接着上一Pa说。就是怎样建立这个堆呢。能够从空的堆開始，然后依次往堆中插入每个元素，直到全部数都被插入（转移到堆中为止）。由于插入第i个元素的所用的时间是O(log
i)。所以插入全部元素的总体时间复杂度是O(NlogN)，代码例如以下。
n=0;
for(i=1;i<=m;i++)
{
n++;
h[ n]=a[ i]; //或者写成scanf("%d",&h[ n]);
siftup();
}
事实上我们还有更快得方法来建立堆。它是这样的。
直接把99、5、36、7、22、17、46、12、2、19、25、28、1和92这14个数放入一个全然二叉树中（这里我们还是用一个一维数组来存储全然二叉树）。
在这个棵全然二叉树中。我们从最后一个结点開始依次推断以这个结点为根的子树是否符合最小堆的特性。
假设全部的子树都符合最小堆的特性，那么整棵树就是最小堆了。假设这句话没有理解不要着急，继续往下看。
首先我们从叶结点開始。由于叶结点没有儿子，所以全部以叶结点为根结点的子树（事实上这个子树仅仅有一个结点）都符合最小堆的特性（即父结点的值比子结点的值小）。这些叶结点压根就没有子节点，当然符合这个特性。因此全部叶结点都不须要处理，直接跳过。从第n/2个结点（n为全然二叉树的结点总数，这里即7号结点）開始处理这棵全然二叉树。
注意全然二叉树有一个性质：最后一个非叶结点是第n/2个结点。
以7号结点为根的子树不符合最小堆的特性，因此要向下调整。
同理以6号、5号和4结点为根的子树也不符合最小对的特性，都须要往下调整。
下面是已经对7号、6号、5号和4结点为根结点的子树调整完成之后的状态。
当然眼下这棵树仍然不符合最小堆的特性，我们须要继续调整以3号结点为根的子树，即将3号结点向下调整。
同理继续调整以2号结点为根的子树，最后调整以1号结点为根的子树。调整完成之后。整棵树就符合最小堆的特性啦。
小结一下这个创建堆的算法。
把n个元素建立一个堆，首先我能够将这n个结点以自顶向下、从左到右的方式从1到n编码。这样就能够把这n个结点转换成为一棵全然二叉树。
紧接着从最后一个非叶结点（结点编号为n/2）開始到根结点（结点编号为1）。逐个扫描全部的结点。依据须要将当前结点向下调整。直到以当前结点为根结点的子树符合堆的特性。
尽管讲起来起来非常复杂，可是实现起来却非常easy，仅仅有两行代码例如以下：
for(i=n/2;i>=1;i--)
siftdown(i);
用这样的方法来建立一个堆的时间复杂度是O(N)，假设你感兴趣能够尝试自己证明一下，嘿嘿。
堆另一个作用就是堆排序，与高速排序一样堆排序的时间复杂度也是O(NlogN)。堆排序的实现非常easy，比方我们如今要进行从小到大排序，能够先建立最小堆，然后每次删除顶部元素并将顶部元素输出或者放入一个新的数组中，直到堆为空为止。终于输出的或者存放在新数组中数就已经是排序好的了。
//删除最大的元素
int deletemax()
{
int t;
t=h[ 1];//用一个暂时变量记录堆顶点的值
h[ 1]=h[ n];//将堆得最后一个点赋值到堆顶
n--;//堆的元素降低1
siftdown(1);//向下调整
return t;//返回之前记录的堆得顶点的最大值
}
建堆以及堆排序的完整代码例如以下：
#include <stdio.h>
int h[ 101];//用来存放堆的数组
int n;//用来存储堆中元素的个数，也就是堆的大小
//交换函数。用来交换堆中的两个元素的值
void swap(int x,int y)
{
int t;
t=h[ x];
h[ x]=h[ y];
h[ y]=t;
}
//向下调整函数
void siftdown(int i) //传入一个须要向下调整的结点编号i，这里传入1，即从堆的顶点開始向下调整
{
int t,flag=0;//flag用来标记是否须要继续向下调整
//当i结点有儿子的时候（事实上是至少有左儿子的情况下）而且有须要继续调整的时候循环窒执行
while( i*2<=n && flag==0 )
{
//首先推断他和他左儿子的关系，并用t记录值较小的结点编号
if( h[ i] > h[ i*2] )
t=i*2;
else
t=i;
//假设他有右儿子的情况下，再对右儿子进行讨论
if(i*2+1 <= n)
{
//假设右儿子的值更小，更新较小的结点编号
if(h[ t] > h[ i*2+1])
t=i*2+1;
}
//假设发现最小的结点编号不是自己，说明子结点中有比父结点更小的
if(t!=i)
{
swap(t,i);//交换它们。注意swap函数须要自己来写
i=t;//更新i为刚才与它交换的儿子结点的编号，便于接下来继续向下调整
}
else
flag=1;//则否说明当前的父结点已经比两个子结点都要小了，不须要在进行调整了
}
}
//建立堆的函数
void creat()
{
int i;
//从最后一个非叶结点到第1个结点依次进行向上调整
for(i=n/2;i>=1;i--)
{
siftdown(i);
}
}
//删除最大的元素
int deletemax()
{
int t;
t=h[ 1];//用一个暂时变量记录堆顶点的值
h[ 1]=h[ n];//将堆得最后一个点赋值到堆顶
n--;//堆的元素降低1
siftdown(1);//向下调整
return t;//返回之前记录的堆得顶点的最大值
}
int main()
{
int i,num;
//读入数的个数
scanf("%d",&num);
for(i=1;i<=num;i++)
scanf("%d",&h[ i]);
n=num;
//建堆
creat();
//删除顶部元素。连续删除n次，事实上夜就是从大到小把数输出来
for(i=1;i<=num;i++)
printf("%d ",deletemax());
getchar();
getchar();
return 0;
}
能够输入下面数据进行验证
14
99 5 36 7 22 17 46 12 2 19 25 28 1 92
执行结果是
1 2 5 7 12 17 19 22 25 28 36 46 92 99
当然堆排序另一种更好的方法。从小到大排序的时候不建立最小堆而建立最大堆。最大堆建立好后。最大的元素在h[ 1]。由于我们的需求是从小到大排序。希望最大的放在最后。
因此我们将h[ 1]和h[ n]交换，此时h[ n]就是数组中的最大的元素。请注意，交换后还需将h[ 1]向下调整以保持堆的特性。
OK如今最大的元素已经归位。须要将堆的大小减1即n--，然后再将h[ 1]和h[ n]交换，并将h[ 1]向下调整。如此重复。直到堆的大小变成1为止。此时数组h中的数就已经是排序好的了。代码例如以下：
//堆排序
void heapsort()
{
while(n>1)
{
swap(1,n);
n--;
siftdown(1);
}
}
完整的堆排序的代码例如以下，注意使用这样的方法来进行从小到大排序须要建立最大堆。
#include <stdio.h>
int h[ 101];//用来存放堆的数组
int n;//用来存储堆中元素的个数，也就是堆的大小
//交换函数，用来交换堆中的两个元素的值
void swap(int x,int y)
{
int t;
t=h[ x];
h[ x]=h[ y];
h[ y]=t;
}
//向下调整函数
void siftdown(int i) //传入一个须要向下调整的结点编号i。这里传入1。即从堆的顶点開始向下调整
{
int t,flag=0;//flag用来标记是否须要继续向下调整
//当i结点有儿子的时候（事实上是至少有左儿子的情况下）而且有须要继续调整的时候循环窒执行
while( i*2<=n && flag==0 )
{
//首先推断他和他左儿子的关系。并用t记录值较大的结点编号
if( h[ i] < h[ i*2] )
t=i*2;
else
t=i;
//假设他有右儿子的情况下，再对右儿子进行讨论
if(i*2+1 <= n)
{
//假设右儿子的值更大，更新较小的结点编号
if(h[ t] < h[ i*2+1])
t=i*2+1;
}
//假设发现最大的结点编号不是自己，说明子结点中有比父结点更大的
if(t!=i)
{
swap(t,i);//交换它们，注意swap函数须要自己来写
i=t;//更新i为刚才与它交换的儿子结点的编号，便于接下来继续向下调整
}
else
flag=1;//则否说明当前的父结点已经比两个子结点都要大了，不须要在进行调整了
}
}
//建立堆的函数
void creat()
{
int i;
//从最后一个非叶结点到第1个结点依次进行向上调整
for(i=n/2;i>=1;i--)
{
siftdown(i);
}
}
//堆排序
void heapsort()
{
while(n>1)
{
swap(1,n);
n--;
siftdown(1);
}
}
int main()
{
int i,num;
//读入n个数
scanf("%d",&num);
for(i=1;i<=num;i++)
scanf("%d",&h[ i]);
n=num;
//建堆
creat();
//堆排序
heapsort();
//输出
for(i=1;i<=num;i++)
printf("%d ",h[ i]);
getchar();
getchar();
return 0;
}
能够输入下面数据进行验证
14
99 5 36 7 22 17 46 12 2 19 25 28 1 92
执行结果是
1 2 5 7 12 17 19 22 25 28 36 46 92 99
OK。最后还是要总结一下。像这样支持插入元素和寻找最大（小）值元素的数据结构称之为优先队列。假设使用普通队列来实现这个两个功能。那么寻找最大元素须要枚举整个队列。这样的时间复杂度比較高。假设已排序好的数组，那么插入一个元素则须要移动非常多元素。时间复杂度依然非常高。而堆就是一种优先队列的实现，能够非常好的解决这两种操作。
另外Dijkstra算法中每次找离源点近期的一个顶点也能够用堆来优化。使算法的时间复杂度降到O((M+N)logN)。
堆还常常被用来求
一个数列中第K大的数。仅仅须要建立一个大小为K的最小堆。堆顶就是第K大的数。假设求一个数列中第K小的数。仅仅最须要建立一个大小为K的最大堆。堆顶就是第K小的数，这样的方法的时间复杂度是O(NlogK)。当然你也能够用堆来求前K大的数和前K小的数。你还能想出更快的算法吗？有兴趣的同学能够去阅读《编程之美》第二章第五节。
堆排序算法是由J.W.J. Williams在1964年发明。他同一时候描写叙述了怎样使用堆来实现一个优先队列。
同年，由
Robert W．Floyd提出了建立堆的线性时间算法。 BTW，《啊哈！算法》系列，坐在马桶上都能读懂的算法入门书，已经整理出版，本次更新是最后一次在线更新啦。各位喜欢《啊哈！
算法》的朋友要去买一本搜藏哦
买了的朋友记得来啥单，还能够得到《啊哈。算法》的T恤哦~~~ http://www.ahalei.com/thread-4969-1-1.html
