堆的特性与实现

堆的特性与实现

堆的特性

根据堆中元素之间的大小关系，堆可以分为最大堆和最小堆。对于最大堆，某个节点的值总是大于等于其子节点的值；对于最小堆，某个节点的值总是小于等于其子节点的值。

堆中各个节点组合起来是一颗完全二叉树。但是真正存储堆结构的时候，不是用树结构，而是采用数组来存储各个节点的值，这是因为完全二叉树可以很方便存储在数组中。所以存在两种视角来看待堆结构：

• 二叉树的视角，把堆看成是一棵完全二叉树，但是这棵完全二叉树的节点之后是有大小关系的；
• 数组的视角，堆是存储在数组中的，数组中元素的先后顺序是按照完全二叉树从上往下，从左往右的顺序来组织的。

既然采用数组来存储，节点之间就会存在索引关系：对于第i个节点（注意这里第一个节点用下标0表示），其父节点、左右子节点的索引是：

parent: (i-1)/2
left child: 2*i+1
right child: 2*i+2

两个关键操作：

• siftUp()–上浮操作
• siftDown()–下沉操作

这两个操作分别用在什么时候？

• 上浮操作发生在添加节点的时候。往堆中添加一个节点，是在完全二叉树的最后一个节点后面添加，添加完之后还是要符合完全二叉树的结构。对于最大堆来说，根节点（即堆顶）是最大的节点，往堆中添加了一个节点，那这个节点可能比较大，此时就需要让它上浮，才能满足节点之间的大小关系。
• 下沉操作发生在删除节点的时候。一般删除操作是将根节点删除，因为根节点是最大的节点，同时删除根节点最方便。但是删除根节点之后不是就结束了，根节点空出来了，此时需要把最后一个节点挪到根节点的位置。前面说了跟节点是最大的节点，最后一个节点挪到根节点的位置必然改变了节点之间的大小关系，所以需要对新的这个根节点进行下沉操作。

堆结构的实现

public class MaxHeap {

    private int[] arr;
    private int size = 0;

    public MaxHeap(int capacity) {
        arr = new int[capacity];
    }

    public int getSize() {
        return size;
    }

    public boolean isEmpty() {
        return size == 0;
    }

    public void add(int value) {
        if (size >= arr.length) {
            throw new IllegalArgumentException("heap is full");
        }
        arr[size] = value;
        siftUp(arr, size);
        size++;
    }

    public int remove() {
        if (isEmpty()) {
            throw new IllegalArgumentException("heap is empty");
        }
        int res = arr[0];
        size--;
        swap(arr, 0, size);
        siftDown(arr,  size, 0);
        return res;
    }

    private void siftUp(int[] arr, int k) {
        while (k > 0) {
            int parent = getParentIndex(k);
            if (arr[k] <= arr[parent]) {
                break;
            }
            swap(arr, k, parent);
            k = parent;
        }
    }

    private void siftDown(int[] arr, int n, int k) {
        while (getLeftChildIndex(k) < n) {
            int child = getLeftChildIndex(k);
            if (child+1 < n && arr[child+1] > arr[child]) {
                child += 1;
            }
            if (arr[k] >= arr[child]) {
                break;
            }
            swap(arr, k, child);
            k = child;
        }
    }

    private void swap(int[] arr, int a, int b) {
        int temp = arr[a];
        arr[a] = arr[b];
        arr[b] = temp;
    }

    private int getParentIndex(int i) {
        if (i == 0) {
            throw new IllegalArgumentException("index-0 doesn't have parent!");
        }
        return (i - 1) / 2;
    }

    private int getLeftChildIndex(int i) {
        return 2 * i + 1;
    }

    private int getRightChildIndex(int i) {
        return 2 * i + 2;
    }
}

应用一：堆排序

堆排序两大步骤：

1. 将数组组织成堆（最大堆）。从下往上第一个非叶子节点开始下沉，完成之后堆顶元素是最大值。
2. 进行堆排序。堆顶arr[0]保存着数组中arr[0, i]这一段的最大值，所以索引0和i位置上的元素交换，与此同时对arr[0]进行下沉，下沉的长度范围是到i为止。

堆排序代码如下：

public class HeapSort {
    public void sort(int[] arr) {
        int n = arr.length;
        // 第一个非叶子节点的索引是(n-2)/2
        // 最后一个节点索引是n-1，其父节点就是(n-1-1)/2
        for (int i = (n-2)/2; i >= 0; i--) {
            siftDown(arr, n, i);
        }

        for (int i = n-1; i > 0; i--) {
            // arr[0]是当前的最大值，所以要交换到i位置上
            swap(arr, 0, i);
            // 对第一个进行下沉，下沉的长度范围是到i为止
            siftDown(arr, i, 0);
        }
    }

    private void swap(int[] arr, int a, int b) {
        int temp = arr[a];
        arr[a] = arr[b];
        arr[b] = temp;
    }

    /**
     *  在数组arr的前n个元素中，对索引为k的元素下沉
     */
    private void siftDown(int[] arr, int n, int k) {
        while (2*k + 1 < n) {
            int child = 2*k + 1;
            if (child + 1 < n && arr[child+1] > arr[child]) {
                child += 1;
            }
            if (arr[k] >= arr[child]) {
                break;
            }
            swap(arr, k, child);
            k = child;
        }
    }
}

应用二：TopK问题

【LeetCode347–前K个高频元素】给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

示例 1:

输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]

示例 2:

输入: nums = [1], k = 1
输出: [1]

提示：

• 1 <= nums.length<= 10⁵
• k 的取值范围是 [1, 数组中不相同的元素的个数]
• 题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的

进阶：你所设计算法的时间复杂度 必须 优于 O(n log n)，其中 n是数组大小。

使用优先队列来求解：

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        Map<Integer, Integer> timesMap = new HashMap<>();
        for (int i = 0; i < nums.length; i++) {
            timesMap.put(nums[i], 1 + timesMap.getOrDefault(nums[i], 0));
        }

        PriorityQueue<Integer> pq = new PriorityQueue<>(
            (a, b) -> timesMap.get(a) - timesMap.get(b));
        for (int key : timesMap.keySet()) {
            if (pq.size() >= k) {
                if (timesMap.get(key) > timesMap.get(pq.peek())) {
                    pq.poll();
                    pq.offer(key);
                }
            } else {
                pq.offer(key);
            }
        }
        int[] res = new int[k];
        int index = 0;
        while (!pq.isEmpty()) {
            res[index++] = pq.poll();
        }
        return res;
    }
}

使用堆结构来求解。对于TopK小问题使用最大堆，对于TopK大问题使用最小堆来求解。总体思路和优先队列的解法差不多，只是维护节点之间的关系需要使用上浮和下沉来操作来实现。

class Solution {
    private Map<Integer, Integer> timesMap;
    public int[] topKFrequent(int[] nums, int k) {
        timesMap = new HashMap<>();
        for (int i = 0; i < nums.length; i++) {
            timesMap.put(nums[i], 1 + timesMap.getOrDefault(nums[i], 0));
        }
        int[] arr = new int[k];
        int size = 0;
        for (int key : timesMap.keySet()) {
            if (size < k) {
                arr[size++] = key;
                siftUp(arr, size-1);
            } else {
                if (timesMap.get(key) > timesMap.get(arr[0])) {
                    arr[0] = key;
                    siftDown(arr, size, 0);
                }
            }
        }
        return arr;
    }

    private void siftUp(int[] arr, int index) {
        while (index > 0) {
            int parent = (index - 1) / 2;
            if (timesMap.get(arr[index]) > timesMap.get(arr[parent])) {
                break;
            }
            swap(arr, parent, index);
            index = parent;
        }
    }

    private void swap(int[] arr, int a, int b) {
        int temp = arr[a];
        arr[a] = arr[b];
        arr[b] = temp;
    }

    private void siftDown(int[] arr, int nums, int index) {
        while (2*index+1 < nums) {
            int child = 2*index + 1;
            if (child + 1 < nums && timesMap.get(arr[child+1]) < timesMap.get(arr[child])) {
                child += 1;
            }
            if (timesMap.get(arr[index]) < timesMap.get(arr[child])) {
                break;
            }
            swap(arr, index, child);
            index = child;
        }
    }
}