数据结构与算法 — 二叉堆及优先队列的代码实现（Golang）_golang 优先队列

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Golang全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注go）

正文

while (childIndex < length) { //边界判断
if (childIndex + 1 < length && array[childIndex + 1] < array[childIndex]) {//当有右孩子时，判断左右孩子的大小
childIndex = childIndex + 1;//右孩子对应的索引
// childIndex++; //等同于childIndex + 1;
}
if (array[parentIndex] < array[childIndex]) { //当父节点比子节点小的时候，退出循环
break;
}
int temp = array[parentIndex];
array[parentIndex] = array[childIndex];
array[childIndex] = temp;
//交换完毕

parentIndex = childIndex;//将交换过的子节点索引重新给父节点
childIndex = 2 * parentIndex + 1;//重新计算新的左孩子索引

}
}

public static void buildHeap(int[] array) {
//从最后一个非叶子节点开始，依次做下沉操作
for (int i = (array.length - 2) / 2; i >= 0; i–) {
downAdjust(array, i);
}
}

public static void main(String[] args) {

int[] array = new int[]{1, 3, 2, 6, 5, 7, 8, 9, 10, 0};
upAdjust(array);
System.out.println(Arrays.toString(array)); //结果：[0, 1, 2, 6, 3, 7, 8, 9, 10, 5]

array = new int[]{7, 1, 3, 10, 5, 2, 8, 9, 6};
// downAdjust(array,0);
buildHeap(array);
System.out.println(Arrays.toString(array)); //结果：[1, 5, 2, 6, 7, 3, 8, 9, 10]

}

}

Golang语言：

package main

import “fmt”

/**
* 最小堆的上浮
*/
func UpAdjust(array []int) {
childIndex := len(array) - 1
parentIndex := (childIndex - 1) / 2
for childIndex > 0 && array[childIndex] < array[parentIndex] {
temp := array[childIndex]
array[childIndex] = array[parentIndex]
array[parentIndex] = temp

childIndex = parentIndex
parentIndex = (childIndex - 1) / 2
}
}

/**
* 最小堆的下沉
*/
func DownAdjust(array []int, parentIndex int) {
length := len(array)
childIndex := 2*parentIndex + 1

for childIndex < length {
if childIndex+1 < length && array[childIndex+1] < array[childIndex] {
childIndex++
}
if array[parentIndex] < array[childIndex] {
break
}
temp := array[parentIndex]
array[parentIndex] = array[childIndex]
array[childIndex] = temp

parentIndex = childIndex
childIndex = 2*parentIndex + 1
}
}

func BuildHeap(array []int) {
for i := (len(array) - 2) / 2; i >= 0; i-- {
DownAdjust(array, i)
}
}

func main() {
array := []int{1, 3, 2, 6, 5, 7, 8, 9, 10, 0}
UpAdjust(array)
fmt.Println(array) //结果：[0, 1, 2, 6, 3, 7, 8, 9, 10, 5]

array = []int{7, 1, 3, 10, 5, 2, 8, 9, 6}
//DownAdjust(array, 0)
BuildHeap(array)
fmt.Println(array) //结果：[1, 5, 2, 6, 7, 3, 8, 9, 10]

}

1.5 二叉堆时间复杂度

参考1：二叉堆实现及时间复杂度分析

堆排序：nlog(n)
堆插入元素：log(n)
堆调整：log(n)
堆重建：O(n)

2 优先队列

2.1 优先队列特点

优先队列不在遵循队列先入先出的原则，而是分为两种情况：

• 最大优先队列，无论入队顺序如何，都是当前最大的元素优先出队。
• 最小优先队列，无论入队顺序如何，都是当前最小的元素优先出队。

优先队列的实现基础是二叉堆，因为二叉堆有最大堆和最小堆。
通过最大堆可实现最大优先队列，每一次入队就是堆的插入操作，每一次出队就是删除堆顶节点的操作。
通过最小堆可实现最小优先队列，每一次入队就是堆的插入操作，每一次出队就是删除堆顶节点的操作。

2.2 代码实现【略】

看漫画算法 P101

2.3 优先队列的时间复杂度

参考1：优先队列时间复杂度

出队和入队的时间复杂度是 O(logn)。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）**
[外链图片转存中…(img-SH7WP1pR-1713225856341)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！