• 查询（递归->深度优先，跌代->广度优先）
• 删除-->选右子树里值最接近他的结点（也就是右子树里最小的结点）做为它的替换结点。

堆（可以迅速找到一堆数中的最大或者最小值的数据结构）通过完全二叉树实现（注意：不是二叉搜索树）

• [性质一] 是一棵完全树。

• [性质二]树中任意节点的值总是>=其子节点的值

• [记忆]

  • 0.根节点（顶堆元素）是：a[0]
  • 1.索引为i的左孩子的索引是（2*i+1）;
  • 2.索引为i的右孩子的索引是（2*i+2）;
  • 3.索引为i的父结点的索引是 floor((i-1)/2)

• [Insert插入操作]HeapifyUp

  • 1.新元素一律先插入到堆的尾部
  • 2.依次向上调整整个堆的结构（一直到根即可）

• [Delete max删除堆顶操作的] HeapifyDown

• 1.将堆尾元素替换到顶部（即对顶被替代删除掉）

• 2.依次从根部向下调整整个堆的结构（一直到堆尾即可）

• 掌握：

  • 1.理解堆的实现代码https://shimo.im/docs/Lw86vJzOGOMpWZz2/
  • 2.理解PriorityQueue源码:https://www.cnblogs.com/CarpenterLee/p/5488070.html, 注：默认是小顶堆，poll取出的总是最小元素。
  • 3.LeetCode-最小的K个数，Priorityqueue（小顶堆）, poll前面n个数
  • 4.LeetCode-滑动窗口,方法1（双端队列），方法2（堆）
  • 5.LeetCode-347前k个高频词，PriorityQue, HashMap