在上一篇贪心算法中，我们涉及到了堆的运用，就来详细地探讨一下堆是什么呢？
堆
堆（Heap）是一种特殊的完全二叉树或近似完全二叉树的数据结构，通常用于实现优先队列。堆的主要特点是能够高效地进行插入和删除操作，同时保持堆的性质不变。堆有两种主要类型：最大堆（Max Heap）和最小堆（Min Heap）。
- 最大堆：每个节点的值都大于或等于其子节点的值。
- 最小堆：每个节点的值都小于或等于其子节点的值。
堆的操作
- 插入：将新元素添加到堆的末尾，然后通过向上调整（Percolate Up 或 Bubble Up）来恢复堆的性质。
- 删除：通常删除的是根节点（最大堆中的最大值或最小堆中的最小值）。删除后，将最后一个节点移到根节点的位置，然后通过向下调整（Percolate Down 或 Bubble Down）来恢复堆的性质。
堆的应用
- 优先队列：堆是实现优先队列的常用数据结构，因为它可以在 O(log n) 时间内完成插入和删除操作。
- 堆排序：堆排序是一种高效的排序算法，利用堆的性质可以在 O(n log n) 时间内完成排序。
- 选择算法：堆可以用于在 O(n) 时间内找到数组中的第 k 大或第 k 小元素。
既然说到了优先队列，我们也来看一下队列是什么结构呢？
队列
队列（Queue）是一种常见的线性数据结构，遵循先进先出（FIFO，First-In-First-Out）的原则。这意味着最早进入队列的元素会最先被移除。队列在很多应用场景中都非常有用，例如任务调度、缓冲区管理和广度优先搜索等。
- 先进先出（FIFO） ：队列中的元素按照进入的顺序依次离开队列。
- 两端操作：队列有两个主要端点，前端（front）和后端（rear）。元素从后端入队（enqueue），从前端出队（dequeue）。
队列的主要操作
- 入队（Enqueue） ：将新元素添加到队列的尾部。
- 出队（Dequeue） ：移除并返回队列头部的元素。
- 获取队头元素（Front） ：访问队列头部的元素，但不移除它。
- 获取队尾元素（Rear） ：访问队列尾部的元素，但不移除它。
- 检查队列是否为空（IsEmpty） ：判断队列是否为空。
- 获取队列长度（Size） ：返回队列中元素的数量。
可以简单地理解为，堆有大小顺序地维护，方便我们查找，而队列主要维护的是先后顺序。
下面我们来看一下题目，关于堆的代码实现回去看贪心算法那章吧！
队列题目示例
小R有一个特殊的随机播放规则。他首先播放歌单中的第一首歌，播放后将其从歌单中移除。如果歌单中还有歌曲，则会将当前第一首歌移到最后一首。这个过程会一直重复，直到歌单中没有任何歌曲。
题目解析
我们可以用一个队列来模拟这个过程。具体步骤如下：
- 初始化一个队列，将歌单中的所有歌曲按顺序加入队列。
- 每次从队列中取出第一首歌并播放。
- 如果队列中还有歌曲，将当前的第一首歌移到队列的末尾。
- 重复上述步骤，直到队列为空。
题目解答
def solution(n: int, a: list) -> list:
play_order = [] # 存储播放顺序
while a:
# 播放并移除列表中的第一首歌
play_order.append(a.pop(0))
if a: # 如果列表中还有歌曲
# 将新的列表中的第一首歌移到最后
first_song = a.pop(0)
a.append(first_song)
return play_order
