【刷题总结】堆系列问题

一、堆的定义

• 堆的定义：堆是一种特别的二叉树，具有两个特性
  • 完全二叉树；
  • 每一个节点的值都必须 大于等于或者小于等于 其孩子节点的值。
• 堆的特性
  • 插入元素：O(logN)
  • 删除元素：O(logN)
  • 获取 堆 中的最大值或最小值：O(1)
• 堆的分类
  • 最大堆：堆中每一个节点的值 都大于等于 其孩子节点的值。所以最大堆的特性是 堆顶元素（根节点）是堆中的最大值。
  • 最小堆：堆中每一个节点的值 都小于等于 其孩子节点的值。所以最小堆的特性是 堆顶元素（根节点）是堆中的最小值。

二、堆的实现

C++ 中堆采用优先级队列实现，常用操作如下

priority_queue<int> q; 
priority_queue<int, vector<int>, greater<int> > q; //升序队列，小顶堆
priority_queue<int, vector<int>, less<int> > q; //降序队列，大顶堆
q.top();
q.empty();
q.size();
q.push(x);
q.emplace(x) 原地构造一个元素并插入队列
q.pop();

//自定义排序算法
struct cmp{
    bool operator()(const pair<string, int>& l, const pair<string, int>& r){
        if (l.second == r.second)
            return l.first < r.first;
        else
            return l.second > r.second;
    }
};
priority_queue<pair<string, int>, vector<pair<string, int>>, cmp> heap;

三、堆的应用

堆的常见应用有三类：

1、堆排序

2、找前K大的元素

Top K 大元素

解法1：
1. 创建一个「最大堆」；
2. 将所有元素都加到「最大堆」中；
3. 通过边删除边遍历方法，将堆顶元素删除，并将它保存到结果集 T 中；
4. 重复3步骤 K 次，直到取出前K个最大的元素；

解法2：
1.创建一个大小为 K 的「最小堆」；
2.依次将元素添加到「最小堆」中；
3.当「最小堆」的元素个数达到 K 时，将当前元素与堆顶元素进行对比：
4.如果当前元素小于堆顶元素，则放弃当前元素，继续进行下一个元素；
5.如果当前元素大于堆顶元素，则删除堆顶元素，将当前元素加入到「最小堆」中。
6.重复步骤 2 和步骤 3，直到所有元素遍历完毕。

Top K 小元素：与topK大元素解法一致，最大堆换成最小堆即可

3、第K大元素问题

The Kth 大元素

解法1：
1.创建一个「最大堆」；
2.将所有元素都加到「最大堆」中；
3.通过 「边删除边遍历」方法，将堆顶元素删除；
4.重复 3 步骤 K 次，直到获取到第 K 个最大的元素；

解法2：
1.创建一个大小为 K 的「最小堆」；
2.依次将元素添加到「最小堆」中；
3.当「最小堆」的元素个数达到 K 时，将当前元素与堆顶元素进行对比：
  如果当前元素小于堆顶元素，则放弃当前元素，继续进行下一个元素；
  如果当前元素大于堆顶元素，则删除堆顶元素，将当前元素加入到「最小堆」中。
4.重复步骤 2 和步骤 3，直到所有元素遍历完毕。

The Kth 小元素 ：topK大元素解法一致，最大堆换成最小堆即可

四、堆系列问题

堆系列问题题目：https://leetcode-cn.com/tag/heap/problemset/

1、找前K大元素问题

1. 剑指 Offer 40. 最小的k个数(easy)：典型前 K 小元素问题。创建大小为K的最大堆存前K小的元素，如果小于堆顶则堆顶出堆将新元素入堆，堆内元素即为前K小元素

2. 347. 前 K 个高频元素(medium)：给出一个整数数组，求出现频率前k高的元素。采用hash记录频次，采用大小为k的存较大元素的最小堆来存放元素，堆内即为较大的k个元素

3. 373. 查找和最小的K对数字(medium)：给出一堆整数对，求和最小的k对数字。计算完后存到hash中，采用大小为k的存较小元素的最大堆来存放和，堆内即为和最小的k对数字

4. 692. 前K个高频单词(medium)：统计出现频率最高的前K个元素，并按字母序排列。采用hash存频次，用大小为k的存较大元素的最小堆来存放频次，堆内即为和最大的k个单词，出堆根据字母序排序

5. 451. 根据字符出现频率排序(medium)：要求根据字符出现频率降序排序。采用hash存频次，用最大堆来存放频次，入堆完再根据出堆顺序排序

6. 973. 最接近原点的 K 个点(medium)：给出一些坐标求最接近原点的K个点。采用大小为K的存较小元素的最大堆来存距离，堆内即为最近的k个点

7. 857. 雇佣 K 名工人的最低成本(hard)：给出工人的工作质量及期望薪资，求雇佣k个工人最少需要多少钱。计算工人的性价比，并放入大小为k的存性价比较高的小顶堆中，堆中即为性价比较高的k个工人

2、第K大元素问题

1. 703. 数据流中的第 K 大元素(easy)：求数据流中第K大的元素。一个大小为K的最小堆存较大的K个数，大于堆顶则入堆，堆顶即为第K大的元素
2. 215. 数组中的第K个最大元素(medium)：在未排序数组中找第K大的元素。采用K大的最小堆存最大的K个数
3. 378. 有序矩阵中第 K 小的元素(medium)：求在二维矩阵中找第K小的数。同样是找第K小的数，只是变为了二维数组，用一个大小为K存较小元素的大顶堆，小于堆顶的元素可以入堆，遍历完后堆顶即为结果
4. 264. 丑数 II(medium)：丑数为只由2/3/5乘的数，求返回第n个丑数。回第n小的丑数，第n小的整数一定在相乘n次内，则求出相乘n次得到的所有丑数，放入大小为n的存较小元素的最大堆中，堆顶即为第n小的丑数
5. 313. 超级丑数(medium)：超级丑数是指所有质因数都是质数列表中的正整数，求第n个超级丑数。此题与上题的区别为相乘的数变为给定的，解法一致，仍未求出相乘n次得到的超级丑数并放入大小为n存较小元素的最大堆中，堆顶即为第n小的超级丑数

3、找中位数问题

1. 295. 数据流的中位数(hard)：不断求数据流中的中位数。看到中位数要意识到中位数只是特殊的第K大的元素，仍为找第K大元素问题，中位数问题采用两个堆，一个大小为n/2的小顶堆存较大元素，一个大小为n/2的大顶堆存较小元素，则堆顶即为中间的数

4、堆排序-动态顺序的问题

1. 1046. 最后一块石头的重量(easy)：给出一堆石头，选出两块石头会粉碎成两块石头的差值。贪心的思想：每次都从最大的石头开始粉碎，且数组会改变。为了实现对改变的数组每次都取到最大值则采用一个最大堆来存

2. 23. 合并K个升序链表(hard)：给出K个链表数组，对所有链表进行合并排序。采用堆排序实现，所有节点入堆，按照出队顺序构造新链表

3. 239. 滑动窗口最大值(hard)：给出整数数组，上面有长度为k的滑动窗口，不断求滑动窗口中的最大值。采用最大堆来不断加入元素，当堆顶元素不在滑动窗口中时出堆，否则取堆顶

4. 1845. 座位预约管理系统(medium)：要求设计一个购票系统，每次取最小的号，支持动态放回。本题要支持动态变化的数组取最小值，动态排序问题采用堆实现，采用小顶堆存数值，每次取堆顶即为最小

5. 1753. 移除石子的最大得分(medium)：给出三堆石子，每次要选两堆拿走一个石子，当有两堆为空时结束，求最多的得分。贪心的思想：每次都从最高的两组里面取，采用大顶堆来实现动态排序，每次取堆顶两个，处理后存回