好久没有写博客了，感觉学的东西都快忘完了。这几天准备学下平衡树的知识，不过在学习那之前还是先学习一下更为基础的一种数据结构Heap，我们称为堆。
先说下什么叫做堆，堆有小根堆和大堆根，首先堆的本质是一棵完全二叉树。跟二叉搜索树的区别在于，二叉搜索树的特点是左子树上的所有节点的值都小于根节点的值，右子树上的所有节点的值都大于根节点的值。然后对于每棵子树，都是一棵二叉搜索树。根据二叉搜索树的定义我们容易知道，对于任意一个节点root，以这个节点的根的左子树的任意一节点记为l,以这个节点为根的右子树的任意一节点记为r,那么我们肯定有value(r) >= value(root)>= value(l).而我们今天要讲的堆的特点是（以大根堆为例，小根堆类似）,对于任意一节点，每个节点的值都大于其左右儿子节点的值。所以以每个节点为根的子树都是堆，这一点跟二叉搜索树一样（二叉搜索树的每个节点为根的子树都是一棵二叉搜索树），但是与二叉搜索树不同的是，对于对于左右子树上的节点的值没有大小关系，只要他们都小于根的值就行。
知道什么叫作堆之后，那么这个堆有什么用呢？。堆的用处很多，比如我们stl里面的优先队列就是基于堆原理实现的，另外利用堆还可以进行排序，就是著名的堆排序等等。有很多作用。
今天我们用一个具体的问题来学习一下堆。
#1105 : 题外话·堆
描述
小Ho有一个糖果盒子，每过一段时间小Ho都会将新买来的糖果放进去，同时他也会不断的从其中挑选出最大的糖果出来吃掉，但是寻找最大的糖果不是一件非常简单的事情，所以小Ho希望能够用计算机来他帮忙计算这个问题！
输入
每个测试点（输入文件）有且仅有一组测试数据。
在一组测试数据中：
第1行为1个整数N，表示需要处理的事件数目。
接下来的M行，每行描述一个事件，且事件类型由该行的第一个字符表示，如果为'A'，表示小Ho将一粒糖果放进了盒子，且接下来为一个整数W，表示这颗糖果的重量；如果为'T'，表示小Ho需要知道当前盒子中最重的糖果的重量是多少，在知道这个值之后，小Ho会将这颗糖果从盒子中取出并吃掉。
对于100%的数据，满足1<=N<=10^5, 1<=w<=10^5。<>
对于100%的数据，满足没有2颗糖果的重量是相同的，最开始的时候小Ho的糖果盒子是空的，且每次小Ho想要取出一颗糖果的时候盒子里一定至少有一颗糖果。
输出
在一组测试数据中：
对于每个类型为'T'的时间，输出1个整数W_MAX，表示在这一时刻，盒子中最重的糖果的重量。
5 A 77751 A 1329 A 26239 A 80317 T样例输出
80317
题意一目了然。显然我们可以用stl的优先队列，或者离线和离散化之后用线段树或者树状数组做，都是ok的。但是我们今天就是要用堆来做。
显然我们需要建一个完全二叉树来作为堆。显然这道题目是建一个大根堆，那么整棵树的根就是我们要找的最大值。我们需要实现两种操作。一种操作是取出最大值也就是整棵树的根元素，这个很简单，但是取出之后还要将这个最大元素删掉。另一种操作是向树中插入一个数。下面分别来简述两种操作的实现原理
1.取最大值，并删除它。
对于取最大值，很简单，直接保存一下就行。对于删除操作。我们用二叉树的最后一个叶节点来覆盖根节点，然后删除最后一个 叶节点（代码实现就行让这棵树的大小减一就行）。但是这样做了之后根的值就变了，可能就不满足大根堆的性质了。所以这个时候我们需要做一些调整，使得它满足大根堆的性质。怎样调整？很简单，从根节点开始，找出节点的两个儿子，然后与值较大的那个儿子值交换就行。然后继续调整刚才交换的那个儿子的那一边就行。（另一边一定是满足大根堆的性质的）。然后到叶节点或者该节点的值大于左右儿子的值时就停止，这时候整棵树就调整为大根堆了。这个操作是从根节点往下，所以也称下称操作。
2，在树种插入一个数。
我们直接在树的最后一个叶节点后面加一上这个树。加上之后，也有可能会使这棵树不满足大根堆的性质，然后我们也需要调整一下。调增的方法与上面类似。我们从这个节点开始。找到这个节点的父节点，然后判断这个节点的值与父节点值的大小关系，如果大于父节点的值，则与父节点的值交换，继续调整父节点就行，知道小于父节点或者到了整棵树的根结束。这个操作是从叶节点往上，所以叶称为上浮操作。
时间复杂度分析，非此插入操作，最坏是从叶节点到根节点即为树的高度log(n),删除根节点复杂度也一样。所以最后的复杂度为O(m * logn) m为操作次数，n的节点的个数，也就是插入的数的个数。
代码如下：
#include <bits/stdc++.h>
using namespace std;
const int maxn = 100000 + 10;
int N;
struct node{
int value;
int L, R;
node(){
L = 0;
R = 0;
}
};
class Heap{
public:
Heap()
{
root = 0;
cnt = 0;
}
void insert(int value)//插入一个值
{
if(root == 0)//空树
{
root = ++cnt;
Tree[root].value = value;
Tree[root].L = 0;
Tree[root].R = 0;
}
else
{
int father = cnt>>1;
if(Tree[father].R == 0 && father)
{
Tree[father].R = ++cnt;
Tree[cnt].L = 0;
Tree[cnt].R = 0;
Tree[cnt].value = value;
}
else
{
father++;
Tree[father].L = ++cnt;
Tree[cnt].L = 0;
Tree[cnt].R = 0;
Tree[cnt].value = value;
}
}
}
void update_up(int id)//丛编号为id的节点开始向上调整，使得整棵树满足大根堆的性质
{
int father = id>>1;
if(father == 0) return;
if(Tree[father].value < Tree[id].value)
{
int temp = Tree[father].value;
Tree[father].value = Tree[id].value;
Tree[id].value = temp;
update_up(father);
}
else return;
}
int getRoot()//获取整棵树的根，也就是最大值
{
int temp = Tree[root].value;
Tree[root].value = Tree[cnt].value;
int father = cnt>>1;
if(cnt == Tree[father].L) Tree[father].L = 0;
else Tree[father].R = 0;
cnt--;
return temp;
}
void update_down(int id)//从根往下更新,直到整棵树满足大根堆性质
{
int lson = Tree[id].L;
int rson = Tree[id].R;
if(lson == 0 && rson == 0) return;
if(rson == 0)
{
if(Tree[id].value < Tree[lson].value)
{
int temp = Tree[id].value;
Tree[id].value = Tree[lson].value;
Tree[lson].value = temp;
update_down(lson);
return;
}
else return;
}
if(Tree[lson].value >= Tree[rson].value)
{
if(Tree[id].value >= Tree[lson].value) return;
int temp = Tree[id].value;
Tree[id].value = Tree[lson].value;
Tree[lson].value = temp;
update_down(lson);
return;
}
else
{
if(Tree[id].value >= Tree[rson].value) return;
int temp = Tree[id].value;
Tree[id].value = Tree[rson].value;
Tree[rson].value = temp;
update_down(rson);
return;
}
}
node Tree[maxn];
int root;//树根
int cnt;
};
int main()
{
scanf("%d", &N);
Heap x;
char op[10];
for(int i = 1; i <= N; i++)
{
scanf("%s", op);
if(op[0] == 'T')
{
printf("%d\n", x.getRoot());
x.update_down(x.root);
}
else
{
int value;
scanf("%d", &value);
x.insert(value);
x.update_up(x.cnt);
}
}
return 0;
}