目录
1.二叉树的顺序结构
2.堆的概念及结构
3.堆的实现
3.1堆向下调整算法
3.2堆的创建
3.3建堆的时间复杂度
3.4堆的插入
3.5堆的删除
3.6堆的代码实现
3.7堆的应用
3.71堆排序
3.72 TOP-K问题
1.二叉树的顺序结构
普通的二叉树是不适合用数组来存储的，因为可能会存在大量的空间浪费。而完全二叉树更适合使用顺序结 构存储。现实中我们通常把堆(一种二叉树)使用顺序结构的数组来存储，需要注意的是这里的堆和操作系统 虚拟进程地址空间中的堆是两回事，一个是数据结构，一个是操作系统中管理内存的一块区域分段。
2.堆的概念及结构
堆的性质：
堆中某个节点的值总是不大于或不小于其父节点的值；
堆总是一棵完全二叉树。
其中堆也可以分为大堆和小堆。堆中根节点最大，向下递减的是大堆；根节点最小，向下递增的是小堆；
3.堆的实现
3.1堆向下调整算法
现在我们给出一个数组，逻辑上看做一颗完全二叉树。我们通过从根节点开始的向下调整算法可以把它调整 成一个小堆。向下调整算法有一个前提：左右子树必须是一个堆，才能调整。
int array[]={27,15,19,18,28,34,65,49,25,37};
3.2堆的创建
下面我们给出一个数组，这个数组逻辑上可以看做一颗完全二叉树，但是还不是一个堆，现在我们通过算 法，把它构建成一个堆。根节点左右子树不是堆，我们怎么调整呢？这里我们从倒数的第一个非叶子节点的 子树开始调整，一直调整到根节点的树，就可以调整成堆。
int a[] = {1,5,3,8,7,6}; 
3.3建堆的时间复杂度
因为堆是完全二叉树，而满二叉树也是完全二叉树，此处为了简化使用满二叉树来证明(时间复杂度本来看的 就是近似值，多几个节点不影响最终结果)：
因此：向下调整建堆的时间复杂度为：O(N)。
3.4堆的插入
先插入一个10到数组的尾上，再进行向上调整算法，直到满足堆。
3.5堆的删除
删除堆是删除堆顶的数据，将堆顶的数据根最后一个数据一换，然后删除数组最后一个数据，再进行向下调 整算法。
3.6堆的代码实现
typedef int HPDataType;
typedef struct Heap
{HPDataType* a;int size;int capacity;
}HP;void HeapCreate(HP* hp, HPDataType* a); //堆的构建
void HpDestroy(HP* hp); //堆的销毁
void HpPush(HP* hp,HPDataType x); //堆的插入
void HpPop(HP* hp); //堆的删除
HPDataType HpTop(HP* hp); //取堆顶的数据
int HeapSize(HP* hp); //堆的数据个数
bool HpEmpty(HP* hp); //堆的判空3.7堆的应用
3.71堆排序
堆排序即利用堆的思想来进行排序，总共分为两个步骤：
1. 建堆 升序：建大堆 降序：建小堆
2. 利用堆删除思想来进行排序 建堆和堆删除中都用到了向下调整，因此掌握了向下调整，就可以完成堆排序。
3.72 TOP-K问题
TOP-K问题：即求数据结合中前K个最大的元素或者最小的元素，一般情况下数据量都比较大。
比如：专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
对于Top-K问题，能想到的最简单直接的方式就是排序，但是：如果数据量非常大，排序就不太可取了(可能 数据都不能一下子全部加载到内存中)。最佳的方式就是用堆来解决，基本思路如下：
1. 用数据集合中前K个元素来建堆 前k个最大的元素，则建小堆 前k个最小的元素，则建大堆
2. 用剩余的N-K个元素依次与堆顶元素来比较，不满足则替换堆顶元素
