什么是堆？"堆"这个词最初是在堆排序中提出的，但后来就逐渐指"废料收集存储区"，当然这里不是指"废料收集存储区"。堆数据结构是一种数组对象，由于一棵完全二叉树可以用一组地址连续的存储单元依次自上而下、自左至右存储，故堆可以被视为一棵完全二叉树，如下图：
一个堆的数组A，用length[A]表述数组中的元素个数，heap-size[A]表示本身存放在A中的堆的元素个数，很明显heap-size[A]<=length[A]。
树的根为A[1]，给定某个节点的下标i，很容易计算出其父节点PARENT(i)、左孩子LEFT(i)、右孩子RIGHT(i)的下标：PARENT(i) --- i/2 LEFT(i) --- 2i RIGHT(i) --- 2i+1二叉堆有两种：最大堆和最小堆。最大堆满足以下条件：除了根节点以外的每个节点i，有A[PARENT(i)]>=A[i]。即某个节点的值至多和父节点的值一样大，也就是说，在以节点i为根节点的子树中，其子节点的值都不大于该节点的值，由此可得出结论，最大堆根节点的值即是数组A的最大值。最小堆的概念正相反。
堆排序算法使用的是最大堆。下面介绍几个堆排序使用的基本过程：
- max_heapify过程，运行时间为O(lg n)，它是保持最大堆性质的关键
- build_max_heap过程，线性时间运行，在无序的数组基础上构造最大堆
- heapsort过程，运行时间为O(lg n)，对一个数组原地进行排序
保持堆的性质 max_heapify算法如下：
max_heapify(A,i) l ← LEFT(i) r ← RIGHT(i) if l ≤ heap-size[A] and A[l] > A[i] then largest ← l else largest ← i if r ≤ heap-size[A] and A[r] > A[largest] then largest ← r if i ≠ largest then exchange A[i] <-> A[largest] max_heapify(A,largest)如上述算法描述，首先在数组元素A[i]，其左孩子为A[LEFT(i)]，右孩子为A[RIGHT(i)]中找到最大的那个，将其下标值存储到变量largest中。如果A[i]已经是最大值，则算法结束，否则A[i]与A[largest]交换，从而使节点i及其子节点满足最大堆的性质。此时，以largest节点为根的子树可能违反最大堆的性质，所以需要对该子树递归调用max_heapify。下图展示了这个过程：
该图展示的是max_heapify(A,2)的过程，读者可参考算法自行理解该过程。
建堆 build_max_heap算法如下：
build_max_heap(A) heap-size[A] ← length[A] for i ← length[A]/2 downto 1 do max_heapify(A,i)当用数组表示存储了n个元素的堆时，可以证明叶子的下标是n/2+1,n/2+2,...,n。
假设第i个节点是堆中最后一个拥有叶子的节点，则它的节点必定是其左孩子(根据完全二叉树的定义可得) ，则LEFT(i)=2i=n，即其左孩子在数组里的存储位置为n，可得i=n/2，所以从第i+1开始的节点没有子节点，即n/2+1,n/2+2,...,n存储的节点是叶子。所以build_max_heap算法从第length[A]/2个节点往前开始调用max_heapify来建立最大堆，无需在叶子节点上调用max_heapify。下图是此过程的展示：
堆排序 heapsort算法如下：
heapsort(A) build_max_heap(A) for i ← length[A] downto 2 do exchange A[1] <-> A[i] heap-size[A] ← heap-size[A] - 1 max_heapify(A,1)首先，将输入数组A构造成最大堆，因为数组中最大元素在根A[1]，则交换A[1]和A[n]来达到最终正确的位置，此时数组元素最大值为A[n]。现在将A[n]从数组中去掉，可以很容易将A[1..n-1]构造成最大堆。原来的根的子女仍是最大堆，但新的根元素可能违反了最大堆性质，这是调用max_heapify(A,1)就可以保持最大堆性质，在A[1..n-1]中构造最大堆。不断重复这个过程，直到堆的大小降到2。
下面给出具体C语言实现代码：
end