二叉堆（最大堆，最小堆）实现及原理
- 二叉堆与二叉查找树一样，堆也有两个性质，即结构性质和堆性质。和AVL树一样，对堆的一次操作必须到堆的所有性质都被满足才能终止，也就是我们每次对堆的操作都必须对堆中的数据进行校正才能终止。
结构性质
-
堆是一颗被填满的二叉树，除了最底层上的元素是不满的，但是最底层元素必须是从左到右填入。这样的树称为完全二叉树（complete binary tree），如下就是一个二叉堆的案例：
-
容易得到的一个层级与节点数的一个结论是，如果有一棵高度 h 的完全二叉树，节点数在2h 到 2h+1 - 1 个节点。这意味着完全二叉树的高是LogN，
-
根据观察发现重要点：因为完全二叉树是那么有规律，所有他甚至可以用一个数组来标识而不需要用连去链接，如下图中的数组来表示上图中的完全二叉树
- 如上图，对于数组中任意位置 i 上的元素，其做儿子在 2*i 位置上，右儿子在左二子后的单元（2i+1）中
- 那么同理他的父节点就在他 i/2上，因此这里不仅不需要指针联合，而且遍历改树需要的操作也会非常简单，大部分计算机上运行可以非常快。
- 这种实现方法的唯一问题在于，最大的堆大小需要预先估计，也就如果我们需要存储10 个节点数据，那么数组的大小不是10 ，而需要更大的空间，这个具体值需要计算得。
- 如上图中堆的大小是13个元素。改数组 位置 0 是没有存放数据，后面我们会详细说明实现。
- 因此一个堆的结构应该由一个 Comparable 对象（应为需要比较各个节点大小）数组，和一个代表当前堆大小的整数组成。
堆性质
- 让操作快速执行的性质是堆序性质（heap-order property）。由于我们需要快速找出最小单元，因此最小单元应该在根节点上，如果我们考虑任意子树也应该是一个堆，那么任意节点都应该小于他的子树。
- 应用这个逻辑，我们得到堆序性质。 在一个堆中，对于每个节点X，X的父节点中关键字小于或者等于X中的关键字，根节点除外（根节点没有父节点）。如下图就是一个最小堆的示范：
- 根据堆序性质，最小元素数据总可以在根节点处找到，也就是我们可以用O(1)时间的方法findMin。
基本的堆操作
- 最重要的一点在于，所有操作都必须保证堆序性质。
insert 插入操作
- 为了将一个元素X插入到堆中，我们可以在下一个可用位置模拟一个空的元素位置，他必须填补在此处，要不然不满足结构性质，如下图：
- 如上图，如果插入的数据能满足堆序性质，那么插入结束
- 如果插入的元素比其父节点31 要小，我们必须将空元素的父节点上的元素31 移动到空元素位置。
- 这样空元素位置就朝根节点的方向上移动了一个位置，继续改过程直到插入的数据X能翻入空位置为止。
- 例如我们需要插入的数据是 14，如下图
- 这种方法的策略上叫上滤。新元素在堆中上滤直到找出正确的位置。
- 如果插入的元素是新堆中最小元素，那么新元素会一直上滤到根节点出，这种插入的时间长达O(logN)，平均来看，上滤终止的要早与交换对比来看，例如我们也可以在insert中用交换来实现上滤古村，但是一次交换需要3条赋值语句。如果一个元素上滤d层，需要3d次交换，而用数组，我们先用0 保存需要插入的元素，每次只需要将应该去的位置的数据给空穴位置就行，这样只需要用d + 1 次赋值即可。
deleteMin删除最小数据
- deleteMin以类似的方式处理。找出最小元素是简单的。困难地方在于怎么删除他。当删除根节点时候，相当于在根处有一个空元素。由于对堆少了一个跟元素，因此我们将堆中最后一个元素X放入根节点中。如果X比 他的子节点都小，满足堆序性质，那么删除完成
- 如果X比他子节点大，那么找出子节点中最小者，与X交换位置
- 持续以上步骤，直到X找到他的位置为止。
- 如下案例，我们删除最小值13的流程：
- 纠错，此处应该是与21 交换，图片有误
- 以上方式我们将堆中最后一个元素X掏出来，放入临时变量，删除min后，根变成了空元素位置
- 此时我们将子节点与掏出的元素X比较，如果X大于子节点，那么将子节点中最小元素放入空元素位置中，
- 如果X小于子节点，那么将X放入当前位置
- 这种策略叫下滤
- 实现过程中可能最后一个节点只有一个节点，我们默认的处理方式都认为有两个子节点，此处应该在比较适合判空操作。
- 删除操作最坏情况时间也是O(logN)，平均而言，被放到根处的元素几乎下滤到底层，因此平均运行时间也是O(logN）
代码实现
- 二叉堆节点定义与之前二叉树的有一点点不一样，更简单，无需指针如下代码实现：
/**
* @author liaojiamin
* @Date:Created in 15:57 2020/12/24
*/
public class AnyType implements Comparable<AnyType> {
private Object element;
public AnyType(Object element){
this.element = element;
}
public Object getElement() {
return element;
}
public void setElement(Object element) {
this.element = element;
}
@Override
public int compareTo(AnyType o) {
if (o == null) {
return -1;
}
int flag;
if (o instanceof AnyType) {
int myElement = Integer.valueOf(this.element.toString()) - Integer.valueOf(o.getElement().toString());
flag = myElement > 0 ? 1 : myElement == 0 ? 0 : -1;
} else {
flag = this.element.toString().compareTo(o.toString());
}
if (flag == 0) {
return 0;
} else if (flag > 0) {
return 1;
} else {
return -1;
}
}
}
- 具体二叉堆代码实现
/**
* 二叉堆，父节点总小于子节点（最小堆），用数组实现
* @author liaojiamin
* @Date:Created in 15:45 2020/12/24
*/
public class BinaryHeap {
private static final int DEFAULT_CAPACITY = 10;
/**
* 当前最后一个数据下标
* */
private int currentSize;
private AnyType[] array;
public BinaryHeap(){}
public BinaryHeap(int capacity){
currentSize = 0;
array = new AnyType[capacity];
}
public BinaryHeap(AnyType[] item){
currentSize = item.length;
array = new AnyType[(currentSize + 2 )*11/10];
int i =1;
for (AnyType anyType : item) {
array[i++] = anyType;
}
buildHeap();
}
public void buildHeap(){
for (int i = currentSize/2; i > 0; i--){
percoateDown(i);
}
}
/**
* 二叉堆中添加节点（上滤方法）
* */
public void insert(AnyType x){
if(currentSize == array.length){
enlargArray(currentSize*2+1);
}
int hole = ++currentSize;
for(array[0] = x; x.compareTo(array[hole/2]) < 0;hole = hole/2){
array[hole] = array[hole/2];
}
array[hole] = x;
}
/**
* 查找最小值，二叉堆最小值是根节点
* */
public AnyType findMin(){
return array[1];
}
/**
* 删除最小值（根节点）
* */
public AnyType deleteMin(){
if(isEmpty()){
return null;
}
AnyType min = findMin();
array[1] = array[currentSize--];
array[currentSize + 1] = null;
percoateDown(1);
return min;
}
/**
* 判断是否为空
* */
public boolean isEmpty(){
if(array == null || array.length <= 0 || currentSize == 0){
return true;
}
for (AnyType anyType : array) {
if(anyType != null){
return false;
}
}
return true;
}
/**
* 置空整个二叉堆
* */
public void makeEmpty(){
array = new AnyType[DEFAULT_CAPACITY];
}
/**
* 将顶部较大的节点逐步下滤
* */
public void percoateDown(int hole){
int child=0;
AnyType tem = array[hole];
for (;hole*2<=currentSize;hole=child){
child = 2*hole;
if(child<=currentSize && array[child].compareTo(array[child+1]) > 0){
child ++;
}
if(array[child].compareTo(tem) < 0){
array[hole] = array[child];
}else {
break;
}
}
array[hole] = tem;
}
/**
* 扩容
* */
public void enlargArray(int newSize){
AnyType[] newArray = new AnyType[newSize];
for (int i = 0; i < array.length; i++) {
newArray[i] = array[i];
}
array = newArray;
}
public static void main(String[] args) {
Integer size = 10;
BinaryHeap binaryHeap = new BinaryHeap((size + 2 )*11/10);
Random random = new Random();
for (int i = 0; i < size; i++) {
AnyType anyType = new AnyType(random.nextInt(100));
binaryHeap.insert(anyType);
}
while (!binaryHeap.isEmpty()){
System.out.println(binaryHeap.deleteMin().getElement());
}
}
}
- 以上源码我们实现的是最小堆的情况，可以将比较参数修改一下得到以下最大堆的实现代码：
/**
* 二叉堆，父节点总大于子节点（最大堆），用数组实现
* @author liaojiamin
* @Date:Created in 15:45 2020/12/24
*/
public class BinaryHeapMax {
private static final int DEFAULT_CAPACITY = 10;
/**
* 当前最后一个数据下标
* */
private int currentSize;
private AnyType[] array;
public BinaryHeapMax(){}
public BinaryHeapMax(int capacity){
currentSize = 0;
array = new AnyType[capacity];
}
public BinaryHeapMax(AnyType[] item){
currentSize = item.length;
array = new AnyType[(currentSize + 2 )*11/10];
int i =1;
for (AnyType anyType : item) {
array[i++] = anyType;
}
buildHeap();
}
public AnyType[] getAppHeapData(){
return Arrays.copyOfRange(array, 1, currentSize+1);
}
/**
* 获取当前最大堆数据量
* */
public Integer heapSize(){
return currentSize;
}
public void buildHeap(){
for (int i = currentSize/2; i > 0; i--){
percoateDown(i);
}
}
/**
* 二叉堆中添加节点（上滤方法）
* */
public void insert(AnyType x){
if(currentSize == array.length){
enlargArray(currentSize*2+1);
}
int hole = ++currentSize;
for(array[0] = x; x.compareTo(array[hole/2]) > 0;hole = hole/2){
array[hole] = array[hole/2];
}
array[hole] = x;
}
/**
* 查找最小值，二叉堆最小值是根节点
* */
public AnyType findMax(){
return array[1];
}
/**
* 删除最小值（根节点）
* */
public AnyType deleteMax(){
if(isEmpty()){
return null;
}
AnyType max = findMax();
array[1] = array[currentSize--];
array[currentSize + 1] = null;
percoateDown(1);
return max;
}
/**
* 判断是否为空
* */
public boolean isEmpty(){
if(array == null || array.length <= 0 || currentSize == 0){
return true;
}
for (AnyType anyType : array) {
if(anyType != null){
return false;
}
}
return true;
}
/**
* 置空整个二叉堆
* */
public void makeEmpty(){
array = new AnyType[DEFAULT_CAPACITY];
}
/**
* 将顶部较大的节点逐步下滤
* */
public void percoateDown(int hole){
int child=0;
AnyType tem = array[hole];
for (;hole*2<=currentSize;hole=child){
child = 2*hole;
//此处需要添加array[child+1]，因为我们是默认每个父节点都满子节点，那么必然遇见单个子节点情况，此时我们compareTo方法对比null对象返回的-1，这个是为了方便min情况时候，可以看到min情况时候无需增加这个条件，因此此处有不同用来兼容null节点情况。
if(child<=currentSize && array[child].compareTo(array[child+1]) < 0 && array[child+1] != null){
child ++;
}
if(tem.compareTo(array[child]) < 0){
array[hole] = array[child];
}else {
break;
}
}
array[hole] = tem;
}
/**
* 扩容
* */
public void enlargArray(int newSize){
AnyType[] newArray = new AnyType[newSize];
for (int i = 0; i < array.length; i++) {
newArray[i] = array[i];
}
array = newArray;
}
public static void main(String[] args) {
Integer size = 10;
BinaryHeapMax binaryHeap = new BinaryHeapMax((size + 2 )*11/10);
Random random = new Random();
for (int i = 0; i < size; i++) {
AnyType anyType = new AnyType(random.nextInt(100));
binaryHeap.insert(anyType);
}
while (!binaryHeap.isEmpty()){
System.out.println(binaryHeap.deleteMax().getElement());
}
}
}
- 最大堆代码中新增了两方法：
- getAppHeapData 获取当前最大堆内所有数据
- heapSize 获取当前堆内数据量
2132
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
