加强堆结构说明

加强堆结构说明

作者：Grey

原文地址：

博客园：加强堆结构说明

CSDN：加强堆结构说明

关于堆和堆排序的说明

可以参考这篇博客：与堆和堆排序相关的问题

基础的堆结构可以实现数据入堆和出堆以后（即: 调用堆的 pop 和 push 方法），使用$O(logN)$的时间复杂度可以将堆调整好，如果使用的是 Java 语言，可以用 java.util 包中的 PriorityQueue 实现堆的所有操作。

但是，在实际场景中，有一种情况是：在已知的一个堆中，堆中任意一个元素变换后，也要以$O(logN)$的时间复杂度把堆结构调整正确。这是 Java 语言自带的堆结构(PriorityQueue)无法做到的，这就引入了「加强堆」的概念。「加强堆」提供如下方法

public void resign(T obj) {}

这个方法表示，对于堆中任意的一个元素 obj，如果调整了其对应的数值，整个堆结构还能在时间复杂度$O(logN)$下调整好。

普通堆结构之所以无法做到，是因为普通的堆结构没有记录任意一个数据所在的位置信息，所以无法从对应的位置进行堆结构调整。所以，「加强堆」结构引入了一个 HashMap:

HashMap<T, Integer> indexMap; // 元素在堆中的位置

有了这个HashMap, 就可以很方便得到某个数据项在堆中的位置是什么，在堆的pop和push方法中，要把HashMap的逻辑加入

public void push(T obj) {
    heap.add(obj);
    indexMap.put(obj, heapSize);
    heapInsert(heapSize++);
}

public T pop() {
    T ans = heap.get(0);
    swap(0, heapSize - 1);
    indexMap.remove(ans);
    heap.remove(--heapSize);
    heapify(0);
    return ans;
}

更重要的是，在堆的 heapify 和 heapInsert 操作中，涉及到的堆中两个元素的交换，也要把堆中元素的位置进行交换。

// 不要忘记把堆中元素的位置也要做交换！！！！
private void swap(int i, int j) {
    T o1 = heap.get(i);
    T o2 = heap.get(j);
    heap.set(i, o2);
    heap.set(j, o1);
    indexMap.put(o2, i);
    indexMap.put(o1, j);
}

以上是铺垫，到了最核心的resign方法，其逻辑如下

public void resign(T obj) {
    heapInsert(indexMap.get(obj));
    heapify(indexMap.get(obj));
}

整个过程也非常好理解，就是找到变化的那个数据项的位置，然后执行heapify和heapInsert，由于变换过程无非是变大或者变小，所以找到变换的位置，heapify和heapInsert操作只会执行一个操作！另外一个操作进去以后会直接跳出。

加强堆的完整代码如下（支持泛型）:

import java.util.ArrayList;
import java.util.Comparator;
import java.util.HashMap;
import java.util.List;

/**
 * @param <T>
 * @since 21
 */
// 加强堆
// 笔记：https://www.cnblogs.com/greyzeng/p/16936506.html
public class HeapGreater<T> {

    private final ArrayList<T> heap;
    private final HashMap<T, Integer> indexMap; // 元素在堆中的位置
    private int heapSize; // 和heap配合使用
    private final Comparator<? super T> comp;

    public HeapGreater(Comparator<T> c) {
        heap = new ArrayList<>();
        indexMap = new HashMap<>();
        comp = c;
    }

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

    public int size() {
        return heapSize;
    }

    public boolean contains(T obj) {
        return indexMap.containsKey(obj);
    }

    public T peek() {
        // since jdk 21
        // before jdk 21 use
        // heap.get(0)
        return heap.getFirst();
    }

    public void push(T obj) {
        heap.add(obj);
        indexMap.put(obj, heapSize);
        heapInsert(heapSize++);
    }

    public T pop() {
        // since jdk 21
        // before jdk 21 use
        // heap.get(0)
        T ans = heap.getFirst();
        swap(0, heapSize - 1);
        indexMap.remove(ans);
        heap.remove(--heapSize);
        heapify(0);
        return ans;
    }

    public void remove(T obj) {
        T replace = heap.get(heapSize - 1);
        int index = indexMap.get(obj);
        indexMap.remove(obj);
        heap.remove(--heapSize);
        if (obj != replace) { // obj == replace表示删掉的是最后一个位置的数据，此时不需要进行resign操作
            heap.set(index, replace);
            indexMap.put(replace, index);
            resign(replace);
        }
    }

    public void resign(T obj) {
        heapInsert(indexMap.get(obj));
        heapify(indexMap.get(obj));
    }

    // 请返回堆上的所有元素
    public List<T> getAllElements() {
        return new ArrayList<>(heap);
    }

    private void heapInsert(int index) {
        while (comp.compare(heap.get(index), heap.get((index - 1) / 2)) < 0) {
            swap(index, (index - 1) / 2);
            index = (index - 1) / 2;
        }
    }

    private void heapify(int index) {
        int left = index * 2 + 1;
        while (left < heapSize) {
            int best = left + 1 < heapSize && comp.compare(heap.get(left + 1), heap.get(left)) < 0 ? (left + 1) : left;
            best = comp.compare(heap.get(best), heap.get(index)) < 0 ? best : index;
            if (best == index) {
                break;
            }
            swap(best, index);
            index = best;
            left = index * 2 + 1;
        }
    }

    private void swap(int i, int j) {
        T o1 = heap.get(i);
        T o2 = heap.get(j);
        heap.set(i, o2);
        heap.set(j, o1);
        indexMap.put(o2, i);
        indexMap.put(o1, j);
    }
}

使用对数器对上述加强堆进行测试，测试代码如下（这里利用了Java自带的PriorityQueue来测试）

import org.junit.jupiter.api.Assertions;
import org.junit.jupiter.api.DisplayName;
import org.junit.jupiter.api.Test;

import java.util.Objects;
import java.util.PriorityQueue;

@DisplayName("加强堆结构测试")
public class HeapGreaterTest {


    // 加强堆测试
    @Test
    @DisplayName("加强堆结构测试")
    public void testGreaterHeap() {
        int value = 1000;
        int limit = 100;
        int testTimes = 2000000;
        for (int i = 0; i < testTimes; i++) {
            int curLimit = (int) (Math.random() * limit) + 1;
            HeapGreater<Integer> myHeap = new HeapGreater<>((o1, o2) -> o2 - o1);
            PriorityQueue<Integer> rightHeap = new PriorityQueue<>((o1, o2) -> o2 - o1);
            int curOpTimes = (int) (Math.random() * limit);
            for (int j = 0; j < curOpTimes; j++) {
                if (rightHeap.isEmpty()) {
                    int curValue = (int) (Math.random() * value);
                    myHeap.push(curValue);
                    rightHeap.add(curValue);
                } else if (rightHeap.size() == curLimit) {
                    if (!Objects.equals(myHeap.pop(), rightHeap.poll())) {
                        Assertions.fail();
                    }
                } else {
                    if (Math.random() < 0.5) {
                        int curValue = (int) (Math.random() * value);
                        myHeap.push(curValue);
                        rightHeap.add(curValue);
                    } else {
                        if (!Objects.equals(myHeap.pop(), rightHeap.poll())) {
                            Assertions.fail();
                        }
                    }
                }
            }
        }
    }

}

注：运行上述代码需要引入 junit 相关的包

<dependency>
    <groupId>org.junit.jupiter</groupId>
    <artifactId>junit-jupiter</artifactId>
    <version>5.10.1</version>
    <scope>test</scope>
</dependency>

使用加强堆来解决的问题示例，见使用加强堆解决 topK 问题

更多

算法和数据结构学习笔记

算法和数据结构学习代码