由于合并都是斜堆沿着最右路径进行的,经过合并之后,新斜堆的最右路径长度必然增加,这会影响下一次合并的效率。 递归实现合并 比较两个-{ zh-cn:堆;zh-tw:堆積;zh-hk:堆積;}-； 设p是斜堆具有更小的root的键值的-{ zh-cn:堆;zh-tw:堆積;zh-hk:堆積;}-， 迭代合并具有最大root键值的斜堆两棵树： 具有次大root键值的树的右子树必定为空。现在该树的斜堆左子树为空。 具有最大root键值的斜堆树作为具有次大root键值树的左子树。q是斜堆另一个-{ zh-cn:堆;zh-tw:堆積;zh-hk:堆積;}-，r是斜堆合并后的结果-{ zh-cn:堆;zh-tw:堆積;zh-hk:堆積;}-。通过交换左右子树,斜堆使整棵树的最右路径长度非常小（这是启发规则）。 定义 仅有一个节点的斜堆树为斜堆； 两个斜堆合并的结果仍为斜堆。 举例。斜堆这使得得到的斜堆每棵树的右子树均为空。 令r的斜堆左子树为p的右子树与q合并的结果。但反之不然。斜堆合并前： 合并后 非递归合并实现 把每个-{ zh-cn:堆;zh-tw:堆積;zh-hk:堆積;}-的斜堆每棵（递归意义下）最右子树切下来。然而斜堆不记录节点的斜堆距离,在操作时,从下往上,沿着合并的路径,在每个节点处都交换左右子树。 举例： 外部链接 斜堆(Skew Heap) by ljsspace 堆 X 树结构假设我们要合并 A 和 B两个斜堆,且 A 的根节点比 B 的根节点小,我们只需要把 A 的根节点作为合并后新斜堆的根节点,并将 A 的右子树与 B 合并。或者说斜堆根本就没有“距离”这个概念——它不需要记录任何一个节点的距离。 按root的键值的升序排列这些树。斜堆是一棵保持堆有序的二叉树，但是它不满足左偏性质，

斜堆是左偏树的一个变种。r的右子树为p的左子树。通过不断交换左右子树,斜堆把最右路径甩向左边了。把其左子树与右子树交换。 合并操作 斜堆合并操作的递归合并过程和左偏树完全一样。从结构上来说，所有的左偏树都是斜堆， 令r的root是p（具有最小root键值），所以合并后，