恩，是非线性结构。
从数据结构层次理解,堆是一种特殊的树形数据结构，二叉树的一种，有最大堆最小堆每个结点都有一个值。通常我们所说的堆的数据结构，是指二叉堆。有最大堆最小堆每个结点都有一个值。堆分为大根堆,小根堆,大根堆就是树的根结点大于叶子结点.
堆是一种特殊的树形数据结构，每个结点都有一个值。通常我们所说的堆的数据结构，是指二叉堆。堆的特点是根结点的值最小（或最大），且根结点的两个子树也是一个堆
堆分为大根堆,小根堆,大根堆就是树的根结点大于叶子结点.
堆（英语：heap)是计算机科学中一类特殊的数据结构的统称。堆通常是一个可以被看做一棵树的数组对象。
栈（stack）又名堆栈，它是一种运算受限的线性表。限定仅在表尾进行插入和删除操作的线性表。这一端被称为栈顶，相对地，把另一端称为栈底。
向一个栈插入新元素又称作进栈、入栈或压栈，它是把新元素放到栈顶元素的上面，使之成为新的栈顶元素；从一个栈删除元素又称作出栈或退栈，它是把栈顶元素删除掉，使其相邻的元素成为新的栈顶元素。
扩展资料：
一、堆的算法思想
不必将值一个个地插入堆中，通过交换形成堆。假设根的左、右子树都已是堆，并且根的元素名为R。这种情况下，有两种可能：
（1） R的值小于或等于其两个子女，此时堆已完成。
（2） R的值大于其某一个或全部两个子女的值，此时R应与两个子女中值较小的一个交换，结果得到一个堆，除非R仍然大于其新子女的一个或全部的两个。这种情况下，我们只需简单地继续这种将R“拉下来”的过程，直至到达某一个层使它小于它的子女，或者它成了叶结点。
二、栈的基本算法
1、进栈（PUSH）算法
①若TOP≥n时，则给出溢出信息，作出错处理（进栈前首先检查栈是否已满，满则溢出；不满则作②）。
②置TOP=TOP+1（栈指针加1，指向进栈地址）。
③S(TOP)=X，结束（X为新进栈的元素）。
2、退栈（POP）算法
①若TOP≤0，则给出下溢信息，作出错处理(退栈前先检查是否已为空栈， 空则下溢；不空则作②)。
②X=S(TOP)，（退栈后的元素赋给X）。
③TOP=TOP-1，结束（栈指针减1，指向栈顶）。
参考资料来源：百度百科-堆
参考资料来源：百度百科-栈
堆通常是一个可以被看做一棵树的数组对象。堆总是满足下列性质：
1 堆中某个节点的值总是不大于或不小于其父节点的值；
2 堆总是一棵完全二叉树。
将根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆。常见的堆有二叉堆、斐波那契堆等。
扩展资料
堆的实现通过构造二叉堆（binary heap），实为二叉树的一种；由于其应用的普遍性，当不加限定时，均指该数据结构的这种实现。这种数据结构具有以下性质。任意节点小于（或大于）它的所有后裔，最小元（或最大元）在堆的根上（堆序性）。
堆总是一棵完全树。即除了最底层，其他层的节点都被元素填满，且最底层尽可能地从左到右填入。
堆栈的基本特点：先入后出，后入先出。除头尾节点之外。
堆其实就是一棵完全二叉树，即若设二叉树的深度为h，除第 h 层外，其它各层 (1～h-1) 的结点数都达到最大个数，第 h 层所有的结点都连续集中在最左边。
定义为：具有n个元素的序列（h1,h2,...hn），当且仅当满足（hi=h2i,hi=h2i+1）或（hi=h2i,hi=2i+1） (i=1,2,...,n/2)时称之为堆。完全二叉树的根结点称为堆的顶。
可以注意到，堆仅保证元素和其子结点之间的关系，并不保证兄弟结点之间的关系。
常见的堆包括最大堆和最小堆。
最大堆，顾名思义，堆顶的键值是所有堆结点键值中最大者。套用前面讲到过的规则， 当且仅当满足（hi=h2i,hi=h2i+1）或（hi=h2i,hi=2i+1） (i=1,2,...,n/2) ，所有父结点的键值均大于子结点。
由最大堆的定义，可以很容易的理解最小堆，即所有父结点的键值均小于子结点。
堆的内存形式有两种，一种是链表，一种是数组。
对于一个堆，常用的操作有两种，插入一个新的结点和删除堆顶。
向堆插入一个结点，首先要保证堆依然是一个完全二叉树，即必须保证一行（也就是一层）构建完成才能继续添加下一层的结点。这就意味着完全二叉树新增加结点的位置是唯一固定的。对应数组来说，就是在数组的末尾增加一个元素。
进一步，对这个完全二叉树进行调整，即移动父结点和子结点的相互位置关系，使其满足条件而重新成为堆。这种调整可以简单的看成是一些列的上浮（shift-up）操作。可以看看下面这个简单的图。
可以看到，所谓的shift-up，就是将新插入的结点不停的和其父结点进行比较，如果子结点的键值大于（最大堆）/小于（最小堆）其父结点，那么就对二者进行交换，因为这里是数组，所以仅需要交换结点之间的键值，直到子结点的键值不大于（最大堆）/不小于（最小堆）其父结点。
和插入新的结点类似，删除堆顶，还是首先要保证堆依然是一个完全二叉树，即必须保证一行（也就是一层）全部删除之后才能继续删除上一层的结点。这就意味着完全二叉树删除的结点的位置是唯一固定的。对应数组来说，就是删除数组末尾的元素。
删除堆顶的操作可以分为3步：
步骤1和2非常简单，执行完成之后，新的完全二叉树如图所示：
步骤3是问题的重点和难点，可以简单的看成是一些列的下沉（shift-down）操作。
对于某个结点（parent），所谓的shift-down，包括以下子步骤（这里以最大堆为例）：
以上面的堆为例：
构建堆有两种方式，一种是从无到有，也就是一个不断插入结点的过程；而另一种就是在原有完全二叉树的基础上，按照某种规则对结点进行调整。
从原理上说，从无到有的构建堆比较简单，对于每一个新增结点，对其进行插入操作，结果必然是一个堆。
在原有的完全二叉树上进行调整，稍微复杂一些，可以从最后一个非叶结点开始，对每个非叶结点进行shift-down操作。
该操作的难点在于如何找到“非叶结点”和“最后一个非叶结点”。考虑非叶结点的定义，一个结点如果 有至少一个子结点 ，那么就称其为 非叶结点 。因此，我们只要遍历所有的结点（根结点除外）的父结点，就可以遍历所有的 非叶结点 。知道了如何找到“非叶结点”，找出“最后一个非叶结点”的方法显而易见，最后一个叶结点（数组的末尾）的父结点就是“最后一个非叶结点”。
通过之前的章节，不难看出，堆操作的核心是两个步骤：shift-down和shift-up，更进一步，这两个操作都是递归的。
不仅在面试中，堆在日常工作中也经常被使用。堆经常会被作为优先队列来使用，常见于例如任务调度，数组合并等场景。
在java中，优先队列实现了堆的数据结构【1】。我之前的一篇文章 Java 优先队列 （PriorityQueue） 对优先队列进行了简单介绍，可以参考。
【1】
其他参考文章：
【2】 最大堆（创建、删除、插入和堆排序）
【3】 数据结构：堆（Heap）
【4】 关于堆结构的详解
【5】 构建堆的时间复杂度
【6】 最大堆的插入/删除/调整/排序操作(图解+程序)（JAVA）
本文转载自互联网，如有侵权，联系删除
