最大索引堆（IndexMaxHeap）

一、概念及其介绍

索引堆是对堆这种数据结构的优化，是利用真正元素的索引值来组成一个堆，可以映射出一个最大堆或者最小堆，索引堆可分为最大索引堆 (IndexMaxHeap) 和最小索引堆 (IndexMinHeap)

为什么要索引堆：

当我们在使用堆这个数据结构的时候，需要对堆进行一系列的操作，如插入，取出等操作，我们会不断的改变相应数据的位置，此时当数据较大的时候，如每个堆中的数据都是一个较大文本等，在交换位置是就会对计算机有较大消耗；所以这里我们引入索引堆，索引堆是根据比较真正数据，但改变位置的是对应数据索引的位置真正操作的是对应数据的索引，真正数据位置不变，其优点总结如下：

1. 优化了交换元素的消耗。
2. 加入的数据位置固定，方便寻找。

二、结构图示实现分析

实现思想: 比较data数据,交换的是索引元素，首先构造函数添加索引数组属性 indexes

private T[] data;         // 最大索引堆中的数据
private int[] indexes;    // 最大索引堆中的索引
private int count;        // 元素对应的索引
private int capacity;     // 表示堆的容量

相应构造函数调整为，添加初始化索引数组

public IndexMaxHeap(int capacity) {
    data = (T[]) new Comparable[capacity + 1];
    indexes = new int[capacity + 1];
    count = 0;
    this.capacity = capacity;
}

我们要对最大索引堆进行插入操作，这里我们定义一个 insert () 函数

public void insert(int i, T item) {
    assert count + 1 <= capacity;
    assert i + 1 >= 1 && i + 1 <= capacity;

    i += 1;
    data[i] = item;
    // 调整插入操作，indexes 数组中添加的元素是真实 data 数组的索引 indexes [count+1] = i
    indexes[count + 1] = i; 
    count++;
    shiftUp(count);
}

调整 shift up 操作：比较的是 data 数组中父节点数据的大小，所以需要表示为 data[index[k/2]] < data[indexs[k]]，交换 index 数组的索引，对 data 数组不产生任何变动，shift down 同理。

private void shiftUp(int k) {
    while (k > 1 && data[indexes[k / 2]].compareTo(data[indexes[k]]) < 0) {
        swapIndexes(k, k / 2); // 交换索引
        k /= 2;
    }
}

我们要对最大索引堆中元素进行取出，其逻辑和堆一样，我们也需要将 data [1] 改为 data [indexes [1]];（ 与 shiftUp () 同理 ）

public T extractMax() {
    assert count > 0;
    T ret = data[indexes[1]];
    swapIndexes(1, count);
    count--;
  
    shiftDown(1);
    return ret;
}

下面来实现 shiftDown ()，其数组索引方法和 shiftUp () 同理

private void shiftDown(int k) {
    while (2 * k <= count) {
        int j = 2 * k;
        if (j + 1 <= count && data[indexes[j + 1]].compareTo(data[indexes[j]]) > 0)
            j++;
        if (data[indexes[k]].compareTo(data[indexes[j]]) >= 0)
            break;
        swapIndexes(k, j);
        k = j;
    }
}

在索引堆中还有一个重要的功能，就是我们需要更新索引堆里的元素，传入需要改变值对应的索引 i，和修改元素值 newItem

public void change(int i, T newItem) {
    i += 1;
    data[i] = newItem;
    // 找到indexes[j] = i, j表示data[i]在堆中的位置
    // 之后shiftUp(j), 再shiftDown(j)
    for (int j = 1; j <= count; j++)
        if (indexes[j] == i) {
            shiftUp(j);
            shiftDown(j);
            return;
        }
}

三、完整代码示例

https://github.com/perkinls/java-summary/

关注公众号 ，专注于java大数据领域离线、实时技术干货定期分享！如有问题随时沟通交流！ www.lllpan.top