STL序列式容器之heap（堆）

heap概述       

heap并不归属于STL容器组件，它是幕后英雄，扮演了priority queue的助手；

priority queue允许用户以任意顺序将元素推入容器内，但是取出时，是按优先级最高的元素开始取。针对priority queue要求的特性，最直观的做法，有两种：

        1:插入后，保持底层queue的排序状态，此时插入的时间复杂度是O(n);取数据可在常数时间内将元素取出

        2:插入还是放在容器的末尾，插入的时间复杂度尾O(1);取数据时，需要遍历数组，而后取出最大的那个元素；时间复杂度为O(n);

        此外为了能够获取O(logN)时间复杂度性能的插入和获取性能，可能会想到用二分查找树的方式（红黑树）；事实上如果采用红黑树的做法，也能实现该功能，只是再实现复杂度和存储容量上都会有一定程度上的提升；本文采用了binary heap的方式进行实现；

        所谓binary heap就是一种complete binary tree（完全二叉树），也就是整颗binary tree除了最底层的叶子节点之外，是填满的，且最底层的叶子节点由左至右不得存在空隙。如下图所示

        因为完全二叉树节点紧凑的特性；我们可以采用array来存储所有节点；其中i标识父节点的索引，则其左右子几点的索引分别为2*i 及2*i+1；如此一颗完全二叉树可以通过array进行表示，同时我们称这种表示法为隐式表述法（implicit representation）。

        如此分析之后，我们需要的工具，可以采用一个array和一组heap算法（用于插入元素、删除元素、取极值，将某一整组数据排列成一个heap）。array的缺点是无法动态改变大小，而heap却需要这项功能，因此，以vector代替array。

        根据元素排列方式，heap可分为max-heap和min-heap两种，前者每个节点的键值(key)都大于或等于其子节点键值，后者的每个节点键值(key)都小于或等于其子节点键值。因此，max-heap的最大值在根节点，并总是位于底层array或vector的起始处（front）；min-heap

的最小值在根节点，亦总是位于底层array或vector的起始处（front）。STL提供的max-heap，以下描述的算法都是指max-heap。

heap 算法

push_heap算法

push_heap,将元素加入heap中

heap初始状态如下：

此时需要将新的节点加入heap中，假设加入新的节点的key为50.

此时待加入的节点位于heap的末尾，亦即tree最底层叶子节点的最右端

加入节点后，这颗