算法通关村第十四关——堆结构黄金挑战笔记

该部分只深度剖析一个问题：数据流中中位数问题，并总结中位数问题模板！

数据流中中位数问题

题目描述见LeetCode295。

对于中位数问题，我们一般使用大根堆+小根堆来求解！

其思想和堆查找类似，设数据的元素个数为n，如果能找到第n/2大的元素和第n/2小的元素就可以找到中位数了！因此，我们维护两个堆，大根堆：用于寻找第n/2小的元素，小根堆：用于寻找第n/2大的元素。

但是，当无法得知的数据流的元素个数时，怎么求解中位数？答：还是利用大根堆+小根堆，保持大根堆和小根堆的容量差不超过1（相当于找到第n/2小的元素和第n/2大的元素）。

此时，问题的关键转变为，如何保证大根堆和小根堆的容量差不超过1呢？答：先按照元素筛选规则决定元素进入大根堆还是小根堆，再比较加入新元素后大根堆和小根堆的容量，将容量大的堆中元素加入容量小的堆中，维持大根堆和小根堆容量差不超过1。当大根堆和小根堆的容量相同，即数据流中元素量为偶数时，返回大小根堆的堆顶元素平均值；当大根堆容量更大，返回大根堆堆顶元素，反之返回小根堆堆顶元素（此时数据流中元素量为奇数）。

厘清思路，直接上代码！

    public static void initHeap(){
        minHeap = new PriorityQueue<Integer>();
        maxHeap = new PriorityQueue<Integer>((a, b) -> b - a);
    }
    public static void addNum(int num){
        if(minHeap.isEmpty() || minHeap.peek() < num){
            minHeap.offer(num);
            if(minHeap.size() - maxHeap.size() > 1){
                maxHeap.offer(minHeap.poll());
            }
        }else{
            maxHeap.offer(num);
            if(maxHeap.size() - minHeap.size() > 1){
                minHeap.offer(maxHeap.poll());
            }
        }
    }

    public static double findMedian(){
        if(minHeap.size() > maxHeap.size()) return minHeap.peek();
        else if(minHeap.size() < maxHeap.size()) return maxHeap.peek();
        else return (minHeap.peek() + maxHeap.peek()) / 2.0;
    }

至此，堆结构内容已经全部结束，回过头想想，堆结构paper tiger！

OK，《算法通关村第十四关——堆结构黄金挑战笔记》结束，喜欢的朋友三联加关注！关注鱼市带给你不一样的算法小感悟！（幻听）

再次，感谢鱼骨头教官的学习路线！鱼皮的宣传！小y的陪伴！ok，拜拜，第十五关第一幕见！