)) largest=A[l]>A[i]?l:i; if(r<=HEAP_SIZE(A)) largest=A[r]>A[largest]?r:largest; //从i,2*i,2*i+1中找出最大的一个 if(largest!=i) //i不是最大的 { swap(A[i],A[largest]); Heapify(A,largest); //交换后，子树有可能违反最大堆性质 } }
4.建堆 BuildHeap(A,n)
操作主要是将数组A转化成一个大顶堆。思想是，先找到堆的最后一个非叶子节点（即为第n/2个节点），然后从该节点开始，从后往前逐个调整每个子树，使之称为堆，最终整个数组便是一个堆。子数组A[(n/2)+1..n]中的元素都是树中的叶子，因此都可以看作是只含有一个元素的堆。具体的过程我觉得看《算法导论》里面的图的话理解应该很简单，我找不到那图。
void BuildHeap(int A[],) { int i; for(i = HEAP_SIZE(A)/2; i>=1; i--) Heapify(A, i); }
5.堆排序算法
先用BuildHeapo将数组A[1..n]构造成一个最大堆。因为数组中最大元素在根A[1],则可以通过把它与A[n]交换来达到最终正确的位置。
void HeapSort(int A[]) { BuildHeap(A); for(i=HEAP_SIZE(A),i>1; i--) { swap(A[1],A[i]); HEAP_SIZE(A)=HEAP_SIZE(A)-1; Heapify(A,1); //交换后新的根元素可能委培了最大堆的性质 } }
6.优先队列 priority queue
优先队列是一种用来维护由一组元素构成的集合S的数据机构。相信大家对它都有所了解。虽然说c++里面有了priority_queue,但我们还是要了解它的一些基本构成及实现的代码。
GETMAX:
该操作主要是获取堆中最大的元素，同时保持堆的基本性质。堆的最大元素即为第一个元素，将其保存下来，同时将最后一个元素放到A[1]位置，之后从上往下调整A，使之成为一个堆。
void GetMaximum(int A[]) { int max = A[1]; A[1] = A[n]; HEAP_SIZE--; Heapify(A, n, 1); return max; }
INSERT:
向堆中添加一个元素t，同时保持堆的性质。算法思想是，将t放到A的最后，然后从该元素开始，自下向上调整，直至A成为一个大顶堆。
void Insert(int A[], int i) { //i为插入的值 int n=++HEAP_SIZE(A); A[n] = -99999;//小无穷 int p = n; while(p >1 && A[PARENT(p)] < i) { A[p] = A[PARENT(p)]; p = PARENT(p); } A[p]=i;
}
总结。
堆的最常见应用是堆排序，时间复杂度为O(N lg N)。如果是从小到大排序，用小顶堆；从大到小排序，用大顶堆。虽然堆排序是一个很漂亮的算法，但实际中，快排的一个好的实现往往优于堆排序。尽管这样，对数据结构还是有着很大的用处，比如说优先队列。
例子： 在O(n lg k)时间内，将k个排序表合并成一个排序表，n为所有有序表中元素个数。
【解析】取前100 万个整数，构造成了一棵数组方式存储的具有小顶堆，然后接着依次取下一个整数，如果它大于最小元素亦即堆顶元素，则将其赋予堆顶元素，然后用Heapify调整整个堆，如此下去，则最后留在堆中的100万个整数即为所求 100万个数字。该方法可大大节约内存。
例子：一个文件中包含了1亿个随机整数，如何快速的找到最大(小)的100万个数字?（时间复杂度：O（n lg k））
堆是一种非常基础但很实用的数据结构，很多复杂算法或者数据结构的基础就是堆，因而，了解和掌握堆这种数据结构显得尤为重要。
二.基于堆的K路合并问题.
题：请给出一下时间为O(n*lgk),用来将 k 个已排序链表合并为一个排序链表的算法.此处,n 次所有输入链表中元素的总数.
答：新建一个链表，再申请一个大小为 k 的数组A,首先把 k 个已排序链表的第一个元素压入 A 中，将 A 建成一个最小堆，花费O(k) 的时间．然后将堆 A 的第一个元素 min（也就是最小的那个）放入链表中．再将min->nextNode 放在min的位置．再花O(lgk)调用heapify 方法将 A 重新建成一个最小堆．然后又将第一个元素 min 放入链表......重复进行就可将 k 个已排序链表合并．（当最后剩余不到 k 个节点时情况会有点变化，但很容易解决）．显然，这样处理的时间复杂为 O(n*lgk);