1. 堆：一种二叉树的结构–完全二叉树，且每个节点的值都≥或≤孩子节点。
2. 最大堆：每个节点的值都≥孩子节点（堆顶元素是最大值）
3. 最小堆：每个节点的值都≤孩子节点（堆顶元素是最小值）
4. 复杂度

• 访问（acess）：无
• 搜索：O(1) (堆顶)
• 添加：O（logN）
• 删除：O(logN） 一般是堆顶

5. Python常用操作

import heapq
//创建堆
minheap = []

//添加元素
heapq.heappush(minheap,10)
heapq.heappush(minheap,8)
heapq.heappush(minheap,6)
heapq.heappush(minheap,2)
heapq.heappush(minheap,11)

//查看堆顶元素
print(minheap[0])

//删除堆顶元素
heapq.heappop(minheap)

//长度
len(minheap)
# empty?
len(s)==0

//遍历
while len(minheap)!=0:
	print(heap.heappop(minheap))

//最大堆则将元素乘以-1再进行操作

6. java常用操作

//创建最小堆
PriorityQueue<Integer> minheap = new PriorityQueue<>();
//创建最大堆
PriorityQueue<Integer> maxheap = new PriorityQueue<>(Collections.reverseOrder());

//添加元素
minheap.add(10);
minheap.add(8);
minheap.add(9);
minheap.add(11);
minheap.add(2);
maxheap.add(10);
maxheap.add(8);
maxheap.add(9);
maxheap.add(11);
maxheap.add(2);
System.out.println(minheap.toString());  //[2,8,9,11,10]
System.out.println(maxheap.toString());  //[11,10,9,8,2]

//查找堆顶元素
minheap.peek();
maxheap.peek();

//删除
minheap.poll();
maxheap.poll();

//长度
minheap.size();
maxheap.size();

//遍历
while(!minheap.isEmpty()){
  System.out.println(minheap.poll());
}