Java 数据结构（四）堆

public static void shiftDown(int[] array ,int size,int index){
    int left = 2 * index + 1;
    while (left < size){
        int min = left;
        int right = 2 * index + 2;
        if (right < size ) {
            if (array[right] < array[left]){
                min = right;
            }
        }
    
        if (array[index] <= array[min]){
           break;

        }
        int t = array[index];
        array[index] = array[min];
        array[min] = t;
        index = min;
        left = 2 * index + 1;
        }
}

2.3 操作-建堆

下面我们给出一个数组，这个数组逻辑上可以看做一棵完全二叉树，但是还不是一个堆，现在我们通过算法，把它构建成一个堆。根节点左右子树不是堆，我们怎么调整呢？这里我们从倒数第一个非叶子结点的子树开始调整，一直一澳洲到根节点的树，就可以调整成堆。

//建堆前
int [] array = { 1,5,3,8,7,6};
//建堆后
int [] array = { 8,7,6,5,1,3};

时间复杂度分析：O（n*log（n））

(72 封私信 / 80 条消息) 堆排序中建堆过程时间复杂度O(n)怎么来的？ - 知乎 (zhihu.com)

public static void createHeap(int[] array, int size) {
    for (int i = (size - 1 - 1) / 2; i >= 0; i--) {
        shiftDown(array,size,i);
    }
}

三堆的应用-优先级队列

3.1 概念

很多应用中，我们通常需要按照有心计对待处理对象进行处理，比如首先处理优先级最高的对象，然后处理次高的对象。最简单的一个列子就是，你在打游戏的时候女朋友来电话了，你就需要先接电话，要不然。。。

在这种情况下，我们的数据结构应提供两个最基本的操作，一个是返回最高优先级对象，一个是添加新的对象。

3.2 内部原理

优先级队列的实现方式有很多，但最常见的是使用堆来构建

3.3 操作-入队列

1.首先按尾插方式入数组

2.比较其和其双亲的值的大小，如果双亲的值大，则满足堆的性质，插入结束。

3.否则，交换其和双亲位置的值，重新进行步骤2.3

4.直到根结点

3.4操作-出队列

3.4 返回队首元素

3.5 代码

3.6 代码

3.7 Java 中的优先级队列

错误处理	抛出异常	返回特殊值
入队列	add（e)	offer(e）
出队列	remove（）	poll（）
队首元素	element（）	peel（）

四堆的其他应用-TopK问题

画外音：除非校招，我在面试过程中从不问TopK这个问题，默认大家都知道。

(63条消息) 拜托，面试别再问我TopK了！！！_架构师之路_的博客-CSDN博客

五面试题

373. 查找和最小的 K 对数字 - 力扣（LeetCode）

class Solution {
    public List<List<Integer>> kSmallestPairs(int[] nums1, int[] nums2, int k) {
        List<List<Integer>> ans = new ArrayList<>();
        for (int i = 0; i < Math.min(nums1.length, k); i++) {
            for (int j = 0; j < Math.min(nums2.length, k); j++) {
                ans.add(Arrays.asList(nums1[i], nums2[j]));
            }
        }
        ans.sort(Comparator.comparingInt(x -> (x.get(0) + x.get(1))));
        return ans.subList(0, Math.min(ans.size(), k));
    }
}