收获：
曾经总是一个 priority_queue 做优先队列的问题，虽然我知道优先队列是二叉堆是实现的，但是从来没有去研究过它的底层实现，今天我把它实现了！经过三次严格的测试，我可以大胆的说，我实现的面向对象的二叉堆是ok的！
My code:
#include <iostream>
/* 第三次测试需要算法库头文件： */
#include <algorithm>
using namespace std;
typedef int Rank;
const int maxn = 1e5 + 5;
const Rank NoneEle = 0;
inline Rank Parant(Rank i) { return (i >> 1); }
inline bool ParantIsVis(Rank i) { return 0 != (i >> 1); }
inline Rank GetLchild(Rank i) { return (i << 1); }
inline Rank GetRchild(Rank i) { return ((i << 1) + 1); }
template <typename T>
class BinaryHeap {
private:
Rank size_;
T* _elem;
protected:
T Max(T a_, T b_) { return a_ > b_ ? a_ : b_; }
/* 如果需要重新定义优先级，请继承此类并重载 < 运算符 */
bool cmp(T a, T b) { return a < b; }
/* 向上过滤 */
void percolateup(Rank i, T _e) {
T data = _e; bool isTop = true;
while (ParantIsVis(i)) {
Rank j = Parant(i);
if (cmp(data, _elem[j])) {
_elem[i] = data;
isTop = false;
break;
}
// 孩子小于父亲，说明堆序维护成功
_elem[i] = _elem[j];
i = j;
}
if (isTop) _elem[i] = data;
}
void percolatedown(T e_) {
T data = e_; Rank r = 1;
while (GetLchild(r) <= size_) {
Rank j = GetLchild(r);
if (j + 1 <= size_ && _elem[j + 1] > _elem[j]) // 小顶堆
j++;
if (data < _elem[j])
_elem[r] = _elem[j];
else
break;
r = j;
}
_elem[r] = data;
}
public:
BinaryHeap() {
size_ = 0;
_elem = new int[maxn];
}
void Insert(T e) {
_elem[++size_] = e;
percolateup(size_, e);
}
bool Empty() {
return (NoneEle == size_);
}
void Pop() {
if (Empty()) return;
T e = _elem[size_--];
percolatedown(e);
}
T GetTop() { return _elem[1]; }
Rank GetSize() { return size_; }
};
/* 第三次测试的初始化： */
const int maxv = 1e5;
int n, a[maxn], b[maxn], res[maxn];
int main() {
// 第一次测试：
/* Test code:
int n, a;
BinaryHeap<int> h;
cin >> n;
for (int i = 0; i < n; i++) {
cin >> a;
h.Insert(a);
cout << h.GetTop() << endl;
}*/
/*
Input
7
5 3 1 7 9 2 10
Output
5
5
5
7
9
9
10
*/
/* 第一次测试成功！*/
//第二次测试：
/*
int n, m, a;
BinaryHeap<int> h;
cin >> n >> m;
for (int i = 0; i < n; i++) {
cin >> a;
h.Insert(a);
}
for (int i = 0; i < m; i++) {
int cmd;
cin >> cmd;
if (1 == cmd)
h.Pop();
else if (2 == cmd)
cout << h.GetTop() << endl;
}*/
/*
Input:
7 5
5 3 1 7 9 2 10
2 1 2 1 2
Output:
10
9
7
*/
/* 第二次测试成功！ */
// 第三次测试：洛谷OJ P1631 合并序列
cin >> n;
for (int i = 0; i < n; i++)
cin >> a[i];
sort(a, a + n);
for (int i = 0; i < n; i++)
cin >> b[i];
sort(b, b + n);
BinaryHeap<int> MyHeap;
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
int sum = a[i] + b[j];
if (MyHeap.GetSize() < n)
MyHeap.Insert(sum);
else {
if (sum < MyHeap.GetTop()) {
MyHeap.Pop();
MyHeap.Insert(sum);
}
else
break;
}
}
}
for (int i = n - 1; i >= 0; i--) {
res[i] = MyHeap.GetTop();
MyHeap.Pop();
}
for (int i = 0; i < n; i++)
cout << res[i] << ' ';
return 0;
/* AC啦！第三次测试成功！！！ */
}
我的测试用例也在上面，大家可以自行测试
oj测试：洛谷 1631 合并序列
仔细讲解上、下滤算法：
其实就是插入和删除操作不可避免的算法
我们以上滤算法为例，简要讲解
实现方法1：交换法，复杂度O(3*logn)
如果我们需要插入一个元素，由于我们的物理结构是用数组，所以我们的元素必然是插入在数组的尾部，实现复杂度：O(1)
然后我们需要维护堆的有序性！维护有序性，我们可以借助很多数据结构，比如BST、AVL、红黑树等等……
但是考虑我们的优先队列，只需要维护堆顶即可！并不是整棵树都是有序的，只是保证了每个树及其子树在所在的树形结构里，根节点是整棵树最大的（大顶堆）所以并不需要那么高级的数据结构，只需要一颗完全二叉树就可以了。
我们知道，向完全二叉树中插入节点，是插入在最底层的最右侧！我们要维护堆的有序性，其实就是在维护这个节点与它的父节点的大小顺序。如果我们的这个新插入的节点比父节点大，那么我们这个节点就自然要向上过滤！所以我们就要交换这个节点与父节点的位置，如此下去，一直到它的父节点比它大了，堆的有序性就维护起来了！
我们晓得，一颗完全二叉树的树高，最高不过：logn，所以我们这个算法的复杂度，整体来说，是O(logn)，但是考虑常数：我们的交换法，每次交换需要三次赋值，所以整个的具体复杂度是：O(3 * logn)
实现方法二：代替法，优化后的复杂度：O(logn + 2)
我们有没有一种更快的方法呢？
我们可以：
第一步：把插入的节点备份：data = NewNode
第二步：如果它的父节点比它小，就把它的父节点赋予给它，然后如此往复
第三步：直到它的父节点比它大了，那么就把data赋予给比它大的父节点的子节点，因为这个子节点与它的子节点是同样的值，所以不会丢失
需要注意的是：
如果我们一致上滤没有发现比它大的节点呢？那么这个节点就自然成为了根节点，所以此时我们直接把data赋予给根节点，因为根节点及其一下的节点已经全部完成了向下替代，所以我们可以放心大胆的去创造新的根节点！